Promptheus

Promptheus

LLM 向けのプロンプトを洗練・最適化

クイックスタート

pip install promptheus

# Interactive session
promptheus

# Single prompt
promptheus "Write a technical blog post"

# Skip clarifying questions
promptheus -s "Explain Kubernetes"

# Use web UI
promptheus web

Python ライブラリの使用方法

from promptheus import refine_prompt

result = refine_prompt("Write a technical blog post", skip_questions=True)
print(result["refined_prompt"])

すでに非同期アプリケーション（例：FastAPI）を使用している場合は、同期ヘルパーの代わりに refine_prompt_async を呼び出してください。

Promptheus とは？

Promptheus はプロンプトを分析し、次の機能を使って洗練します。

• 適応型の質問：入力が必要な情報を賢く判断します
• マルチプロバイダー対応：Google、OpenAI、Anthropic、Groq、Qwen などで動作します
• 対話型の洗練：自然な会話を通じて、出力を段階的に改善します
• セッション履歴：過去のプロンプトを自動的に記録し、再利用します
• CLI とウェブ UI：ターミナルまたはブラウザーから利用できます

対応プロバイダー

プロバイダー	モデル	設定
Google Gemini	gemini-2.0-flash, gemini-1.5-pro	API キー
Anthropic Claude	claude-3-5-sonnet, claude-3-opus	コンソール
OpenAI	gpt-4o, gpt-4-turbo	API キー
Groq	llama-3.3-70b, mixtral-8x7b	コンソール
Alibaba Qwen	qwen-max, qwen-plus	DashScope
Zhipu GLM	glm-4-plus, glm-4-air	コンソール
OpenRouter	openrouter/auto（自動ルーティング）	ダッシュボード

Promptheus の OpenRouter 統合は、openrouter/auto ルーティングモデルを中心に最適化されています。

• モデル一覧は意図的に最小限にしています。Promptheus では、OpenRouter アカウントの全モデルカタログは表示されません。
• API キーでアクセスできる場合は、OPENROUTER_MODEL または --model を使って、具体的なモデルを手動で指定することもできます。

主な機能

🧠 適応型タスク検出 タスクに洗練が必要か、直接最適化すべきかを自動的に検出します

⚡ 対話型の洗練 的を絞った質問で要件を引き出し、出力を改善します

📝 パイプライン統合 Unix パイプラインやシェルスクリプトでシームレスに動作します

🔄 セッション管理 過去のプロンプトを自動的に記録、読み込み、再利用します

📊 テレメトリーと分析 分析に役立てるため、利用状況とパフォーマンスの匿名メトリクスを追跡します（ローカルストレージのみ。無効化できます）

🌐 ウェブインターフェース 対話型のプロンプト洗練や履歴管理に使える、美しい UI を提供します

設定

少なくとも 1 つのプロバイダー API キーを含む .env ファイルを作成します。

GOOGLE_API_KEY=your_key_here
ANTHROPIC_API_KEY=your_key_here
OPENAI_API_KEY=your_key_here

または、対話型セットアップを実行します。

promptheus auth

例

コンテンツ生成

promptheus "Write a blog post about async programming"
# System asks: audience, tone, length, key topics
# Generates refined prompt with all specifications

コード分析

promptheus -s "Review this function for security issues"
# Skips questions, applies direct enhancement

対話型セッション

promptheus
/set provider anthropic
/set model claude-3-5-sonnet
# Process multiple prompts, switch providers/models with /commands

パイプライン統合

echo "Create a REST API schema" | promptheus | jq '.refined_prompt'
cat prompts.txt | while read line; do promptheus "$line"; done

テストと例：適応型タスク検出（分析と生成）を実演するテスト用プロンプトについては、sample_prompts.md を参照してください。

テレメトリーと分析

# View telemetry summary (anonymous metrics about usage and performance)
promptheus telemetry summary

# Disable telemetry if desired
export PROMPTHEUS_TELEMETRY_ENABLED=0

# Customize history storage location
export PROMPTHEUS_HISTORY_DIR=~/.custom_promptheus

MCP サーバー

Promptheus には、プロンプトの改善機能を MCP 対応クライアントと統合するための標準化されたツールとして公開する Model Context Protocol（MCP）サーバーが含まれています。

MCP サーバーの機能

Promptheus MCP サーバーは、次の機能を提供します。

• Q&A によるプロンプトの改善：適応的な質問を通じた、インテリジェントなプロンプトの最適化
• プロンプトの微調整：既存のプロンプトに対する的確な変更
• モデル／プロバイダーの調査：利用可能な AI プロバイダーの検出と検証
• 環境の検証：設定の確認と接続テスト

MCP サーバーの起動

# Start the MCP server
promptheus mcp

# Or run directly with Python
python -m promptheus.mcp_server

前提条件：

• MCP パッケージがインストールされていること：pip install mcp（requirements.txt に含まれています）
• 少なくとも 1 つのプロバイダー API キーが設定されていること（設定を参照）

利用可能な MCP ツール

refine_prompt

必要に応じて確認質問を行い、インテリジェントにプロンプトを改善します。

入力：

• prompt（必須）：改善する最初のプロンプト
• answers（任意）：質問 ID と回答を対応付ける辞書 {q0: "answer", q1: "answer"}
• answer_mapping（任意）：質問 ID と元の質問文を対応付けます
• provider（任意）：プロバイダーを上書きします（例："google"、"openai"）
• model（任意）：モデル名を上書きします

レスポンスタイプ：

• {"type": "refined", "prompt": "...", "next_action": "..."}：改善されたプロンプトを含む成功レスポンス
• {"type": "clarification_needed", "questions_for_ask_user_question": [...], "answer_mapping": {...}}：質問が必要です
• {"type": "error", "error_type": "...", "message": "..."}：エラーが発生しました

tweak_prompt

既存のプロンプトに的を絞った変更を適用します。

入力：

• prompt（必須）：変更する現在のプロンプト
• modification（必須）：変更内容の説明（例："短くする"）
• provider、model（任意）：プロバイダー／モデルを上書きします

戻り値：

• {"type": "refined", "prompt": "..."}：変更されたプロンプト

list_models

設定済みのプロバイダーから利用可能なモデルを検出します。

入力：

• providers（任意）：照会するプロバイダー名のリスト
• limit（任意）：プロバイダーごとのモデル数の上限（デフォルト：20）
• include_nontext（任意）：ビジョン／埋め込みモデルを含めます

戻り値：

• {"type": "success", "providers": {"google": {"available": true, "models": [...]}}}

list_providers

プロバイダーの設定状況を確認します。

戻り値：

• {"type": "success", "providers": {"google": {"configured": true, "model": "..."}}}

validate_environment

環境設定と API 接続をテストします。

入力：

• providers（任意）：検証する特定のプロバイダー
• test_connection（任意）：実際の API 接続をテストします

戻り値：

• {"type": "success", "validation": {"google": {"configured": true, "connection_test": "passed"}}}

Q&A によるプロンプト改善ワークフロー

MCP サーバーは、最適なプロンプト改善のための構造化された確認ワークフローをサポートしています。

ステップ 1：最初の改善リクエスト

{
  "tool": "refine_prompt",
  "arguments": {
    "prompt": "Write a blog post about machine learning"
  }
}

ステップ 2：確認レスポンスの処理

{
  "type": "clarification_needed",
  "task_type": "generation",
  "message": "To refine this prompt effectively, I need to ask...",
  "questions_for_ask_user_question": [
    {
      "question": "Who is your target audience?",
      "header": "Q1",
      "multiSelect": false,
      "options": [
        {"label": "Technical professionals", "description": "Technical professionals"},
        {"label": "Business executives", "description": "Business executives"}
      ]
    }
  ],
  "answer_mapping": {
    "q0": "Who is your target audience?"
  }
}

ステップ 3：ユーザーの回答を収集

MCP クライアントの AskUserQuestion ツールを使って提示された質問を行い、回答を質問 ID に対応付けます。

ステップ 4：回答を使った最終的な改善

{
  "tool": "refine_prompt", 
  "arguments": {
    "prompt": "Write a blog post about machine learning",
    "answers": {"q0": "Technical professionals"},
    "answer_mapping": {"q0": "Who is your target audience?"}
  }
}

レスポンス：

{
  "type": "refined",
  "prompt": "Write a comprehensive technical blog post about machine learning fundamentals targeted at software engineers and technical professionals. Include practical code examples and architectural patterns...",
  "next_action": "This refined prompt is now ready to use. If the user asked you to execute/run the prompt, use this refined prompt directly with your own capabilities..."
}

AskUser の統合契約

MCP サーバーは、次の 2 つのモードで動作します。

対話モード（AskUserQuestion を利用できる場合）：

• 注入された AskUserQuestion 関数を介して、確認の質問を自動的に行います
• 回答の収集後、改善されたプロンプトをすぐに返します
• 対応クライアント内でシームレスなユーザー体験を実現します

構造化モード（すべてのクライアント向けのフォールバック）：

• 整形された質問を含む clarification_needed レスポンスを返します
• AskUserQuestion ツールの呼び出しはクライアントが担当します
• 回答は answer_mapping 辞書を介して対応付けられます

質問の形式： questions_for_ask_user_question 内の各質問には、次の項目が含まれます。

• question：表示する質問文
• header：短い識別子（Q1、Q2 など）
• multiSelect：複数選択オプションの真偽値
• options：ラジオボタン／チェックボックス形式の質問に使う {label, description} の配列

回答の対応付け：

• 質問 ID は q0、q1、q2 などのパターンに従います
• 回答辞書では、これらの ID をキーとして使用します：{"q0": "answer", "q1": "answer"}
• answer_mapping は、プロバイダーのコンテキストに使う元の質問文を保持します

MCP のトラブルシューティング

MCP パッケージがインストールされていない

Error: The 'mcp' package is not installed. Please install it with 'pip install mcp'.

修正方法： pip install mcp を実行するか、開発用依存関係を含めて Promptheus をインストールします：pip install -e .[dev]

プロバイダーの API キーが不足している

{
  "type": "error",
  "error_type": "ConfigurationError", 
  "message": "No provider configured. Please set API keys in environment."
}

診断方法： list_providers または validate_environment ツールを使って、設定状況を確認します

プロバイダーの設定ミス

{
  "type": "success",
  "providers": {
    "google": {"configured": false, "error": "GOOGLE_API_KEY not found"},
    "openai": {"configured": true, "model": "gpt-4o"}
  }
}

修正方法： .env ファイルまたは環境変数に不足している API キーを設定します

接続テストの失敗

{
  "type": "success", 
  "validation": {
    "google": {
      "configured": true,
      "connection_test": "failed: Authentication error"
    }
  }
}

修正方法： API キーが有効で、必要な権限を持っていることを確認します

ドキュメント全文

クイックリファレンス：promptheus --help

詳細ガイド：

• 📖 インストールとセットアップ
• 🚀 使用ガイド
• 🔧 設定
• ⌨️ CLI リファレンス
• 🌐 Web UI ガイド
• 🔌 プロバイダーのセットアップ

開発

git clone https://github.com/abhichandra21/Promptheus.git
cd Promptheus
pip install -e ".[dev]"
pytest -q

開発の詳細なガイダンスについては、CLAUDE.md を参照してください。

ライセンス

MIT ライセンスの詳細については、LICENSE を参照してください

コントリビューション

コントリビューションを歓迎します！コントリビューションのガイドラインについては、開発ガイド をご覧ください。

---

ご質問がありますか？ イシューを作成 | ライブデモ：promptheus web