使用说明
CC Meta(克劳德代码元提示器)
CC Meta允许您在不离开终端的情况下迭代Claude Code提示。您无需切换到web客户端来测试和改进提示,而是可以在当前工作流程中获得关于清晰度、特异性和完整性的即时AI反馈。这使您保持在上下文中,并加快了制定有效提示的过程。
一个MCP(模型上下文协议)服务器,使用人工智能评估提示,提供关于清晰度、完整性和有效性的详细反馈。
前后:询问“构建计算器应用程序”
| Without CC-Meta | With CC-Meta |
特性
- 多型号支持 -使用任何OpenAI或Anthropic模型
- 灵活的API键 -为每次评估提供您自己的API密钥
- 两种可用工具:
ping-测试服务器是否已连接并正常工作evaluate-对您的提示进行人工智能分析
设置
-
安装依赖项:
npm install # or yarn install -
构建项目:
npm run build -
配置您的模型和API密钥: 编辑
.mcp.json文件以设置首选模型和API密钥:{ "mcpServers": { "prompt-evaluator": { "command": "node", "args": ["./prompt-evaluator-mcp/start.js"], "env": { "PROMPT_EVAL_MODEL": "sonnet-4", // or "o3", "opus-4" "PROMPT_EVAL_API_KEY": "your-api-key-here" } } } }
用法
配置后,您有多种方法来评估提示:
快速击杀命令(推荐)
/meta Your prompt here without quotes
直接MCP功能调用
mcp_prompt-evaluator_ping() # Test connection
mcp_prompt-evaluator_evaluate("Your prompt to evaluate")
支持的型号
- OpenAI:
o3(o3-225-04-16) - Anthropic:
opus-4(claude-opus-4-20250514),sonnet-4(claude-sonnet-4-20250514)
人工智能评估提供:
- 0-10分
- 你的提示的具体优势
- 需要改进的地方
- 必要时建议重写
- 分析:
- 意图清晰
- 要求的特殊性
- 提供的上下文
- 可操作性
- 考虑边缘案例
定制
评估提示存储在 src/prompt.ts 并且可以很容易地定制:
- 编辑提示模板以更改评估标准
- 修改评分标准和权重
- 调整输出格式
- 添加特定于域的评估规则
更改后,使用重建 npm run build.
