让 AI 帮 AI 写提示词！这个工作流工具太香了

你有没有这种感觉——自己写的提示词，怎么调都不对？要么太模糊，要么 AI 理解跑偏，写了十几版还是差点意思。

今天挖到一个让我眼前一亮的 Skill，叫 create-meta-prompts，专门用来写「给 AI 用的提示词」——也就是 Meta Prompt 元提示词。

它解决什么问题？

普通提示词是「人写给 AI 」，而 Meta Prompt 是「AI 帮 AI 写」。

这个 Skill 的核心思路是：当你需要一个复杂的工作流（比如先调研、再规划、最后执行），传统做法是你自己写三个提示词，然后串起来。但问题是，你写的提示词可能互相衔接不上、格式不统一、上下文还容易断层。

create-meta-prompts 就是一个多阶段工作流框架。它帮你把整个流程自动化：

1. Intake（需求收集）——AI 先问你：这个任务是「执行」「规划」「调研」还是「优化」？
2. Chain detection（链条检测）——自动检查你之前是否已经有相关输出，避免重复造轮子
3. Generate（生成）——根据你的选择生成对应的提示词模板
4. Save + Summarize（存档）——每个提示词有独立文件夹，输出 SUMMARY.md 让你快速浏览结果

整个流程的输出用 XML 结构化，方便下一个 AI 阶段直接解析使用。

实际用起来怎么样？

举几个我实测过的场景：

场景一：写 Claude Code 的系统提示词

以前我自己写 .cursorrules，改了七八版才勉强能用。用这个 Skill，输入你的项目类型和需求，它直接生成一套完整的提示词框架，结构清晰、可维护性强。

场景二：多 Agent 流水线

比如你有一个研究 Agent → 规划 Agent → 执行 Agent 的三阶段工作流。这个 Skill 生成的提示词天然带 XML 元数据，下一阶段能直接读上一阶段的输出，不需要你手动拼接上下文。

场景三：提示词迭代优化

对已有提示词不满意？调用 Skill 选「Refine」，它会扫描你之前的输出，提出具体的优化方向，而不是简单地说「再改改」。

为什么值得试试？

核心优势就三点：

• 结构化输出：所有提示词按统一规范生成，XML + SUMMARY.md 双格式，人和 AI 都能读
• 工作流思维：不是单纯生成一个提示词，而是帮你设计整个链条的协作方式
• 来源可追溯：每个提示词对应独立文件夹，历史版本存档，不丢上下文

GitHub Stars 接近 2000，口碑不错，安装只要一行命令：

npx skills add https://github.com/glittercowboy/taches-cc-resources --skill create-meta-prompts

支持 Claude Code、Cursor、GitHub Copilot、Windsurf 等主流 AI 编程工具。

GitHub 链接：https://github.com/glittercowboy/taches-cc-resources

GitHub: https://github.com/glittercowboy/taches-cc-resources