boostprompt：AI Agent 工具实践指南

实际看boostprompt，先要确认它的用途：该应用程序利用 LLM 的强大功能为任何需求生成上下文，无需您思考和提出想法，应用程序本身在与您面谈结束时将所有被质疑、研究、思考和阐述的内容构建在一个 Markdown 文件中。内容与市场工作里，受众、平台规则和事实依据容易被统一模板抹平。我会选一个已有主题制作可人工复核的样稿，检查事实准确性、平台适配、语气和修改成本。它适合有明确品牌标准并保留人工审校的团队；采用前仍要看维护状态和试跑结果。

boostprompt

结构化发现，将想法和需求转化为可供实施的提示。

boostprompt 通过适应性问题进行需求收集， 替代方案、权衡和建议。最后，他将决策组织成一个 单一、独立的 Markdown 提示，包含需求、决策、验收标准和执行计划。

登陆页面

该项目包括 site/ 中的静态沉浸式登陆页面，并带有叙述性内容 滚动和仅在支持的设备上加载的 3D 场景。要在本地运行它：

cd site
npm install
npm run dev

只要此存储库属于 AirtonLira，通过 GitHub 页面发布就有效。 https://airtonlira.github.io/boostprompt.

您可以通过两种独立的方式使用该项目：

• 本地 CLI/TUI：会话在 DuckDB 上本地保存的交互式应用程序；
• Claude Code 和 Codex 的技能：直接在您的安全对话中进行发现。

boostprompt 提供什么

• 发现式访谈，包含 30 至 50 个问题，根据之前的答案进行调整；
• 两种输出模式：prompt_desenvolvimento和roteiro_perguntas_cliente；
• 恢复会议并继续完成的访谈；
• 在 Markdown 中生成并保留执行提示；
• 结构化摘要，以在长时间会议中保持上下文紧凑；
• 具有本地覆盖指标、决策清晰度和及时准备的质量仪表板；
• 可选择通过 Exa 进行技术搜索，并提供可审核的来源；
• 与 OpenAI、LiteLLM 和 OpenAI 的 API 兼容端点集成；
• Claude Code 和 Codex 的可安装技能。

选择正确的道路

总结

• CLI/TUI 本地
  • 先决条件
  • 安装
  • 型号配置
  • 启动应用程序
  • 会话流程
  • 持久化和恢复
  • 技术研究
• Claude Code 和 Codex 技能
  • 安装技巧
  • 在克劳德代码中使用
  • 在 Codex 中使用
  • 预期行为
• 开发
• 项目结构
• 贡献
• 许可证

1. CLI/TUI 位置

先决条件

• Python 3.11 或更高版本；
• 紫外线;
• 与 OpenAI 的 API 及其凭证兼容的端点，例如 LiteLLM， OpenRouter、vLLM 或 OpenAI 本身。

安装

在存储库的根目录中，安装依赖项：

uv sync --extra dev

复制示例文件并配置凭据：

cp .env.example .env

.env 文件会自动加载，而不会覆盖变量 在外壳中导出。它不应该被版本化。

型号配置

要使用 LiteLLM，请配置：

LLM_MODEL=gpt-4o-mini
LLM_BASE_URL=http://localhost:4000/v1
LLM_API_KEY=sua-chave-litellm

还支持旧名称 LITELLM_BASE_URL 和 API_KEY。

要直接使用 OpenAI，请设置 OPENAI_API_KEY 并可选 OPENAI_MODEL 和 OPENAI_BASE_URL。

有用的变量：

启动应用程序

uv run boostprompt

启动时，选择使用LiteLLM或使用OpenAI。然后使用菜单 创建会话、列出已保存的会话或从代码恢复会话 BP-AAAA-NNN.

会话流程

1. 选择模板提供商。
2. 选择新会话。
3. 提供一个可识别的名称。
4. 选择输出模式。
5. 描述最初的需求。
6. 在prompt_desenvolvimento模式下，一次回答一个问题。该应用程序将根据之前的答案提出 30 到 50 个问题。
7. 十次回复后，选择 立即生成提示 以保存草稿而不结束采访。
8. 最后选择Gerar/abrir Markdown查看并保存主部署提示。

每次交互都会自动持久化；没有保存按钮。

指标和历史

质量仪表板跟踪三个本地确定性指标： 上下文、决策的清晰度和提示的及时性。会话历史记录显示 最后计算的准备情况和更新日期。模式 roteiro_perguntas_cliente 没有获得评分，因为他没有进行面试。

坚持与恢复

默认银彳为 data/boostprompt.db。它存储：

• 会话元数据以及显示问题和确认答案的计数器；
• 用户响应和代理的 perguntas/respostas；
• 背景和决策的快照；
• 研究参考文献；
• 古代历史的结构化总结；
• 最终降价生成。

恢复会话时，应用程序会加载最近的消息和摘要 客观的、已确认的事实、决定、限制、风险和悬而未决的问题。

打开已完成的会话时，应用程序会显示摘要并提供 继续 新采访。延续使用新代码创建另一个会话，并且仅使用 对前一篇的结构化总结，保留了原始历史并保持了 紧凑模型的背景。

导出的文件位于：

output/_prompt_mestre.md

技术研究

对于技术研究，当EXA_API_KEY为Exa的API时，CLI/TUI 配置。研究仅针对外部和可变的决策而设计， 优先考虑官方或主要来源并保留 URL、日期、摘录和决定 已证实。如果 Exa 不可用，采访将以 模式继续 没有发明来源就退化了。

2. Claude Code 和 Codex 的技能

这些技能与 CLI 保持相同的发现规则和相同的模式，但它们有效 完全是在谈论安全带。他们不使用 TUI 的 DuckDB 银彳或 恢复本地会话：历史记录是 Claude Code 或 Codex 对话本身的历史记录。

安装技能

安装程序复制正确的技能并为线束配置远程 MCP exa 选择：

# Claude Code e Codex
uv run python install.py --harness both

# Somente Claude Code
uv run python install.py --harness claude

# Somente Codex
uv run python install.py --harness codex

安装程序仅需要 PATH 中的线束可执行文件。

要仅安装或更新技能，而不更改 MCP 设置：

uv run python install.py --harness both --skip-mcp

要在不更改任何内容的情况下检查操作：

uv run python install.py --harness both --dry-run

每个技能的安装位置：

安装程序会保留现有设置，并且在需要创建服务器时， 将 https://mcp.exa.ai/mcp 注册为远程 MCP。远程身份验证遵循 Claude Code 或 Codex 本身支持的配置；不包含密钥 版本化文件。

在克劳德代码中使用

安装完成后，在项目或任意目录中打开Claude Code并请求 具有需求和期望模式的能力：

Use a skill boostprompt no modo prompt_desenvolvimento.
Quero definir o escopo de um portal de fornecedores.

仅生成问题脚本：

Use a skill boostprompt no modo roteiro_perguntas_cliente.
Preciso de perguntas para entender uma integração de pagamentos.

Claude Code 使用已在工具本身中配置的模型和凭据。

在法典中使用

安装后，在 Codex 中开始对话并请求，例如：

Use a skill boostprompt no modo prompt_desenvolvimento.
Quero planejar uma plataforma de análise de dados.

或者：

Use a skill boostprompt no modo roteiro_perguntas_cliente.
Gere perguntas para levantar o escopo de um aplicativo de campo.

Codex 使用自身配置的模型、身份验证和权限 马具。当 MCP exa 可用时，该技能使用 web_search_exa 并且， 必要时，web_fetch_exa用于当前技术决策；否则， 仍处于降级模式。

预期行为

• 该技能要求或识别 modo_saida。
• 在prompt_desenvolvimento中，它在30个答案之前不会关闭，最多在第50个问题处结束。
• 每个问题都提出了背景、替代方案、权衡、建议和回应形式。
• 在roteiro_perguntas_cliente中，您无需开始交互式采访，而是直接交付包含30到50个问题的单个Markdown。
• 在 prompt_desenvolvimento 中，输出是一个独立的 # Prompt Mestre de Implementação，其中包含决策、执行计划、验收标准、验证、问题和参考。

发展

安装开发依赖项：

uv sync --extra dev

运行一系列测试和质量检查：

uv run --extra dev pytest -q
uv run --extra dev pytest --cov=src/boostprompt --cov-report=term-missing -q
uv run --extra dev ruff check src tests
uv run --extra dev mypy src

测试阻止外部调用：代理和 MCP 被适配器替换 受控，保留 TUI、DuckDB、摘要、LangGraph 的功能验证， Exa 搜索和 Markdown 导出性能下降。

项目结构

├── src/boostprompt/    # Aplicação CLI/TUI e componentes do discovery
├── skills/             # Skills distribuídas para os harnesses
├── tests/              # Testes automatizados
├── examples/           # Exemplos de uso e artefatos de referência
├── data/               # Banco local gerado durante a execução
├── output/             # Prompts Markdown exportados
├── install.py          # Instalador das skills e do MCP Exa
└── pyproject.toml      # Metadados, dependências e ferramentas do projeto

许可证

该项目可在许可证 MIT 下使用。