frankxai/prompt-engine
GitHub: frankxai/prompt-engine
一个由 13 个专职 agent 协作的多模型 prompt 工程框架，提供从设计、优化、评估到红队测试的标准化工作流和库管理能力。
Stars: 0 | Forks: 1
# Prompt Engine
[](./LICENSE)
[]()
## 它是什么
Prompt Engine 是一个**横向底层基础**，它让每个 AI 工作流都能在 Claude、GPT、Gemini 和开源模型之间设计、优化、评估、存储和检索精英 prompt —— 它内置了一个心理层，能够映射用户自身的各个部分与模式，而绝不会将 prompt 视为一次性的消耗文本。
三项承诺：
1. **每个发布的 prompt 在推出前都经过了评估、署名、实验室标签和红队测试。** 没有凭感觉的盲目操作。
2. **每个贡献者都使用相同的 schema**，因此库能够成为真正的“亚历山大图书馆”式的 prompt 节点。
3. **每个用户都可以通过一个 Psyche Cartographer 映射他们自己的部分、价值观和模式**，该工具只作映射，绝不越俎代庖。
配套仓库：[`frankxai/prompt-library`](https://github.com/frankxai/prompt-library) —— 该引擎生成的精选语料库。
## 快速开始
```
# 需要 Node 22+
git clone https://github.com/frankxai/prompt-engine.git
cd prompt-engine
pnpm install
# 运行 flow
pnpm run hub design "summarize podcasts in my voice"
pnpm run hub optimize ""
pnpm run hub evaluate prompts/extract_wisdom/
# 运行 promptfoo evals
pnpm run eval
```
如需集成 Claude Code，请将 `agents/` 中的 agent 镜像到你的 `.claude/agents/` 目录中（请参阅下方的[组合进 Claude Code](#composition-into-claude-code)）。
## 13-agent 团队
该 Hub 遵循一个顶层 Opus 编排器和 12 个专家的模式。选择 Mega-12 而非 Elite-8 是为了给特定实验室的奇癖提供专属的归属地。
| # | Agent | 角色 |
|---|-------|------|
| 0 | `@prompt-conductor` | Opus 编排器；将每个请求路由到对应的工作流 |
| 1 | `@prompt-claude-specialist` | Anthropic 原则：XML 标签、预填充、扩展思考、宪法式美德 prompting |
| 2 | `@prompt-gpt-specialist` | OpenAI/GPT-5 原则：开发者角色、reasoning_effort × 详细度、Structured Outputs |
| 3 | `@prompt-gemini-specialist` | Google 原则：system 放置在顶部、“think very hard”触发器、原生 grounding |
| 4 | `@prompt-oss-specialist` | Llama/Mistral/Qwen/DeepSeek：`apply_chat_template()`、ChatML 与 Llama3 token 对比、`` 块 |
| 5 | `@prompt-architect` | 从零开始设计新 prompt，交由实验室专家进行最终润色 |
| 6 | `@prompt-optimizer` | 优化现有 prompt；输出 diff + 理由；封装 `/po` |
| 7 | `@prompt-evaluator` | 封装 promptfoo (MIT)；按模式为每个 `evals/` 置于同一位置 |
| 8 | `@prompt-librarian` | 负责库仓库；分类、打标签、排名，强制执行 schema |
| 9 | `@prompt-harvester` | 批量导入 Fabric/CC0/MIT 源，标注出处，运行质量门禁 |
| 10 | `@prompt-red-team` | 对抗性探测、越狱审计、拒绝绕过检测、注入测试 |
| 11 | `@prompt-psyche-cartographer` | IFS 部分映射、解离、Self 引导的探询；苏格拉底式/斯多葛式/荣格式语音模式 |
| 12 | `@prompt-psychometrist` | 实施 IPIP-50、Schwartz PVQ、ECR-R、VIA、Enneagram 测试；输出视角，而非定论 |
每个 agent 在 [`agents/`](./agents/) 中都有 markdown 定义，镜像了位于 `FrankX/.claude/agents/prompt-*.md` 的唯一事实来源。
## 8 个标准工作流
Conductor 将每个请求映射到其中之一。每个工作流都有一个固定的专家序列和一个文档化的成功标准。
| 工作流 | 触发短语 | 序列 | 成功标准 |
|------|-----------------|----------|-------------------|
| **flow-design** | "design a prompt for X" | architect → lab-specialist → red-team → evaluator | 在 5 个示例输入上得分 >= 4/5 |
| **flow-optimize** | "optimize this prompt", `/po` | optimizer → lab-specialist → evaluator | 优化后的版本在声明的指标上胜过原版 |
| **flow-evaluate** | "evaluate my prompt" | evaluator → red-team | `evals/` 中的评分卡 + 对抗性发现 |
| **flow-harvest** | "import from Fabric" | harvester → red-team → librarian | 新模式附带出处并入库 |
| **flow-curate** | "rerank prompts in X category" | librarian → optimizer → evaluator | 库不变量通过；新的排名具有合理性 |
| **flow-introspect** | "IFS session", "journal with me" | cartographer (单独) | 一个问题或一面镜子 —— 绝不给出答案 |
| **flow-profile** | "give me a values map", "profile me on Big Five" | psychometrist → cartographer | 个人画像以视角的形式呈现，并附带注意事项 |
| **flow-knowledge-base** | "design prompts for RAG of X" | architect → librarian → evaluator | 针对样本文档测试了摄入 + 检索的 prompt 对 |
**红队为每个发布工作流把关**（design、harvest）。这是核心的承重不变量。
每个工作流的完整序列 + 交接契约位于 [`flows/`](./flows/) 中。
## 组合进 Claude Code
此仓库中的 agent 旨在镜像到 Claude Code 的 `.claude/agents/` 目录中。有两种连接它们的方法：
**符号链接（推荐用于开发）**：
```
ln -s $(pwd)/agents/prompt-conductor.md ~/.claude/agents/prompt-conductor.md
# ...为所有 13 个重复
```
**复制（推荐用于生产环境）**：
```
cp agents/prompt-*.md ~/.claude/agents/
```
镜像之后，在任何 Claude Code 会话中都可以通过 `@prompt-conductor`、`@prompt-architect` 等调用这些 agent。
要扩展出新的实验室专家（例如专门针对 DeepSeek）：
1. 复制 `agents/prompt-oss-specialist.md` 作为起始模板
2. 调整原则 + 交接契约
3. 如果需要，添加新的工作流变体
4. 提交 PR，包含与现有专家的 eval 对比
## 模式 schema
配套的 `prompt-library` 中的每个 prompt 都是一个包含[此 schema](./schema/pattern.schema.json) 的文件夹：
```
---
id: extract_wisdom # verb_topic, kebab-snake-case
title: "Extract Wisdom"
version: 1.0.0 # semver
description: One-sentence purpose.
lane: claude | gpt | gemini | oss | cross-lab
category: analyze | create | extract | summarize | answer | audit | check | compare | improve | write | rate | introspect | profile
tags: [chain-of-thought, structured-output]
techniques: [cot, xml-tags, prefill]
provenance:
source: original | fabric | awesome-chatgpt-prompts | awesome-claude-prompts | manual
source_url: https://...
attribution: "Daniel Miessler / Fabric, MIT"
license: MIT | CC0 | Apache-2.0
eval:
score: 4.6
last_run: 2026-05-13
red_team:
status: pass | warn | fail
psyche:
applicable: true | false
boundary: maps-only | instruments-only | n/a
created: 2026-05-13
updated: 2026-05-13
---
```
有关完整的 JSON Schema (draft-07)，请参阅 [`schema/pattern.schema.json`](./schema/pattern.schema.json)。
## 评估测试工具
每个模式的 `evals/promptfoo.yaml` 都声明了声明式测试用例。在开启 PR 之前在本地运行 `pnpm run eval`（`promptfoo eval`）—— 该仓库尚未接入 CI，因此目前这需要作为一道手动门禁。
```
description: Evals for extract_wisdom
providers:
- anthropic:messages:claude-opus-4-7
- openai:gpt-5
- google:gemini-3-pro
prompts:
- file://../pattern.md
tests:
- vars: { input: "" }
assert:
- type: not-contains
value: ["delve", "dive into"] # brand-voice gate
- type: llm-rubric
rubric: "Output extracts 3-7 items, each <=16 words, no repetition."
threshold: 0.8
```
## 反模式（严禁）
- 严禁在没有出处、许可证、eval 得分和红队定论的情况下发布模式。
- 严禁让 Cartographer 进行诊断。不使用 DSM 术语，不说“你有 X”。只进行映射。
- 严禁将实验室特有的特性压缩到一个 Architect 中。实验室专家的存在是有原因的，因为 Claude prefill、GPT-5 Structured Outputs 和 Gemini grounding 并不能互换。
- 严禁从闭源市场（PromptHub / PromptBase）提取模式。许可和数据结构均未知。
- 严禁使用 AI 垃圾短语：“delve”、“dive into”、“certainly”、“absolutely”、“it's worth noting”。
## 许可证
MIT。请参阅 [`LICENSE`](./LICENSE)。
导入的模式保留其原始许可证。请参阅配套的 `prompt-library` 中的 `ATTRIBUTION.md`。
## 鸣谢
站在巨人的肩膀上：
- [Fabric](https://github.com/danielmiessler/fabric) —— Daniel Miessler 的每个模式一个文件夹的结构 (MIT)
- [promptfoo](https://github.com/promptfoo/promptfoo) —— 声明式评估测试工具 (MIT)
- [DAIR.AI Prompt Engineering Guide](https://github.com/dair-ai/Prompt-Engineering-Guide) —— 技巧分类法 (MIT)
- [awesome-chatgpt-prompts](https://github.com/f/awesome-chatgpt-prompts) (CC0)
- [awesome-claude-prompts](https://github.com/langgptai/awesome-claude-prompts) (MIT)
_精英 prompt。经过评估。明确署名。红队测试。_
标签：DLL 劫持, MITM代理, SOC Prime, 人工智能, 多智能体, 大语言模型, 开发工具, 提示词工程, 用户模式Hook绕过, 策略决策点, 自动化评估, 自定义脚本, 防御加固