CC-Meta (Claude Code Metaprompter)

CC-Meta 允许您在不离开终端的情况下迭代 Claude Code 提示。无需切换到网页客户端来测试和优化提示，您可以在当前工作流程中即时获得关于清晰度、具体性和完整性的 AI 反馈。这有助于保持上下文并加快有效提示的创建过程。

一个使用 AI 评估提示以提供详细反馈（包括清晰度、完整性和有效性）的 MCP（模型上下文协议）服务器。

使用前与使用后：请求“构建计算器应用”

<table> <tr> <td align="center"><b>没有 CC-Meta</b></td> <td align="center"><b>有 CC-Meta</b></td> </tr> <tr> <td><img width="100%" alt="没有 CC-Meta - 模糊提示" src="https://gips3.baidu.com/it/u=838665187,4243345040&fm=3081&app=3081&f=PNG?w=2162&h=380" /></td> <td><img width="100%" alt="有 CC-Meta - 详细反馈" src="https://gips0.baidu.com/it/u=3946979730,2600323382&fm=3081&app=3081&f=PNG?w=2146&h=1592" /></td> </tr> </table>

功能

• 多模型支持 - 使用任何 OpenAI 或 Anthropic 模型
• 灵活的 API 密钥 - 为每次评估提供自己的 API 密钥
• 两种可用工具：
  • ping - 测试服务器是否连接并运行正常
  • evaluate - 获取您的提示的 AI 驱动分析

安装

1. 安装依赖项：

   npm install
   # 或
   yarn install
   

2. 构建项目：

   npm run build
   

3. 配置您的模型和 API 密钥： 编辑 .mcp.json 文件以设置您首选的模型和 API 密钥：

   {
     "mcpServers": {
       "prompt-evaluator": {
         "command": "node",
         "args": ["./prompt-evaluator-mcp/start.js"],
         "env": {
           "PROMPT_EVAL_MODEL": "sonnet-4",  // 或 "o3", "opus-4"
           "PROMPT_EVAL_API_KEY": "your-api-key-here"
         }
       }
     }
   }
   

使用方法

配置完成后，您可以采用多种方式评估提示：

快速斜杠命令（推荐）

/meta 您的提示内容（无需引号）

直接调用 MCP 函数

mcp_prompt-evaluator_ping()  # 测试连接
mcp_prompt-evaluator_evaluate("您要评估的提示")

支持的模型

• OpenAI: o3 (o3-2025-04-16)
• Anthropic: opus-4 (claude-opus-4-20250514), sonnet-4 (claude-sonnet-4-20250514)

AI 评估提供：

• 从 0 到 10 的评分
• 您提示的具体优势
• 改进的空间
• 如需重写时的建议
• 对以下方面的分析：
  • 意图的清晰度
  • 要求的具体性
  • 提供的背景信息
  • 可操作性
  • 考虑的边缘情况

自定义

评估提示存储在 src/prompt.ts 中，并且可以轻松自定义：

• 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
• 添加特定领域的评估规则

完成修改后，使用 npm run build 重新构建。