severity1/claude-code-prompt-improver

解决的问题

Claude Code Prompt Improver 通过确保 AI 代理在执行前拥有正确的上下文，减少了用户与 AI 代理之间的修正循环。它通过识别模糊的提示词，并在模型执行任务前注入必要的限制或说明，从而防止“糟糕的首次尝试”。

运作方式

该项目使用一个声明式钩子引擎，监控三个特定事件：提示词提交、工具使用以及子代理启动。当事件触发时，引擎会根据“提示”(nudges，由 JSON 定义的规则) 注册表评估提示词。

• 对于清晰的提示词： 系统增加极小的评估开销并立即执行。
• 对于模糊的提示词： 它会调用一个专门的 prompt-improver 技能，执行研究 (使用 Glob 和 Grep 等工具)、收集上下文，并向用户提出 1-6 个基于事实的问题以澄清意图。
• 针对性提示 (Targeted Nudges)： 根据关键词或条件触发特定规则 (例如：针对复杂任务建议计划，或针对长时间运行的指令建议后台执行)。

目标对象

使用 Claude Code 并希望提高首次输出准确性，以及减少手动修正 AI 生成代码或架构决策时间的开发者。

特色亮点

• 基于技能的架构： 使用渐进式揭露，仅在提示词被判定为模糊时才加载研究和提问逻辑，从而减少 Token 开销。
• 提示策展： 内置针对方法评估、工作流程规划、输出可读性以及子代理路由的提示。
• 低摩擦： 大多数提示词会原样通过；用户可以使用 * 等前缀完全绕过评估。
• 声明式配置： 无需修改 Python 代码，即可通过简单的 JSON 文件新增上下文注入规则。