prompt-workbench

跨 AI 的提示词工作台：选场景 → 被追问几句 → 拿到一段能直接用的提示词。 一个 MCP Server，Claude / Cursor / CodeBuddy / WorkBuddy / Trae 等支持 MCP 的客户端都能用； 同一份场景数据还能生成 Skill 包和网页工作台。

线上服务已上线：https://prompt-workbench.cx200809-2022.workers.dev 直接打开 /health 可看到 {"ok":true,"sceneCount":20}，MCP 端点是 /mcp。可以自建（一键部署见下），也可以直接用这个公共实例。

在线试用（不用装任何东西）

打开网页工作台 —— 选场景 → 被追问几句 → 右侧定义卡实时生长 → 复制成品提示词。纯前端，不登录、不花一分钱。

Related MCP server: ai-assistant

为什么做这个

大多数人的问题不是「不会写提示词」，是不知道该问自己哪几句。

网上的提示词库已经很多了，但它们是「一页页模板」：你要先知道自己缺什么，再去翻对应的那条。 本项目反过来：先选场景（我要干什么），再让 AI 按固定流程问你 5 个问题，最后把答案渲染成一段成品提示词。

方法不是凭空来的——是把散落在各家开源项目和提示词工程实践里的做法蒸馏成一套场景化流程， 每一处借鉴都写在 SOURCES.md 里（该文件由场景数据自动生成，不手写）。

它解决什么

零依赖、零 API key、零成本：服务端只做模板渲染，真正的「一步步问」由调用它的那个 AI 完成。

一键部署（自己的 Cloudflare 账号，免费）

⚠️ 仓库公开后按钮才生效。部署完成后你得到一个自己的地址： https://<worker>.<account>.workers.dev/mcp 免费额度足够个人使用；推广程度高时建议先部署到自己账号，避免公共服务被刷。

快速开始（本地，30 秒）

npm start
# http://127.0.0.1:8787/        信息
# http://127.0.0.1:8787/health  健康检查
# http://127.0.0.1:8787/mcp     MCP JSON-RPC 端点

不需要 npm install——本项目零依赖，Node ≥ 20 直接跑。

npm test              # 20 项测试
npm run build:sources # 从场景数据重新生成 SOURCES.md
npm run bundle        # 打成单文件 Worker（dist/worker.js）

手动部署（不需要 npm / wrangler / Git 集成）

如果 Deploy 按钮或 Git 集成不可用，这条命令可以绕过它们，直接把 Worker 传到 Cloudflare：

$env:CF_API_TOKEN = "你的令牌"      # 权限：Account → Workers Scripts → Edit
$env:CF_ACCOUNT_ID = "你的账户ID"
npm run deploy

脚本会：打包 → 上传 script → 开启 workers.dev 访问，全程无交互。

自动部署（push 即上线）

仓库自带 .github/workflows/ci.yml：push 到 main 时先跑测试，测试通过后自动部署。

只需要在 GitHub 里配两个 Secret（Settings → Secrets and variables → Actions → New repository secret）：

没配 Secret 时不会报错，只会跳过部署、只跑测试。

在 AI 客户端里使用

把下面的地址填进客户端的 MCP 配置（字段名随客户端版本不同，按你客户端的文档改）：

{
  "mcpServers": {
    "prompt-workbench": {
      "type": "http",
      "url": "https://prompt-workbench.cx200809-2022.workers.dev/mcp"
    }
  }
}

只支持 stdio 的老客户端：用 mcp-remote 之类做 HTTP→stdio 桥接。⚠️ 各客户端支持情况以官方文档为准。 想用自己部署的实例，把 URL 换成你的 <worker>.<子域>.workers.dev/mcp。

典型对话：

你：帮我写份项目总结报告。 AI：调用 recommend_scene → 匹配到「写作 / 把一句话要求变成写作提示词」，然后调用 get_questionnaire 开始逐个问你。

WorkBuddy（连接器，客户端内直接用）

WorkBuddy 支持远程 MCP 连接器。把下面这段加进 ~/.workbuddy/connectors/default/mcp.json 的 mcpServers 里，重启 WorkBuddy 就出现在工具列表里——不装、不注册、不需要 key，消耗的是用户自己的 WorkBuddy 额度：

{
  "mcpServers": {
    "prompt-workbench": {
      "type": "streamableHttp",
      "url": "https://prompt-workbench.cx200809-2022.workers.dev/mcp",
      "timeout": 30000
    }
  }
}

之后在 WorkBuddy 里说「帮我审一下这段代码」，它会调用 recommend_scene → get_questionnaire → render_prompt，逐个问题问你。

⚠️ 各客户端版本的连接器格式可能不同，以官方文档为准。

作为 Skill 安装（离线兜底，不需要 MCP）

仓库里的 skills/prompt-workbench/ 是从同一份场景数据自动生成的 Skill 包（23 个文件 / 33 KB）：

skills/prompt-workbench/
├─ SKILL.md                        # 流程与规则（渐进式披露的入口）
└─ references/
   ├─ scenes-index.md              # 20 个场景索引
   ├─ sources.md                   # 来源与致谢
   └─ scenes/<id>.md               # 每个场景的问题清单 + 模板 + 来源

装进 Claude Code / CodeBuddy（把整个目录拷到 skills 目录）：

# Windows
Copy-Item -Recurse skills\prompt-workbench "$env:USERPROFILE\.claude\skills\"

# macOS / Linux
cp -r skills/prompt-workbench ~/.claude/skills/

装好后在对话里说「帮我把这个需求说清楚」，Skill 会按场景逐个提问并渲染提示词。

WorkBuddy / 其他平台：把 SKILL.md 作为技能说明、references/ 作为知识文件提交到对应平台。⚠️ 各平台技能格式与审核规则不同，以官方文档为准。

生成方式（不要手改）：

npm run build:skills

CI 会重新生成并比对：技能包和场景数据不一致就会失败，所以不存在「场景改了、Skill 忘了更新」的漂移。

工具

场景（v0.1 · 20 个）

场景目录还在扩充（目标 20 个）。新增场景只需要加一份数据文件，见下。

加一个场景（约 30 行，0 行逻辑）

1. 在 data/scenes/ 新建 your-scene.js：导出包含 id / title / category / whenToUse / keywords / questions / template / sources 的对象；

2. 在 data/scenes/index.js 里 import 并加进数组；

3. npm test —— 测试会自动校验：id 合法、questions[].key 在模板里有 {{占位符}}、sources 非空。

export default {
  id: 'your-scene',
  title: '场景名',
  category: '分类',
  whenToUse: '什么时候用',
  keywords: ['关键词'],
  questions: [{ key: 'goal', ask: '你的问题文案', required: true, examples: ['示例'] }],
  template: '你是……\n## 已知信息\n- 目标：{{goal}}',
  sources: [{ repo: '借鉴的项目', what: '借鉴了什么', how: '我改了什么' }],
};

架构：一份核心，多个壳

data/scenes/*.js   场景库（数据）           ← 蒸馏产物，唯一内容源
src/core.js        纯函数引擎（无平台 API） ← 校验 / 匹配 / 渲染，可单测
src/mcp.js         MCP 协议层（零依赖）
src/worker.js      Cloudflare Worker 壳
bin/serve.mjs      本地 Node 壳（同一套 handler）
scripts/           从数据生成 SOURCES.md 等
tests/             零依赖测试（node --test）

三条硬规则（防屎山）：

1. 场景 = 数据，不是代码。 新增场景 0 行 UI/逻辑代码。

2. core.js 不碰平台 API。 因此能单测、能被三个壳复用。

3. 来源由数据生成。 sources 是每个场景的必填字段，SOURCES.md 从它生成，不能手改。

路线图

• 核心引擎 + MCP Server（零依赖）

• 20 个场景 + 20 项测试（场景数据改动会被测试自动校验）

• 来源自动生成（SOURCES.md）

• Skill 包自动生成（同一份数据 → Claude / WorkBuddy Skill）

• 网页工作台（左侧对话 + 右侧定义卡实时生长）

• 实测「哪些 AI 客户端能连上」并写进文档

来源与致谢

见 SOURCES.md。借鉴的是思路与结构，不是代码；各项目代码许可证以各自仓库为准。

License

MIT