用途：扫描 Claude Code 聊天会话日志，识别助手回复中反复出现的反模式（如 hedging、stalling、skipping、虚假完成、询问偏好、敷衍），产出按频率排序的报告，包含原文摘录和可直接使用的防护规则建议。
主要能力：围绕六类已知反模式进行分析——Guessing（no-guessing.md）、Stalling（no-stalling.md）、Preference-Asking（no-preference-asking.md）、False Completion（no-false-completion.md）、Skipping（no-skipping.md）、Dismissing（no-dismissing.md）。规则正则存放在插件 rules/ 目录，每个类别一个 .md 文件，应从这些文件读取而非硬编码。同时扫描规则未覆盖的新模式：道歉语（如 "I apologize"、"sorry about that"、"my mistake"）、无代码块且超 500 字符的过度解释、助手复述用户输入。
使用方式：先用 find ~/.claude/projects/ -name ".jsonl" -mtime -7 ! -path "/subagents/*" 2>/dev/null | head -30 定位近期会话日志；再创建 /tmp/agent-guardrails-analyze.py 脚本，读取 JSONL，从 type 为 "assistant" 且 message.content[].type 为 "text" 的条目提取文本，匹配全部六类正则，记录类别、匹配短语、200 字符上下文和会话路径，输出 JSON 报告到 stdout；脚本仅用 Python 标准库（json、re、os、glob、sys、collections），支持 --days N（默认 7）与 --project PATH 参数，可跳过 subagent 文件并容忍错误 JSON 行。最后以行内报告形式展示，含扫描会话数、时间范围、匹配总数、排名表、各分类详情（高频短语、示例摘录、推荐规则）和 Novel Patterns 部分。
限制与注意：报告必须行内显示，不得藏在文件路径后；每个分类即使零匹配也要列出 0；发现新模式单独报告；分析在本地运行，数据不离开本机。是否逐类安装规则由数据决定并直接推荐，而非询问用户。其他未在资料中说明的细节暂未提供。