独立开发

用提示词组成工作流 2024-08-31

Key Takeaway

Prompt House是一款用于提示词管理和调用的工具，通过MCP协议实现模型自动获取和使用提示词，从而串联组成工作流。
作者通过Mac版Prompt House演示了如何在一个提示词中嵌套多个MCP工具和提示词，实现复杂任务的自动化。
Prompt House的核心价值在于将MCP工具和提示词结合，形成基于Workflow的自动化能力。
Mac版Prompt House相比网页版具有数据本地存储、更强大的AI润色功能（支持本地模型或自定义API Key）和更快的速度。
文章强调了AI时代产品应“水涨船高”，通过产品传递方法论，并持续开发新功能以满足用户需求。

Full Content

我终于把Mac版的Prompt House做出来了。

搞这个Mac版可比开发网页版麻烦多了。花了我小一周的时间，两百美元成本，用目前最先进的编程模型Claude Opus 4怼出来的。

我老婆说我鬓角多了两根白头发。我说，白头发OK，没秃就行。

过程中的困难我在这边就不多说了。之前在社群内发过好长的一段总结，大家可以自己去看。那么，我之所以废了这么大力气搞出网页版和Mac版，是因为我有一套提示词进阶用法，但是市面上没有这样的工具能实现。那我就自己做咯。

我给你们演示一下，你们就明白它的价值了。

我在Prompt House里事先准备了两份提示词：

1、深度研究：明确要求使用两个MCP工具——Sequential Thinking和Tavily进行至少三轮的轮拆解、分析、搜集。当完成后，使用另一份提示词“总结报告”完成最终输出。

2、总结报告：要求逻辑清晰、结构合理、表达简洁等，并且每个小结都必须有明确结论和支撑。

来到客户端（我这边用的是ChatWise），我@prompthouse，要求进行深度研究。

于是，模型知道两点：第一，要使用Prompt House MCP；第二，要获取关于深度研究的提示词。

所以，模型先调用第一个工具获取Prompt House上所有提示词的列表，从中找到“深度研究”提示词，然后获取这份提示词的完整内容。

因为在这份提示词里，我明确要求组合使用两个MCP工具进行多轮研究，所以模型开始调用Sequential Thinking和Tavily，一个分析、一个搜集，把需要的资料收集齐。

当资料都搞定之后，就该输出最终的报告了。

因为我在“深度研究”这份提示词的结尾明确要求了，如果要输出报告，就必须使用另外一份“总结报告”提示词。于是，模型再次调用Prompt House MCP，拿到“总结报告”提示词，根据里边的详细要求，完成整份报告的输出。

你看，在Prompt House的串联下，模型自动跑完了一整个工作流，里边涉及到多个MCP工具的调用，还涉及到多份提示词。

今天有那么多的MCP工具。那么，什么时候用什么工具？工具之间如何组合使用？这些都可以在一份提示词里交代清楚。

你也不需要在一份提示词里把所有工作都交代完成。完全可以拆成小的子任务，放在多份提示词里边。然后根据需要，灵活挑选几份、组合使用。

有了Prompt House作为调度枢纽，我们就有了一个基于MCP tools + Prompts的Workflow，足以自动化完成一些复杂任务。

我之前在社群内说过，所有工具、所有SaaS的核心，是方法论。通过Prompt House这个产品，我把我关于提示词的方法论充分表达，分享给大家。

模型调用工具的能力越强、上下文长度越大，这套方法论和工具能实现的价值就越大。我坚信，AI时代，一定要做水涨船高的产品。

如果你get到了，欢迎登录prompthouse.app这个网站使用。网页版免费。

如果你想长期使用，建议购买Mac版。点击网页左下角的Purchase就可以购买，9.98美元。我想了一下，还是不搞订阅制了。采用买断制，大家都舒服。

为什么要花这9.98美元呢？使用Mac版有这三个好处：

第一，数据全都存在本地，你不用担心隐私的问题。

第二，“AI润色”功能更强大。网页版用的是我的API Key。为了节省成本，我选择GPT-4o mini。性能差一些，但是白菜价。

到了Mac版这边，大家有两个选择：可以使用Ollama调用开源模型。或者，用自己的API Key，选择更好的模型，比如GPT-4.1。

“AI润色”功能不仅可以帮你润色提示词内容，还可以生成标题和标签。这样你就不用花心思去想这些了。对模型来说，准确的标题、丰富的标签能显著提升它的筛选效率和准确率。

第三，速度更快，体验更好。毕竟是一款软件，用起来肯定比网页顺畅。而且MCP服务器是在本地，所以连接速度也更快。

目前功能都是Prompt House的MVP功能。在此基础上，从下周开始，我还有好几个功能会陆续开发。比如，提示词的推荐功能。我会持续搜集好用的提示词，通过产品推送给用户。用户点个收藏就能保存进自己的提示词仓库里。

我的第一款产品上线！纯Vibe Coding 0001-01-01

Key Takeaway

Prompt House是一款解决提示词管理和调用问题的AI产品，通过MCP协议实现AI自动挑选和调用提示词。
作者通过“Vibe Coding”方式，利用AI工具（v0、Cursor、Claude 4等）在短时间内低成本开发并上线了Prompt House。
文章强调当前是做产品的最佳时机，因为AI正在重塑流量分配模式（Agent Rank）并显著降低产品开发门槛。
成功开发AI产品需要编程思维、架构思维、产品思维和商业思维，而非仅仅会写代码。
AI赋予个体前所未有的技能，能放大个体能力，创造更多价值，实现“无限游戏”。

Full Content

我用AI做的第一款产品已经上线。大家打开prompthouse.app这个网站就行。

这个产品虽然简单，但我是很严肃、认真对待它的。不是为了出这期视频而搞个噱头，假模假样做了个东西。

那么，Prompt House解决了什么问题？一句话总结：

提示词的管理和调用。

为什么有这么个需求？我把我的完整思路讲给你听，你看我分析得对不对。

提示词是离用户最近的AI使用技巧。所以它的受众一定是最广的。

但是，不管你是什么水平的用户，不管你的提示词是自己写的还是抄别人的，一旦多起来，存哪里？存笔记软件里吗？那怎么调用？每次都打开笔记，找到某个提示词，复制粘贴过去？这不是很麻烦、很低效吗？

为什么不让AI自动从你的提示词里挑选，然后自动调用呢？

这个就是我要打的点。

Prompt House是一个网页。你可以把提示词都保存在里边，设置好标题和标签，对它们做更精细的管理，也方便AI调用。

Prompt House支持MCP协议。你会获得一个专属的链接，跟你的账号和数据挂钩。配置好之后，当有需要的时候：

首先，客户端的模型会先从服务器上获取提示词列表，包括标题和标签。

接着，模型根据这些标题和标签判断，哪个提示词最符合现在的需求。

然后，当模型确定好之后，就会发送一个请求到服务器，告诉服务器，它要使用哪个提示词。

最后，服务器把提示词的完整内容返回到客户端。

简单来说，就是获取列表、挑选提示词、拿到完整内容。非常简单的流程，一共就调用两次MCP工具。

正是这么简单的产品，解决了提示词的管理和调用。这个就是目前Prompt House的核心功能。

我算了一下，从开工到上线，大概五六天时间，比我预想的快——我原本以为，第一次搞会很难呢。

第一版UI是用v0生成的。后来看着觉得还是差了点意思，我就直接拿Keynote画了两页。对我来说，做UI跟做PPT没啥本质区别。用Figma能画，用Keynote也能画。

有了UI之后，我把v0的代码下载下来，放到Cursor里，让Claude帮我补全。Vercel搭配Supabase，非常适合早期阶段。尤其是这个Supabase，真的很方便，强烈推荐。

项目一共四个核心模块：

用户认证系统，其中登录部分，我只开了Google账号登录。

提示词管理，我特意添加了AI润色功能，用OpenAI的模型进行润色。

MCP协议支持，只支持Streamable HTTP。这种连接方式是接下来的主流。

部署和配置，我在GoDaddy买了域名。用Vercel部署，绑定自己的域名。

所有这些东西，我一行代码没写，全都是让Cursor搞定的。最开始的时候用Claude 3.7加Gemini 2.5。实在搞不定的时候，一咬牙用OpenAI的o3。贵是真的贵，但确实能解决问题。

很幸运的是，开发到一半，Claude 4出来了，而且Cursor里边还打折。这一下就极大加速了开发进程。我用我的亲身经历告诉大家：现在世界上最强大的编程模型就是Claude 4，真的太好用了。

所以，差不多一周的时间，大概100美元的成本，我把Prompt House做出来了。下一款产品我也想好了，也会用这种方式来做。我给自己定了个目标：年底之前，上线三到六款产品。

为什么这么激进？

在我看来，现在是做产品最好的时刻。两个原因：

第一，整个流量的分配模式即将发生巨变。

我在社群里发过这么一段话：当Page Rank变成Agent Rank的话，很多网站都要重做。因为，用户交互的，不再是网页，甚至再往后都不是APP，而是Agent。

你如果最近有用Google搜索的话，就会发现：开启了AI Overview功能之后，首屏甚至第二屏的展示位都显著减少了。

因为，AI搜索引擎，或者更直白一点，问答引擎，就是一个能直接给你答案的Agent——那还要网页干嘛啊，对吧？