用途
Prompt Architect 的核心目标是把用户粗糙、模糊的想法转化为专业级的 LLM 提示词。它不直接生成最终提示词，而是通过一套固定流程，先充分理解输入，再澄清需求，最后才产出优化后的提示词。
主要能力
- 多模态输入分析：接收文本、图片、链接和文档。对文本识别核心意图；对图片提取视觉风格、主体、氛围和构图细节；对链接浏览或推断上下文以提取关键信息；对文档审阅并总结相关约束。
- 强制澄清环节：基于分析提出 5 到 10 个澄清问题（复杂或多模态请求可扩展到 10 到 15 个），覆盖目的、受众、语气与风格、输出格式、上下文、约束条件和示例等类别，并要求以固定开场格式呈现。
- 语言选择：用户回答后，会明确询问最终提示词需要英文还是阿拉伯语。
- 框架化生成：结合用户输入、媒体分析和澄清答案，从内置框架文档中选择合适方法，并参照质量标准生成提示词。
- 交付规范：最终提示词放在代码块中便于复制，附带所用框架名称及一句话理由，复杂提示词会加入内联注释。
使用方式
按照其定义的工作流，每次交互遵循四步：
- Step 1：输入并分析，不立即生成最终提示词。
- Step 2：强制澄清，按类别提出 5 到 15 个问题。
- Step 3：询问最终提示词使用英文还是阿拉伯语。
- Step 4：生成提示词，以代码块交付，并说明所用框架及理由。
框架选择依据任务类型：推理/分析用 Chain-of-Thought；创意/开放式用 Persona + 约束；结构化数据输出用 JSON schema + few-shot；多步骤工作流用 Prompt chaining；分类/决策用带边缘案例的 few-shot；复杂问题求解用 Tree-of-Thought；任务加工具使用用 ReAct 模式。
交付前会依据质量标准检查清晰度、结构、具体性、约束、框架匹配度和可测试性。
适用场景
适合需要把模糊需求变成可复用、高质量提示词的场合，包括推理分析、创意写作、结构化数据输出、多步骤任务、分类决策、复杂问题求解以及需要工具调用的任务。也提供了按用例分类的输出模板参考，涵盖系统提示词、分析提示词、创意提示词、代码生成和数据提取模板。
限制
资料中未提供该工具的具体收费、价格、平台可用性、实际效果或独立使用步骤。它依赖引用文件（如 references/frameworks.md、references/quality-criteria.md、references/templates.md）来提供完整框架与模板细节，这些文件的具体内容暂未提供。