meta-prompter

元提示词

使用 meta-prompter-mcp CLI 评估和优化提示词。返回 <OPTIMIZED_PROMPT>，供调用方执行。

输入

原始参数：$ARGUMENTS

根据参数推断：

• CONTEXT：要优化的任务上下文或提示词
• OUT_DIR：输出目录；如果未提供，则为 .implement-assets/meta-prompter

会话

• 如果是全新会话：创建 SESSION_ID = sess-YYYYMMDD-HHMMSS，并将其用于所有文件。

执行

有关 CLI 用法、环境变量（模型配置）和错误处理，请参阅 references/rules.md。

执行步骤 A 到 E：

A) 评估

• 如果不存在 <prompt_eval> 标签：
  1. 根据 references/rules.md 中的模型解析规则，通过 Bash 运行：npx meta-prompter-mcp "CONTEXT"，并添加 --model 标志
  2. 将 JSON 输出保存到 <prompt_eval>，并包含：
     • "original_prompt": "CONTEXT"
• 否则，跳转到澄清步骤。

B) 澄清

• 如果缺少 <clarification_answers> 标签，或其中内容不完整：
  • 从 <prompt_eval> 中读取 3 个问题
  • 根据上下文尝试回答所有问题
  • 如果上下文不足以作答：
    • 使用 AskUserQuestion 工具逐一提问
  • 将问题和答案按以下格式保存到 <clarification_answers> 标签中：

    { "answers": [
      {"q": "<question1>", "answer": "<user answer>"},
      {"q": "<question2>", "answer": "<user answer>"},
      {"q": "<question3>", "answer": "<user answer>"}
    ] }
    

C) 构建 PROMPT

• 仅当 3 个答案都齐全且清晰时继续。
• 构建 PROMPT：
  • 以评估结果中的 rewrite 为基础
  • 根据 3 个答案添加一个简短的 Clarifications 部分，使用项目符号列出。

D) 重新评估并检查

• 仔细考虑重新评估流程
• 根据 references/rules.md 中的模型解析规则，通过 Bash 重新运行 npx meta-prompter-mcp "<built PROMPT>"（添加 --model 标志）
  • 用最新评估 JSON 结果覆盖 <prompt_eval>（保留 "original_prompt"，以及存在时的 "contextual_prompt"）。
  • 当 global < 8 时：
    • 立即停止执行。
    • 不要编造问题。 使用此次重新评估返回的 3 个问题。
    • 重新执行 B) 澄清，然后重新执行 C) 构建 PROMPT，再重新运行此步骤（D）。
• 重复上述流程，直到 global >= 8，然后使用 <OPTIMIZED_PROMPT> 继续。
• 最多迭代 3 次。 如果 3 次尝试后仍然 global < 8，则将得分最高的提示词作为 <OPTIMIZED_PROMPT>，并注明分数。

E) 返回

• 如果提供了 OUT_DIR：
  1. 通过 Bash 运行 mkdir -p OUT_DIR
  2. 使用 Write 工具将 <OPTIMIZED_PROMPT> 保存到 OUT_DIR/soul.md
• 将 <OPTIMIZED_PROMPT> 返回给调用方执行