PolyPrompt（polyprompt-ai）

多场景提示词优化器：一套引擎，三处入口 —— DeepSeek Harness (DSH) 桌面/Web 插件 ✨、MCP Server、CLI。 纯 LLM 改写（接 OpenAI 兼容端点 / DSH 宿主模型），自动识别 代码/写作/绘图/对话 四类场景，输出"优化结果 + 改动说明 + 要素覆盖"结构化结果。

先做了生态调研：DSH 已有多个"输入框 ✨ 改写回填"型插件（如 wmengxiang/dsh-prompt-optimizer 等），以及全家桶 web 工作台 linshenkx/prompt-optimizer。 本项目不重复造 UI 工作台，差异化在：一套引擎三入口、四场景自动适配、结构化说明与要素覆盖、同屏对比确认后应用。 安装方式与 API 约定参考了 wmengxiang/dsh-prompt-optimizer（MIT），Host/Client 双半形态与其保持兼容。

它解决什么

输入 帮我写个爬虫 → 输出（示意）：

场景: 代码
────────────────────────
【角色】资深 Python 工程师。请用 Python 3.10+ 编写知乎热榜爬虫……
约束：仅标准库 + httpx；失败重试 3 次；输出 data.json ……
────────────────────────
改动说明:
 1. 补全技术栈与运行环境 — 原文未指定语言/版本
 2. 增加验收标准 — 原文无成功判据

Related MCP server: specopt-mcp

目录

• 入口一：DSH 插件（桌面/Web）

• 入口二：MCP Server

• 入口三：CLI

• 配置

• 场景与参数

• 架构

• 已知限制

入口一：DSH 插件（桌面/Web）

功能：输入栏左侧 ✨ 按钮 —— 点击直接按上次设置优化草稿并同屏对比（原文 vs 结果 + 改动说明），确认后应用； 右键（或 Shift+点击）打开选项浮层（场景/强度/语言/目标模型，可"仅诊断"）。

安装

# 方式一：GitHub（需本机 GitHub SSH）
dsh plugin --profile web add "github:sunyuhuirong/polyprompt-ai#main"

# 方式二：本地路径（无网络/无 SSH，最稳）
dsh plugin --profile web add "file:/绝对路径/to/polyprompt-ai"

# 方式三：npm 发布后
dsh plugin --profile web add polyprompt-ai

重启 web profile 即生效。卸载：dsh plugin --profile web remove polyprompt-ai。

DSH 内无需任何配置：优化使用界面当前选中的默认模型（agentDefaultModel），零 API Key。

入口二：MCP Server

任何支持 MCP 的 agent（Claude Code / Claude Desktop / OpenCode / Cursor / Codex / Trae…）都能把 PolyPrompt 挂成工具， agent 在对话里自主调用 optimize_prompt / diagnose_prompt。

第 0 步：配好 LLM（MCP/CLI 入口必须自带模型，DSH 入口不用）

mkdir -p ~/.polyprompt && cp examples/config.json ~/.polyprompt/config.json
# 编辑 ~/.polyprompt/config.json 填入 baseUrl / apiKey / model

一次配置，所有 MCP 客户端共享；也可以改用各客户端的 env 注入（见下）。

第 1 步：注册到各客户端

# Claude Code（user 作用域，所有项目可用；本地开发先 npm link）
claude mcp add polyprompt -s user -- polyprompt mcp

# 或用 npx（发布到 npm 后可用；未发布用上面的 npm link 方式）
claude mcp add polyprompt -s user -e POLYPROMPT_BASE_URL=https://api.deepseek.com/v1 -e POLYPROMPT_API_KEY=sk-... -e POLYPROMPT_MODEL=deepseek-chat -- npx -y polyprompt-ai mcp

其他客户端配置片段见 examples/：Claude Desktop（claude-desktop.json）、OpenCode（opencode.json）；Cursor 写入 ~/.cursor/mcp.json、Codex 写入 config.toml（[mcp_servers.polyprompt]），命令同样是 polyprompt mcp 或 npx -y polyprompt-ai mcp。

第 2 步：在 agent 里怎么用

• 直接说："帮我优化这段提示词：帮我写个爬虫" / "给这段提示词做个体检" —— agent 会调用对应工具；

• 或在 CLAUDE.md / AGENTS.md 里加一条规则："生成或修改用户提示词前，先用 mcp 工具 optimize_prompt 优化"。 工具清单：

入口三：CLI

npx -y polyprompt-ai optimize "帮我写个爬虫" --scene auto
npx -y polyprompt-ai o "画一只赛博朋克猫" --model midjourney --json --out result.json
npx -y polyprompt-ai diagnose "帮我写个爬虫"
npx -y polyprompt-ai config          # 查看当前生效配置

别名：o = optimize，d = diagnose。选项：--scene auto|code|writing|image|chat、--intensity light|medium|aggressive、--lang auto|zh|en、--model <目标模型>、--context "<背景>"、--json、--out <file>。

配置（MCP / CLI 入口）

优先级：CLI flags > 环境变量 > ~/.polyprompt/config.json。DSH 插件入口不消费这些配置。

export POLYPROMPT_BASE_URL=https://api.deepseek.com/v1
export POLYPROMPT_API_KEY=sk-...
export POLYPROMPT_MODEL=deepseek-chat

或 mkdir -p ~/.polyprompt && cp examples/config.json ~/.polyprompt/config.json。 兼容任意 OpenAI 格式端点：DeepSeek / 火山方舟(ark /api/v3) / OpenAI / Moonshot / 百炼 compatible-mode / 本地 Ollama(需 -y 之外的 base-url 指向 http://localhost:11434/v1)。示例见 examples/env.example。

场景与参数

• intensity: light（轻度打磨）/ medium（标准）/ aggressive（深度重写）

• 语言：默认跟随输入；--lang zh|en 强制。

架构

             ┌────────────────────────── engine.js（编排：识别→改写→校验）
 polyprompt  │  metaprompt.js（四场景元提示词）  types.js（场景档案）
             └────────────┬───────────┬──────────────┘
   lib/index.js (DSH host) │           │ lib/mcp.js (MCP stdio) + lib/cli.js (CLI)
   POST /api/polyprompt    │           │ llm-client.js（OpenAI 兼容客户端 + 配置解析）
   ctx.llm.stream 适配 ────┘           └── fetch → chat/completions
   lib/client.js (DSH client ✨ / 对比浮层)

• 引擎与传输解耦：optimize(llmTransport, text, opts)，三入口只各写一个薄适配器。

• fail loud：缺配置（NO_LLM）、参数错（BAD_ARGS）、上游错（UPSTREAM）、输出不合规（BAD_OUTPUT）都带 code + hint 明确报错。

• 结果协议：{scene, optimized, notes[{change,why}], coverage{要素: missing|kept|improved}, language}。

开发与测试

npm install
npm run check        # node --check 语法门（10 个文件）
npm run typecheck    # tsc --allowJs --checkJs 严格检查
npm test             # node --test 18 个用例（无需 API Key）

已知限制

• 纯 LLM 改写：无 API Key / 无宿主模型时不可用（会明确报错，不静默降级）。

• DSH client 半依赖宿主 slots/inputActions 契约（0.1.2+ 已验证；官方桌面端同源实现）。

• 场景识别是关键词启发式（9 组回归用例锁定行为），复杂混合场景可用 --scene 显式指定。

• 结构化输出靠元提示词约束 + 稳健 JSON 提取，不依赖 response_format，兼容所有 OpenAI 格式端点。

License

MIT