AI и агенты
Prompt Architect
ckelsoe/prompt-architectСкилл для Claude Code и других AI-агентов: трансформирует слабые промпты в чёткие, используя 27 научно обоснованных фреймворков (CO-STAR, RISEN, ReAct, CoT и др.) по 7 категориям задач. Подходит разработчикам, prompt-инженерам и командам.
Установка
terminal
bash
npx @ckelsoe/prompt-architectREADME
Prompt Architect
Преобразует размытые промпты в экспертные структурированные запросы с помощью 27 научно обоснованных фреймворков по 7 категориям намерений.
Работает с Claude Code, ChatGPT, Gemini CLI, Cursor, GitHub Copilot, Windsurf, OpenAI Codex и 30+ инструментами, совместимыми с Agent Skills.
Быстрый старт
npx @ckelsoe/prompt-architect
Интерактивный установщик определяет ваших AI-агентов (Claude Code, Gemini CLI, Cursor, Copilot, Codex и другие) и предлагает выбрать место установки.
Важно: Используйте
npx, а неnpm install. Командаnpxзапускает интерактивный мульти-агентный установщик. Запускnpm installустановит скилл только в Claude Code в тихом режиме через хукpostinstall.
Требуется
.npmrcс@ckelsoe:registry=https://npm.pkg.github.comи GitHub-токен с правамиread:packages.
Содержание
- Обзор
- Ключевые возможности
- Пример трансформации
- Поддерживаемые фреймворки
- Быстрый старт
- Установка
- Использование
- Руководство по выбору фреймворка
- Структура проекта
- Документация
- Участие в разработке
- Лицензия
Обзор
Prompt Architect — скилл, совместимый с Agent Skills, который повышает качество промптов за счёт:
- Интеллектуального анализа — оценивает промпты по 5 параметрам качества (ясность, конкретность, контекст, полнота, структура)
- Рекомендации фреймворка — предлагает наиболее подходящий фреймворк для вашего случая с обоснованием
- Управляемого диалога — задаёт уточняющие вопросы для постепенного сбора недостающей информации
- Систематического применения — применяет выбранный фреймворк для трансформации промпта
- Итеративного улучшения — продолжает доработку на основе обратной связи до достижения нужного результата
Целевая аудитория:
- Разработчики, использующие AI-агенты (Claude Code, Gemini CLI, Cursor, Copilot и др.)
- Prompt-инженеры, оптимизирующие взаимодействие с LLM
- AI-практики, стремящиеся к систематическому улучшению промптов
- Команды, которым нужны стабильно качественные промпты
Ключевые возможности
27 научно обоснованных фреймворков по 7 категориям намерений
| Фреймворк | Лучше всего подходит для | Сложность |
|---|---|---|
| CO-STAR | Создание контента, задачи по написанию текстов | Высокая |
| RISEN | Многошаговые процессы, процедуры | Высокая |
| CRISPE | Комплексные промпты с несколькими вариантами вывода | Высокая |
| BROKE | Бизнес-результаты с измеримыми исходами в стиле OKR | Средняя |
| RISE-IE | Анализ данных, трансформации (Input-Expectation) | Средняя |
| RISE-IX | Создание контента с примерами (Instructions-Examples) | Средняя |
| TIDD-EC | Высокоточные задачи с явными правилами «делать/не делать» | Средняя |
| RACE | Экспертные задачи, требующие ясности роли, контекста и результата | Средняя |
| CARE | Задачи с ограничениями, явными правилами и примерами | Средняя |
| CTF | Простые задачи, где ситуационный контекст определяет промпт | Низкая |
| RTF | Простые сфокусированные задачи, где важна экспертная роль | Низкая |
| APE | Ультраминималистичные одноразовые промпты | Низкая |
| BAB | Переписывание, рефакторинг, трансформация существующего контента | Низкая |
| Tree of Thought | Решения, требующие исследования нескольких подходов | Средняя |
| ReAct | Агентные задачи с использованием инструментов и итеративным рассуждением | Средняя |
| Skeleton of Thought | Структурированный длинный контент (сначала план) | Средняя |
| Step-Back | Рассуждение на основе принципов (сначала абстракция, затем конкретика) | Средняя |
| Least-to-Most | Составные многошаговые задачи (от простого к сложному) | Средняя |
| Plan-and-Solve (PS+) | Числовые/вычислительные рассуждения без примеров | Низкая |
| Chain of Thought | Рассуждение, решение задач | Средняя |
| Chain of Density | Итеративное уточнение, суммаризация | Средняя |
| Self-Refine | Итеративное улучшение качества вывода (любые задачи) | Средняя |
| CAI Critique-Revise | Критика и доработка на основе принципов (Anthropic) | Средняя |
| Devil's Advocate | Сильнейший контраргумент против позиции | Низкая |
| Pre-Mortem | Предположить провал, выявить конкретные причины | Низкая |
| RCoT | Проверка рассуждений путём восстановления вопроса | Средняя |
| RPEF | Восстановление промпта из существующего вывода | Низкая |
| Reverse Role Prompting | AI берёт у вас интервью перед выполнением задачи | Низкая |
Система оценки качества
Каждый промпт оценивается по параметрам:
- Ясность (1–10): цель чёткая и однозначная?
- Конкретность (1–10): требования достаточно детализированы?
- Контекст (1–10): предоставлена ли фоновая информация?
- Полнота (1–10): все ли необходимые элементы присутствуют?
- Структура (1–10): промпт хорошо организован?
Постепенное раскрытие информации
- Задаёт 3–5 целевых вопросов за раз (без перегрузки)
- Адаптирует вопросы в зависимости от выбранного фреймворка
- Итеративно углубляет понимание
- Подтверждает допущения перед продолжением
Непрерывная итерация
- Показывает сравнение «до/после» с пояснениями
- Уточняет промпт на основе вашей обратной связи
- Может сменить фреймворк, если первоначальный выбор не подходит
- Продолжает работу до получения удовлетворительного результата
Пример трансформации
До
"Write about machine learning"
Оценки анализа:
- Ясность: 2/10 (размытая цель)
- Конкретность: 1/10 (нет деталей)
- Контекст: 0/10 (нет фона)
- Полнота: 2/10 (большинство элементов отсутствует)
- Структура: 3/10 (одно предложение)
- Итого: 1.6/10
После (фреймворк CO-STAR)
CONTEXT:
Creating content for a business blog aimed at C-level executives
who understand business value but have limited technical background.
The company sells AI consulting services.
OBJECTIVE:
Write a 1,200-word article explaining machine learning in business terms,
focusing on ROI and competitive advantage rather than technical implementation.
STYLE:
Executive briefing style - authoritative, concise, data-driven.
Use business analogies, avoid jargon. Include 2-3 real-world case studies.
TONE:
Confident and forward-looking. Position ML as accessible and
high-value, not intimidating or overly complex.
AUDIENCE:
CEOs, CFOs, and COOs at mid-market companies ($50M-$500M revenue)
considering AI adoption. They're skeptical but curious.
RESPONSE FORMAT:
Structured article with: Executive Summary (150 words), 3 main sections
with subheadings, ROI metrics sidebar, and clear CTA for consultation.
Оценки после трансформации:
- Ясность: 9/10
- Конкретность: 9/10
- Контекст: 10/10
- Полнота: 9/10
- Структура: 10/10
- Итого: 9.4/10