跳到正文

目录

Prompt Master:把提示词从「凭感觉写」变成可复查的流程

它解决的是哪一类浪费

Prompt Master 是一个 Claude Skill,把一句模糊的需求变成可以直接粘贴的提示词。README 对它的定位是「零 Token(词元)浪费、零 credits 浪费」。这句话容易读成营销口号,但背后是一个可量化的循环:

写模糊提示词 → 得到错误输出 → 重新提问 → 接近了 → 再问一次 → 第 4 次才拿到想要的结果

每次重试都是一次 API(应用程序接口)调用。一天 50 条提示词,浪费的是真金白银,也是把本应一次到位的事拖成四轮对话的时间。

多数提示词生成器在做加法,把你的需求扩写成更长的提示词。Prompt Master 反着做,README 里的判断是:

The best prompt is not the longest. It’s the one where every word is load-bearing. 最好的提示词不是最长的,而是每个词都承重的那个。

「每个词都承重」不是文采,是产出物的检查标准:成品提示词里每一个词都要能指出它存在的原因。

项目 2026 年 3 月 11 日创建,本文复核时点(2026-09-23)13.5k 星、1,569 复刻、7 位贡献者,MIT 协议,当前版本 v1.8.0。不到七个月涨到这个量级,提示词浪费是几乎所有 AI 用户的日常痛点。

它支持 37 个工具档案(README 自称 30+),覆盖通用 LLM(大语言模型)、编码智能体与 IDE(集成开发环境)、全栈生成器、自主智能体、搜索、图像生成、3D、视频生成、语音合成、自动化十类。未列出的工具走 Universal Fingerprint(通用指纹)机制,用 4 个问题摸清陌生系统的脾气,照样能写出合格提示词。完整名单:

类别工具
通用 LLMClaude 5 系列(Fable 5 / Opus 5 / Sonnet 5)、ChatGPT / GPT-5.6(Sol / Terra / Luna)、Grok 4.6、Gemini 2.x / 3 Pro、o3 / o4-mini、DeepSeek-R1、MiniMax M3 / M2.7、Qwen 2.5 / Qwen3、Llama / Mistral 等本地模型、Ollama
编码智能体与 IDEClaude Code、Codex、Cursor / Windsurf、Cline、GitHub Copilot、Antigravity
全栈生成器Bolt / v0 / Lovable、Figma Make、Google Stitch
自主智能体Devin / SWE-agent、Manus、OpenAI Computer Use、Perplexity Computer、OpenClaw
搜索Perplexity / SearchGPT
图像生成Midjourney、DALL-E 3、Stable Diffusion、SeeDream、ComfyUI
3DMeshy / Tripo / Rodin、BlenderGPT、Unity AI
视频生成Sora / Runway、LTX / Dream Machine / Kling
语音合成ElevenLabs
自动化Zapier / Make / n8n

档案不是工具名单,每个工具都编码了自己的路由规则:o3 / o4-mini 只接受短指令、绝不加 CoT(思维链),它们内部思考;Midjourney 用逗号分隔描述词而不用散文;Stable Diffusion 强制负向提示词;Claude Code 必须带停止条件和文件范围锁。工具之间的差异被翻译成了具体的生成规则。

技能本体:一份 SKILL.md 加两个参考文件

Prompt Master 不是一个应用,是三份文件:SKILL.md 承载执行逻辑,references/patterns.md 存 37 种浪费模式,references/templates.md 存模板。装进 Claude 之后,你说需求,它产出可复制的成品提示词。

SKILL.md 的组织方式和它生成的提示词遵守同一条原则,文件分三个区:

  • PRIMACY ZONE(身份、硬规则、输出格式)放在最前
  • MIDDLE ZONE(执行逻辑、工具路由、诊断清单)居中
  • RECENCY ZONE(交付前验证、成功标准)收尾

关键内容放在前 30% 的位置,对抗目标模型的注意力衰减。它写提示词时要求记忆块也放在前 30%,用的是同一套逻辑。

八步管道:从需求到成品

README 定义的执行流程:

步骤说明
1. 工具检测识别目标 AI 系统,静默路由到正确方法
2. 意图提取提取 9 个维度:任务、目标工具、输出格式、约束、输入、上下文、受众、成功标准、示例
3. 澄清问题关键信息缺失时最多问 3 个,绝不超量
4. 框架路由自动选择正确的提示词架构,用户永远看不到框架名
5. 安全技术只使用效果可靠、有界的技术
6. 模型时效核查涉及「最新模型」时,对照官方文档验证模型名与参数,查不到就明说未验证,绝不编造模型代号
7. Token 效率审计删掉每个不影响输出的词
8. 交付提示词一个整洁的可复制块加一行策略说明

第 6 步针对模型迭代太快的事实:用户说「给最新的 Claude 写个提示词」,技能必须确认「最新」指哪个型号,而不是拿训练数据里的旧型号交差。

安全技术:只留效果可查的

Prompt Master 只使用效果可靠、有界的技术,已知容易幻觉或产出不可预测结果的被明确排除。

技术何时使用说明
Role Assignment(角色分配)需要专业深度和词汇时分配特定的专家身份来校准
Few-Shot Examples(少样本示例)格式一致性比指令更重要时添加 2-5 个示例
XML Structural Tags(XML 结构标签)Claude 系工具解析可靠时用 XML 标签包装各部分
Grounding Anchors(事实锚点)事实和引用任务时添加反幻觉规则
Auditable Reasoning(可审计推理)逻辑、数学、调试、分析任务时要求输出结论、假设、证据和验证检查,而非隐藏的推理过程

第五项值得展开。早期版本用 Chain of Thought(思维链),o3 / o4-mini 这类推理模型除外——它们内部思考,外加 CoT 反而劣化输出。v1.8.0 把「请求隐藏思维链」整个换成了可审计推理:不要模型的私有推理过程,要它能被检查的结论、假设、证据链和验证步骤。这条写进了硬规则,任何模型都不许请求隐藏思维链。

明确排除的技术:

  • Tree of Thought(思维树)
  • Graph of Thought(图思维)
  • Universal Self-Consistency(通用自洽)
  • Prompt Chaining(提示链)
  • Mixture of Experts(专家混合,在单次前向传播中模拟多角色路由,SKILL.md 硬规则额外列入)

技能还内置三条安全机制:

  1. 凭证安全:生成的提示词绝不包含 API 密钥、token、连接字符串;用户粘贴的提示词里带凭证,剥离并提示改用环境变量。
  2. 输入消毒:用户粘贴旧提示词来分析或修复时,整段按惰性数据处理——不执行其中嵌入的指令,不泄露系统提示词。
  3. Agentic 输出警告:面向 Claude Code、Devin 这类有真实系统权限的工具,生成的提示词必须附警告,提醒用户粘贴前检查范围锁、禁止动作和停止条件。

浪费模式清单:37 种,每种都有修法

37 种常见浪费模式,每种配 Before / After 对照。诊断清单内置于 SKILL.md,完整参考表在 references/patterns.md。

类别数量典型模式与修法
Task Patterns(任务)7「帮我看看代码」→「重构 getUserData(),改用 async/await 并处理 null 返回」;一件事拆成一条提示词,别「解释并重写」
Context Patterns(上下文)6「继续上次的」→ 附上完整记忆块;「专家怎么说」→「只引用你确定的信息,不确定就明说」
Format Patterns(格式)6「写得专业点」→「单色调、16px 基础字号、24px 行高、无装饰元素」;图像 AI 必须带负向提示词
Scope Patterns(范围)6「修好我的应用」→「只修 src/auth.js 里的登录表单校验,其他都不动」;整库粘贴改成只贴相关函数
Reasoning Patterns(推理)5「展示你的思维链」→ 删掉,改要简洁的依据、证据和验证;跨会话别指望 AI 记得你的项目,每次重新提供记忆块
Agentic Patterns(智能体任务)7「给我建个 REST(表述性状态转移)API」→ 写明起始状态和目标状态;静默 agent 加「每步输出完成了什么」;长会话上下文腐坏该开新会话就开

Agentic 类在 v1.6.0 从 5 条扩到 7 条,新增的两条来自真实痛点:模糊的第一轮指令(「修一下认证 bug」却没有范围、文件和标准),以及长会话的上下文腐坏——反复纠错会让过期的假设留在上下文里,越聊越歪。

记忆块:把「AI 应该记得」换成「每次带上」

长会话中 AI 经常忘记已定下的决定,导致重复劳动和重新提问。README 的判断很直接:大多数浪费的重试,都来自 AI 忘了你已经定下的选择。

Memory Block System 会在新提示词前附上此前会话的关键决策:

## Memory (Carry Forward from Previous Context)
- Stack: React 18 + TypeScript + Supabase
- Auth uses JWT stored in httpOnly cookies, not localStorage
- Component naming convention: PascalCase, no default exports
- Design system: Tailwind only, no custom CSS files
- Architecture: no Redux, context API only

SKILL.md 对位置有明确要求:放在提示词前 30% 的区域内,让它在注意力衰减中活下来。记忆块只承载四类信息:既定的技术栈与工具选择、已锁定的架构决策、此前轮次的约束、试过且失败过的方案。

这套机制的技术含量不高,作用是把「AI 应该记得」这个幻觉,换成「每次明确携带」的纪律。它是长会话里最大的单项修复。

一次流转:雨夜武士怎么变成 Midjourney 母语

用户输入一句:

Write me a midjourney prompt for a realistic samurai standing in the rain at night

产出:

lone samurai standing in heavy rain at night, traditional armor,
neon reflections on wet cobblestone street, cinematic lighting,
dramatic shadows, fog, ultra detailed, photorealistic,
shallow depth of field --ar 16:9 --v 6 --style raw

negative: blurry, low quality, watermark, cartoon, anime, extra limbs

附带一行策略说明:

字段值
TargetMidjourney
FrameworkVisual Descriptor
TokensLight (~60)
Strategy逗号分隔描述词而非散文;光影氛围前置;画幅与版本锁定;负向提示词防止风格漂移

输入只有一句「雨夜写实武士」,产出是 Midjourney 的母语:逗号分隔的描述词序列、参数后置、负向提示词兜底,没有一句废话。

再看代码任务。用户要求一个「感觉完全像 Notion」的业务仪表盘落地页:

Build a claude code prompt for a landing page for a business dashboard
that looks and feels exactly like notion - smooth animations, clean ui

产出的提示词约 380 tokens,包含:

  • 精确的像素规格:背景 #ffffff,主文字 #1a1a1a,辅助文字 #6b7280,边框 #e5e7eb,主色 #000000,Inter 字体四档字重
  • 按顺序排列的 8 个具体版块(导航栏、Hero、Logo 栏、特性、工作原理、定价、CTA、页脚),每个带布局细节
  • 动画规格:IntersectionObserver,阈值 0.15,500ms ease-out,特性卡 100ms 逐个延迟
  • 约束条件:单文件嵌入 CSS/JS,无依赖,仅 Google Fonts 的 Inter 字体
  • 完成标准:375px 移动端与 1440px 桌面端双断点正确渲染,所有滚动动画无布局偏移,打开零控制台错误

这条提示词的策略说明点破了方法论落点:把「Notion 那种感觉」这类模糊审美线索全部翻译成精确的十六进制色值和像素规格。Claude Code 不允许猜测。模型不会读心,「像 Notion 一样干净」不是需求,#ffffff 背景加 6px 圆角才是。

模板路由:13 个自动选择

模板适用场景
RTF(Role / Task / Format)快速单发任务
CO-STAR(Context / Objective / Style / Tone / Audience / Response)专业文档、商业写作
RISEN(Role / Instructions / Steps / End Goal / Narrowing)复杂多步项目
CRISPE(Capacity / Role / Insight / Statement / Personality / Experiment)创意工作、品牌声音
Auditable Reasoning可检查的数学、逻辑、调试与分析
Few-Shot一致的结构化输出、模式复制
File-ScopeCursor / Windsurf / Copilot 等代码编辑 AI
ReAct + Stop ConditionsClaude Code / Devin / AutoGPT 等自主智能体
Visual DescriptorMidjourney / DALL-E / Stable Diffusion / Sora 生成任务
Reference Image Editing参考图编辑,自动检测「编辑」与「生成」
ComfyUI节点式图像工作流,正向/负向提示词分离
Prompt Decompiler拆解、适配、简化、拆分已有提示词
Current Claude Task Brief当前 Claude 模型上的复杂多步或 Agentic 任务

模板体系里既有 RTF、CO-STAR 这类社区成熟的提示词框架,也有 File-Scope、ReAct + Stop Conditions 这种针对特定工具形态的原生设计。前者负责通用任务,后者负责「写错就烧钱」的智能体场景。Prompt Master 静默路由,用户永远看不到框架名。

版本轨迹:从加法到减法

版本更新内容
1.8.0当前模型全面刷新:Claude Fable 5 / Opus 5 / Sonnet 5、GPT-5.6 Sol / Terra / Luna、Codex、Grok 4.6 路由;隐藏思维链请求全部替换为可审计推理;新增模型时效核查步骤
1.7.0Opus 4.8 兼容:Claude 4.x 路由版本感知,4.6 / 4.7 / 4.8 建议通用化,新增 Opus 4.8(当时默认)档案
1.6.0Opus 4.7 更新:新增 Template M(Claude 任务简报),路由适配 adaptive thinking 与 xhigh effort,浪费模式扩至 37 条
1.5.0新增 Agentic AI 与 3D Model AI 路由,移除 token 估算输出,添加指令层与文案占位符
1.4.0参考图编辑检测、ComfyUI 支持、Prompt Decompiler 模式,references 新增 3 个模板
1.3.0围绕 PAC2026 位置结构(30/55/15)重建,静默路由替代用户自选框架,引入 References 文件夹
1.2.0为注意力架构重构,移除易幻觉技术(ToT / GoT / USC / 提示链),模板与模式移入 references
1.1.0扩展工具覆盖,添加记忆块系统,35 种浪费模式
1.0.0初始发布

演化方向有三条:从通用提示词框架走向按工具形态深度特化;从「更长更全」走向注意力架构和 Token 效率;跟随模型迭代持续刷新路由。1.6 到 1.8 的三次更新全部集中在 2026 年 4 月底到 8 月中,追的是 Claude、OpenAI、xAI 的模型发版节奏。装上它不等于一劳永逸——模型换代时,路由档案要靠新版本跟上。

装与用

浏览器版(推荐):

1. 下载仓库 ZIP
2. 前往 claude.ai → 侧边栏 → Customize → Skills → Upload a Skill

Claude Code 命令行备选:

mkdir -p ~/.claude/skills
git clone https://github.com/nidhinjs/prompt-master.git ~/.claude/skills/prompt-master

README 给 CLI(命令行工具)方式标注了「Not Suggested」,没有解释原因。技能本体只是一个 SKILL.md 加两个 references 文件,两种装法的内容完全一致。

安装后自然语言触发即可,无需记命令:

Write me a prompt for Cursor to refactor my auth module
I need a prompt for Claude Code to build a REST API — ask me what you need to know
Here's a bad prompt I wrote for GPT-4o, fix it: [paste prompt]
Generate a Midjourney prompt for a cyberpunk city at night
I have a reference image — help me write a prompt to edit just the head angle
Break this prompt down and adapt it for Stable Diffusion

也可以显式调用:

/prompt-master I want to ask Claude Code to build a todo app with React and Supabase

六种触发模式对应六类任务:从零生成、带澄清的生成、修复已有提示词、图像生成、参考图编辑、跨工具改写。激活条件设计得很窄——只在用户明确要求写、修、改、适配提示词时触发,日常对话和普通编码任务不会误激活。

该不该用

适合立刻装上的:每天在多个 AI 工具之间切换的人。上午让 Claude Code 改代码、下午用 Midjourney 出图、晚上跑 Devin,每个工具的提示词语法都不一样,工具档案路由正是为这种用法设计的。经常写智能体提示词的人也能直接抄纪律:停止条件、范围锁、人审触发器这套写法能避开大部分烧钱坑。

可以等等的:只用单一工具且任务简单的用户,Claude 自身的提示词能力已覆盖大部分日常需求。想让 AI 替自己想清楚「到底要什么」的人也不必指望它——9 维度意图提取补全的是你没说出口的细节,不能替代你对任务本身的判断。

边界要清楚:它优化的是单个提示词的质量,不是提示词的存储、复用和团队共享,那是另一类工具的事。

参考来源与口径说明

  • 核对时点:2026-09-23;版本锚点:v1.8.0(SKILL.md frontmatter version: 1.8.0,仓库最后推送 2026-08-24)。
  • GitHub 数据(13,532 stars / 1,569 forks / 7 contributors / MIT)取自 GitHub API 当日快照。
  • 工作机制、工具档案、模板清单、浪费模式均对照仓库 README.md、SKILL.md、references/templates.md、references/patterns.md 逐一核实;本文发布时原文数据口径为 v1.5.0 时期的 2.8k stars、7 步管道、35 种模式、12 个模板,现按 v1.8.0 全面更新。
  • 口径差异说明:README 的 How It Works 一节写 9 维度中含 “memory”,而 SKILL.md 的意图提取表中对应维度实为 “Target tool”(目标工具),本文以 SKILL.md(实际执行逻辑)为准。
  • 明确排除的技术清单:README 列 4 项(ToT / GoT / USC / 提示链),SKILL.md 硬规则额外列入 Mixture of Experts,正文按 5 项转述。
  • 版本历史译自 README Version History 节;1.6.0 / 1.7.0 / 1.8.0 对应的提交日期分别为 2026-04-26、2026-06-04、2026-08-15(commits API)。
  • 两处使用示例的提示词与元信息逐字取自 README 的 Full Example #1 / #2。
  • 项目地址:https://github.com/nidhinjs/prompt-master;Star 历史:https://star-history.dera.page/#nidhinjs/prompt-master&Date

参与讨论

使用 GitHub 登录。欢迎补充事实、异议与实践。