Cc Meta

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

1. 安装依赖项：

   npm install
   # or
   yarn install

1. 构建项目：

   npm run build

1. 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.