用户输入
"给我写一个 midjourney 提示词：一个写实风格的武士在雨夜中伫立"
生成的提示词
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
目标工具
Midjourney
框架
Visual Descriptor（视觉描述符）
Token 开销
轻量，约 60
策略
用逗号分隔的描述符代替整句散文，光照与氛围锚定在前，锁定宽高比和版本，负向提示防止风格漂移。
30+
工具专属档案
13
提示词模板自动选择
5
安全技术按需应用
37
烧额度模式检测
01 · Problem
每个 AI 用户都在以同样的方式浪费额度
- 写个模糊的提示
- 得到错误的输出
- 重新提问
- 稍微接近
- 再问一次
- 第 4 次才拿到你要的东西
最好的提示词不是最长的那个，而是每一个词都在承担作用的。
3次
被浪费的调用，只因为第一个提示写模糊了
×50每天
每日提示量，把浪费放大成流走的金钱和时间
02 · Usage
像说话一样调用它
在 Claude 里不需要记命令，说出你要什么就行。它会自己判断目标工具并补齐缺失的信息。
"帮我写一个给 Cursor 的提示词，用来重构我的鉴权模块"
"我需要一个给 Claude Code 的提示词来构建 REST API。你需要什么信息直接问我"
"这是我给 GPT-4o 写的一个烂提示，帮我修一下：[粘贴提示]"
"为夜晚的赛博朋克城市生成一个 Midjourney 提示词"
"我有一张参考图，帮我写一个只修改头部角度的编辑提示词"
"把这个提示词拆解并改写适配 Stable Diffusion"
/prompt-master
我想让 Claude Code 用 React 和 Supabase 构建一个待办应用03 · Pipeline
一条结构化流水线，跑在每个请求上
从识别目标工具到 token 效率审计，八个步骤静默完成。你永远看不到框架名称，只看到最终的提示词。
识别目标工具
判断提示词面向哪个 AI 系统，静默路由到正确的方案
提取意图的 9 个维度
任务、输入、输出、约束、上下文、受众、记忆、成功标准、示例
提出针对性的澄清问题
关键信息缺失时最多问 3 个问题，绝不多问
路由到正确的框架
自动选择并应用合适的提示架构，永不展示给用户
只应用安全的技术
按需使用角色设定、few-shot 示例、XML 结构、事实锚定、记忆块
核查模型时效性
当请求依赖“最新”时，对照官方文档核实确切的模型与参数
执行 token 效率审计
删掉每一个不会改变输出的词
交付提示词
一个干净可复制的代码块，附一行策略说明
04 · Examples
从一句话到可交付的提示词
两个完整示例：一句自然语言请求，如何变成一条目标明确、规格精确的提示词。
用户输入
"给我写一个 midjourney 提示词：一个写实风格的武士在雨夜中伫立"
生成的提示词
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
目标工具
Midjourney
框架
Visual Descriptor（视觉描述符）
Token 开销
轻量，约 60
策略
用逗号分隔的描述符代替整句散文，光照与氛围锚定在前，锁定宽高比和版本，负向提示防止风格漂移。
05 · Profiles
30 多个工具专属档案
每个档案知道该工具最容易烧额度的地方，以及对应的修复方式。清单之外的工具，用通用指纹的 4 个问题，为从未见过的 AI 系统现场写出高质量提示词。
Claude 5 / 当前 Claude
推理与 Agentic LLM
模型感知的投入级别、范围控制、XML 结构与委派控制
ChatGPT / GPT-5.6
推理与 Agentic LLM
Sol/Terra/Luna 路由、精简契约、自主性与投入控制
Codex
编码代理
文件范围、审批边界、验证流程、有界子代理
Grok 4.6
推理与 Agentic LLM
搜索增援、推理投入、工具使用、缓存与停止条件
Gemini 2.x
推理 LLM
事实锚定、引用规则、格式锁定
o3 / o4-mini
思考型 LLM
只写简短干净的指令，绝不添加思维链（它们内部会思考）
Ollama
本地 LLM
询问加载的是哪个模型，为 Modelfile 附上系统提示
Qwen 2.5 / Qwen3
开源权重 LLM
Chat 模板格式，思考模式与非思考模式检测
本地模型（Llama, Mistral）
开源权重 LLM
更短的提示、更简单的结构、不用复杂嵌套
DeepSeek-R1
推理 LLM
简短干净的指令，剥离思维链，必要时抑制思考输出
MiniMax（M3 / M2.7）
推理 LLM
温度钳制、思考标签控制、结构化输出优化
Claude Code
Agentic AI
停止条件、文件范围、检查点输出
共 37 个档案
06 · Templates
13 个提示词模板，自动选择
为每个任务自动挑选正确的架构并静默路由。横向滑动查看全部模板。
RTF
#01角色 / 任务 / 格式
快速一次性任务
CO-STAR
#02上下文、目标、风格、语气、受众、回复
专业文档、报告、商务写作
RISEN
#03角色、指令、步骤、终局、收窄
复杂多步骤项目
CRISPE
#04能力、角色、洞察、陈述、人格、实验
创意工作、品牌语调、迭代式内容
Auditable Reasoning
#05可审计推理
可核查的数学、逻辑、调试与分析，无需隐藏推理
Few-Shot
#06少样本
一致的结构化输出、模式复刻
File-Scope
#07文件范围模板
Cursor、Windsurf、Copilot，任何代码编辑 AI
ReAct + Stop Conditions
#08推理行动加停止条件
Claude Code、Devin、AutoGPT，任何自主代理
Visual Descriptor
#09视觉描述符
Midjourney、DALL-E、Stable Diffusion、Sora 生成
Reference Image Editing
#10参考图编辑
编辑已有图片，自动判别编辑还是生成
ComfyUI
#11节点工作流
基于节点的工作流，每个 checkpoint 正/负向拆分
Prompt Decompiler
#12提示词解码器
拆解、改写、精简或拆分既有提示词
Current Claude Task Brief
#13当前 Claude 任务简报
在当前 Claude 模型上执行复杂、多步骤或 agentic 任务
07 · Techniques
5 项安全技术，按需应用
Prompt Master 只使用效果可靠、边界清晰的技术。
Role Assignment角色设定
指定具体的专家身份，校准深度与用词
Few-Shot Examples少样本示例
当格式一致性比指令更重要时，加入 2 至 5 个示例
XML Structural TagsXML 结构标签
对能可靠解析 XML 的 Claude 系工具，用 XML 包裹各部分
Grounding Anchors事实锚定
为事实性与引用类任务添加反幻觉规则
Auditable Reasoning可审计推理
要求给出结论、假设、证据与验证，而非隐藏推理
明确排除的技术
Tree of Thought、Graph of Thought、Universal Self-Consistency、提示链。这些方法已知会产生幻觉或不可预测的输出，被永久排除在流水线之外。
08 · Patterns
检测 37 种烧额度模式
按类别切换，每个模式都附改前与改后的真实对比。
模糊的任务动词
改前
帮我弄弄我的代码
改后
重构 getUserData()，改用 async/await 并处理 null 返回
一个提示两件事
改前
解释并且重写这个函数
改后
拆开：先解释，再重写
没有成功标准
改前
弄得更好一点
改后
完成标准：函数通过现有单元测试并能处理 null 输入
代理权限过宽
改前
不惜一切代价搞定
改后
明确列出允许 + 禁止的操作
情绪化任务描述
改前
全都不对了，修一切
改后
当 user 为 null 时在第 43 行抛出未捕获的 TypeError
一口气造整个东西
改前
把我的整个应用做出来
改后
拆成提示 1（脚手架）、提示 2（功能）、提示 3（打磨）
隐式引用
改前
把刚才说的那件事加上
改后
永远完整重述任务，绝不引用“刚才说的事”
09 · Memory
记忆块：长会话里最有效的单一修复
当你的对话已有历史时，Prompt Master 会提取既往决策并前置一个记忆块，让 AI 永不与前面的工作矛盾。
大多数白白浪费的重新提问，都源于 AI 忘了你已经做过的决定。
一个真实的记忆块示例
## 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 only10 · Install
两步装进 Claude.ai
第一步
下载
下载 GitHub 仓库的 ZIP 压缩包。
第二步
上传
前往 claude.ai，侧边栏 Customize（自定义）→ Skills（技能）→ Upload a Skill（上传技能）。
或者：克隆到 Claude Code 技能目录（不推荐）
mkdir -p ~/.claude/skills
git clone https://github.com/nidhinjs/prompt-master.git ~/.claude/skills/prompt-master11 · Changelog
版本历史
- 1.8.0当前
当前模型刷新。新增 Claude Fable 5、Opus 5、Sonnet 5、GPT-5.6 Sol/Terra/Luna、Codex 与 Grok 4.6 的路由。用可审计推理取代隐藏思维链请求，并将 Claude 任务简报泛化以适配当前的自适应思考模型。
- 1.7.0
Opus 4.8 兼容。使 Claude 4.x 路由具备版本感知：将稳健建议泛化到 4.6/4.7/4.8，新增 Opus 4.8（当前默认）档案。去除硬编码的投入级别说明（现由 harness 管理）。
- 1.6.0
Opus 4.7 更新。新增模板 M（Opus 4.7 任务简报）。按字面执行、自适应思考、xhigh 投入、会话卫生等维度更新 Claude 与 Claude Code 路由。新增模式 36 至 37。
第一次就拿到你要的答案
装上 Prompt Master，把每一个模糊的提示变成锋利的提示。