Risen Prompts MCP

RISEN Prompt工程MCP工具

一个强大的模型上下文协议（MCP）服务器，可帮助您使用RISEN框架创建、验证、管理和优化提示。

什么是RISEN？

RISEN是一个结构化的快速工程框架，由5个部分组成：

• Role：定义人工智能的角色/专业知识
• 一、指令：任务的明确指令
• S步骤：流程分解
• E期望：期望的结果/形式
• Narrowing：约束或创意元素

特性

🎯 核心功能

• 模板管理：创建、存储和组织RISEN提示模板
• 可变支持：使用 {{variables}} 用于动态、可重用的提示
• 验证引擎：实时结构检查和质量评分
• 性能跟踪：通过评级和分析监控即时有效性
• AI建议：根据最佳实践获得改进建议

🚀 高级功能

• A/B测试：比较不同的提示变化
• 跨AI集成：与您的跨AI工具配合使用，在多个模型上测试提示
• 知识库集成：保存成功的提示以供将来参考
• 自然语言转换：将常规请求转换为RISEN格式
• 模板库：常见任务的预构建模板

安装

1. 克隆存储库：

git clone https://github.com/YOUR_USERNAME/mcp-risen-prompts.git
cd mcp-risen-prompts

1. 安装依赖项：

npm install

1. 测试服务器：

npm test

1. 服务器现在已准备好在Claude Desktop中配置

配置

添加到您的Claude Desktop配置中：

macOS

~/Library/Application Support/Claude/claude_desktop_config.json

视窗

%APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "risen-prompts": {
      "command": "node",
      "args": ["/path/to/mcp-risen-prompts/server.js"]
    }
  }
}

使用示例

创建模板

Use risen_create to make a new template:
- Name: "Code Review"
- Role: "Senior software engineer with 15+ years experience"
- Instructions: "Review the provided code for quality and security"
- Steps: ["Analyze structure", "Check for bugs", "Suggest improvements"]
- Expectations: "Detailed line-by-line feedback with examples"
- Narrowing: "Focus on critical issues first"

执行模板

Use risen_execute with variables:
- Template ID: [your-template-id]
- Variables: {"language": "Python", "framework": "Django"}

跟踪性能

After using a prompt, track its effectiveness:
- Use risen_track
- Rate 1-5 stars
- Add notes about what worked/didn't work

MCP工具可用

1. risen_create -创建新的RISEN模板
2. risen_validate -检查结构并获得建议
3. risen_execute -运行带有变量的模板
4. risen_track -记录绩效指标
5. risen_search -按标签/评级查找模板
6. 上升分析 -深入了解模板性能
7. risen_建议 -基于人工智能的改进建议
8. risen_convert -将自然语言转换为RISEN

模板示例

博客文章作者

Role: Content strategist and SEO expert
Instructions: Write an engaging blog post about {{topic}}
Steps: 
  1. Research keywords and trends
  2. Create compelling headline
  3. Develop main points with examples
  4. Include statistics and sources
  5. Write conclusion with CTA
Expectations: 1500-2000 words, SEO-optimized, engaging tone
Narrowing: Use conversational tone, include 3-5 keywords naturally

数据分析

Role: Data scientist specializing in {{domain}}
Instructions: Analyze {{dataset}} to uncover insights
Steps:
  1. Perform exploratory data analysis
  2. Identify key trends and patterns
  3. Run statistical tests
  4. Create visualizations
  5. Provide recommendations
Expectations: Clear insights with statistical backing
Narrowing: Focus on {{specific_metrics}} and business impact

质量评分

模板根据以下因素评分（满分100分）：

• 角色特异性（20分）
• 指令清晰度（20分）
• 步骤细节（20分）
• 期望指标（20分）
• 聚焦范围缩小（20分）

最佳实践

1. 具体：“助理”等模糊角色的得分低于“具有AWS专业知识的高级Python开发人员”
2. 使用变量：使模板可重复使用 {{variables}}
3. 可衡量的期望：包括数字（字数、所需示例等）
4. 明确步骤：每个步骤都应该是可操作的和具体的
5. 测试和迭代：使用跟踪功能随时间改进模板

与其他MCP工具集成

使用跨AI工具

在多个AI模型中执行相同的RISEN提示：

1. 创建/选择RISEN模板
2. 使用Cross-AI在ChatGPT、Gemini和Claude上运行它
3. 比较结果并跟踪哪种模型表现最佳

有知识库

保存成功的提示以供将来参考：

1. 创建并测试RISEN提示
2. 一旦证明有效，保存到知识库
3. 按主题搜索和检索经过验证的提示

故障排除

模板未验证？

• 确保所有必填字段都已填写
• 检查步骤是否为数组，而不是字符串
• 验证变量是否正确声明

变量不替换？

• 使用精确的语法： {{variable_name}}
• 确保变量名在声明和使用中匹配
• 检查执行时所有变量是否都有值

低质量分数？

• 为每个组件添加更多细节
• 在预期中纳入具体指标
• 在角色中使用特定领域的语言

未来路线图

• \[\]可视化模板生成器UI
• \[\]社区模板市场
• \[\]高级分析仪表板
• \[\]提示链接工作流
• \[\]导出/导入模板包
• \[\]团队协作功能

贡献

发现错误或有功能请求？请随时贡献！

许可证

MIT许可证-可根据需要自由使用和修改。