mcpField
P
Pqs   Prompt Quality Score

Pqs Prompt Quality Score

远程服务
promptqualityscore.comAI 与智能体222 周前更新

关于 Pqs Prompt Quality Score

PQS MCP Server 在推理前评估 LLM 提示词,返回分数、等级及八个维度的细分结果。它还提供需订阅的提示词改写工具,并支持改写前后对比。

主要功能

  1. 01为提示词评分,范围为 0 至 80
  2. 02返回 A–F 等级及八维度细分
  3. 03指出最弱维度
  4. 04改写提示词并比较示例输出

适用场景

  1. 01在模型推理前检查提示词质量
  2. 02找出需要改进的提示词维度
  3. 03比较原始与优化后的提示词输出

MCP 相关

向 MCP 客户端提供提示词评分和优化工具。评分无需 API 密钥,优化则需要 Pro 订阅。

配置

远程服务无需本地安装。选择你使用的客户端,复制配置或使用一键安装。

服务地址https://promptqualityscore.com/api/mcp
一键复制安装命令
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

命令在终端中运行;JSON 粘贴到对应客户端的 MCP 配置后重启。需要授权的服务会在首次连接时提示登录。

安装包
npmpqs-mcp-server1.4.0

工具

2
参数类型必填说明
promptstring是要评估的提示词文本。单条提示词,不是对话。最多 8000 个字符。

详细介绍

smithery badge GitHub Marketplace pqs-mcp-server MCP server

PQS MCP 服务

在提示词到达任何 AI 模型之前评估其质量。PQS 的 MCP 服务。

在提示词送达任何模型之前,对大模型提示词进行评分和优化。基于 PEEM、RAGAS、MT-Bench、G-Eval 和 ROUGE 构建。

安装

Claude Desktop(stdio)

添加到你的配置文件(~/Library/Application Support/Claude/claude_desktop_config.json):

{
  "mcpServers": {
    "pqs": {
      "command": "npx",
      "args": ["-y", "pqs-mcp-server"]
    }
  }
}
远程(HTTP)

当你的 MCP 客户端支持可流式 HTTP 传输时使用(无需本地 npm 安装):

{
  "mcpServers": {
    "pqs": {
      "url": "https://promptqualityscore.com/api/mcp"
    }
  }
}
Smithery
smithery mcp add onchaintel/pqs

工具

score_prompt(免费,无需 API 密钥)

返回 0-80 分、A-F 等级、完整的 8 个维度评分(clarity、specificity、context、constraints、output_format、role_definition、examples、cot_structure)以及最弱维度。按 IP 限流:5 次/分钟、10 次/天、100 次/月。

低分和中等分数段还会包含结构化的 suggestion 字段,其中包含一条消息、指向 optimize_prompt 的 next_tool 指针,以及一个订阅 URL,使用该工具的 LLM 可以将其转述给用户。

输出示例(低分段评分,附带建议):

{
  "pqs_version": "2.0",
  "prompt": "analyze this wallet",
  "score": 9,
  "out_of": 80,
  "grade": "F",
  "dimensions": {
    "clarity": 2,
    "specificity": 1,
    "context": 1,
    "constraints": 1,
    "output_format": 1,
    "role_definition": 1,
    "examples": 1,
    "cot_structure": 1
  },
  "weakest_dimension": "specificity",
  "powered_by": "PQS — promptqualityscore.com",
  "suggestion": {
    "message": "This prompt scored 9/80 (F) — significant room to improve. The optimize_prompt tool rewrites it and shows side-by-side outputs from a frontier model, so you can see the impact. optimize_prompt is part of PQS Pro ($19.99/mo, 1,000 calls/mo). Subscribe at https://promptqualityscore.com/pricing?utm_source=mcp&utm_medium=suggestion_v140&utm_campaign=2026-05-mcp-tools-v140.",
    "next_tool": "optimize_prompt",
    "subscribe_url": "https://promptqualityscore.com/pricing?utm_source=mcp&utm_medium=suggestion_v140&utm_campaign=2026-05-mcp-tools-v140"
  }
}

如果触发了每 IP 的速率限制,响应会返回结构化的 rate_limit_exceeded 载荷,其中包含订阅和账户 URL。

optimize_prompt(需要 Pro 订阅)

重写提示词以获得更高评分,并将两个版本都交由前沿模型运行,让用户查看优化前后的输出。返回优化后的提示词、优化前后各维度的评分(含总分)、improvement_pct,以及并排显示的示例输出。

需要 Pro 订阅($19.99/月,1,000 次调用/月,包含批量处理 + A/B 对比)。 在 promptqualityscore.com/pricing 订阅。

如果缺少 API 密钥、密钥无效或使用的是 Free 套餐,该工具会返回结构化错误,指向正确的 URL。不会静默失败,也不会编造密钥。可能发出的错误:

  • api_key_required:未发送 api_key 参数
  • api_key_invalid:无法识别该密钥
  • subscription_required:密钥有效,但属于 Free 套餐(订阅以升级)
  • rate_limited:达到每分钟突发限流(Pro 按分钟限流,而非按月限流),或上游暂时容量不足
  • service_unavailable:上游 5xx

质量门控模式

将 PQS 用作推理前的质量门控:

const score = await fetch("https://promptqualityscore.com/api/score/free", {
  method: "POST",
  headers: { "Content-Type": "application/json" },
  body: JSON.stringify({ prompt: userPrompt })
});
const { score: pqsScore } = await score.json();
if (pqsScore < 56) throw new Error("Prompt quality too low. Improve and retry.");

D 级或更低(低于 56/80)意味着该提示词会浪费推理开销。

x402(旧版按次付费)

此软件包中的 MCP 工具使用 SaaS API 密钥模式。另有一条独立的 x402 原生按次付费路径,可通过规范的 PQS HTTP API 使用(无需 API 密钥,调用方在 Base 链上以 USDC 结算)。有关 x402 集成,请参阅 promptqualityscore.com 上的规范定价和发现资料。

自托管

使用 PQS_BASE 环境变量覆盖 PQS 后端 URL:

PQS_BASE=https://your-pqs-host.example.com npx pqs-mcp-server

默认值为 https://promptqualityscore.com。

构建方

OnChainIntel, @OnChainAIIntel promptqualityscore.com

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。