（1602期）Prompt Architect – rough ideas → pro prompts

rough ideas → pro prompts 将模糊想法转化为专业级LLM提示词，支持多模态输入分析，内置CoT、Few-Shot等成熟框架，4步工作流确保输出精准可用。 使用说明 核心功能 Prompt Architect 是一款专业的提示词工程辅助工具，核心使命是将用户的粗糙想法——无论是模糊的概念、零散的图片、链接还是文档——转化为可直接复制使用的优质LLM提示词。 显著优点 系统化工作流：强制执行"分析→澄清→定语言→生成"四步流程，杜绝草率输出。Step 2的5-10个澄清问题覆盖目的、受众、风格、格式、约束等关键维度，大幅降低返工率。 多模态处理能力：不仅能解析文本，还能分析图片的视觉风格、浏览链接提取信息、审阅文档总结约束，适应复杂输入场景。 框架化输出：内置Chain-of-Thought、Persona、Few-Shot、ReAct等成熟提示工程框架，根据任务类型智能匹配，确保方法论正确。 质量把控机制：输出前强制对照6项质量标准（清晰度、结构、具体性、约束、框架适配性、可测试性），并附带框架说明，帮助用户理解设计逻辑。 潜在局限 交互成本较高：强制澄清环节虽提升质量，但简单场景下可能显得冗余，用户若追求"一键生成"体验会感到繁琐。 语言切换后置：Step 3才询问中英文偏好，若用户意图本身含混，可能导致前期分析方向偏差。 框架依赖预设文件：实际效能受references/frameworks.md等外部文件完整性制约，若知识库更新滞后，可能推荐过时框架。 适合人群 提示工程初学者：需要结构化引导理解"好提示"的构成 多语言工作者：明确支持英文/阿拉伯语双通道输出 复杂任务设计者：需要整合图片、文档等多源信息的场景 追求可复用性的开发者：输出带注释、可存档的代码块格式 常规风险 过度工程化风险：内置的"反模式清单"虽提醒避免过度约束，但工具本身可能诱导用户堆砌复杂结构，反而降低模型表现。 框架误配风险：任务类型与框架的映射表相对简化，实际任务常跨类别，自动推荐可能不够精准。 输出承诺落差：Success标准定义较主观（"achieves user's goal"），用户对"优化后"效果预期可能与实际模型输出存在差距。 原始说明 Transform rough ideas into professional-grade LLM prompts. Analyzes text, images, links, and documents to craft optimized prompts using proven frameworks (Co...