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。

怎么用（三种方式，30 秒选一个）

想自己拥有一份（免费、地址归你）→ 见下面的「一键部署」。

Related MCP server: ai-assistant

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。

真实反馈与实测修正（2026-10-20 / 10-22）

一位真实用户（非开发者）试用后提出三类问题，都改进了；另有一个自己实测发现的召回 bug：

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）

点按钮后：登录 Cloudflare → 授权 → 它会复制一份仓库到你自己的账号（不会改动这个仓库），并在你账号下创建一个 Worker。 完成后你得到一个自己的地址：https://<worker>.<你的子域>.workers.dev/mcp 需要：Cloudflare 账号（免费）+ 完成邮箱验证；第一次会让你设一个 workers.dev 子域。 如果按钮打不开，用下面的 Fork + GitHub Actions 方式，或者本地命令行部署。

不部署也行：直接用线上实例，或者本地 npm start（零依赖）。

一键部署流程里 Cloudflare 会自动填好两条命令，保持默认即可： 构建命令 npm run build（重新生成来源表 / Skill / 网页）、部署指令 npm run deploy（= npx wrangler deploy）。

✅ 2026-10-20 实测通过：点按钮 → 连 GitHub → 输入任意项目名 → 部署，全程约 24 秒，产物为 https://<项目名>.<子域>.workers.dev。 部署日志里可能出现两条警告（未能匹配工人姓名 / workers_dev 不在 wrangler.toml），不影响部署：Worker 名以你填的项目名为准，workers.dev 默认开启。

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              # 36 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 wrangler）

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:api

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

注：npm run deploy 是给 Cloudflare 一键部署流程用的标准命令（npx wrangler deploy）； npm run deploy:api 是不依赖 wrangler 的备用路径。

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（三步接入）

适合：已经在自己 AI 客户端里工作、想把「提示词工作台」接进去的人。

1. 拿到地址：https://prompt-workbench.cx200809-2022.workers.dev/mcp（或者你自己部署的 <worker>.<子域>.workers.dev/mcp）

2. 在客户端 MCP 配置里加一条（见下表）

3. 重启客户端 → 在对话框里说「用 prompt-workbench 帮我审一下这段代码」

各客户端速查

通用写法：

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

⚠️ type 字段名各客户端不同（http / streamableHttp / sse），以各自官方文档为准。 只支持 stdio 的老客户端：用 npx mcp-remote <url> 做 HTTP→stdio 桥接。 DeepSeek 网页版 / App 不支持 MCP——用 DeepSeek 的人请走「网页生成提示词 → 复制粘贴」，不需要部署。 判断标准：客户端支持「远程 MCP / Streamable HTTP」就能直连；只支持本地命令行（stdio）的，需要桥接。

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（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 run build —— 一条命令重新生成 SOURCES.md、Skill 包、网页（三处都由场景数据生成）；

4. 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 + 36 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）

• WorkBuddy 远程 MCP 连接器实测通过；其他客户端按官方格式接入

• MCP 官方注册表上架（preview 阶段）

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