Dokumentation

PromptFlowEngine-Dokumentation

PromptFlowEngine ist eine deterministische TypeScript-Engine (@promptflow/engine), die Prompts parst, analysiert, umstrukturiert, optimiert, verifiziert und bewertet. Der Web-Arbeitsbereich, die Chrome-Erweiterung, die VS-Code-Erweiterung, der MCP-Server, die HTTP-API und die CLI sind alle Schnittstellen zu dieser einen Engine, sodass ein Prompt überall dasselbe Ergebnis erhält. Neu hier? Beginnen Sie mit den ersten Schritten.

Lernen

• Prompt-Engineering-Leitfäden26 Leitfäden zum Schreiben, Optimieren, Testen und Absichern von Prompts.
• Prompt-Bibliothek40 wiederverwendbare Prompts in 20 Kategorien, vom Code-Review bis zur Recherche.
• Prompt-Vorlagen6 produktionsreife Prompt-Vorlagen mit {{variables}}, alle mit starker Bewertung.

Grundkonzepte

• So funktioniert die EngineDie Pipeline, der Regelkatalog, die Bewertungsformel und die Verifikation der Kandidaten.
• Modelle und PreiseWelche Modelle Token-Zahlen und Kostenschätzungen abdecken und wie Preise aktuell gehalten werden.

Integrationen

• PromptFlowEngine verbindenErweiterungen, MCP und HTTP-API im Vergleich, mit Einrichtung, Verifikation und Fehlerbehebung.
• VS-Code-ErweiterungCodebasis → Prompt → Codebasis im Editor: erzeugen, umstrukturieren, senden und prüfen.
• Chrome-ErweiterungPrompts in ChatGPT, Claude, Gemini, Grok, Perplexity und DeepSeek analysieren, umstrukturieren und schwärzen.
• MCP-ClientCopilot, Claude, Cursor oder jeden MCP-Client verbinden: Tools, Ressourcen und Konfiguration.
• HTTP-APIZustandslose JSON-Endpunkte, Limits, Fehler und Beispiele.
• CLI und CI-GateJeder Befehl, plus das check-Gate für Prompt-Dateien in der CI.

Sicherheit

• Datenschutz und SicherheitWas wo läuft, was gespeichert und was protokolliert wird.

Leitfäden nach Thema

Die Prompt-Engineering-Leitfäden erklären die Techniken, auf die die Regeln der Engine prüfen. Jedes Thema unten öffnet seinen Abschnitt im Leitfaden-Index.

• Grundlagen (5): Was Prompt Engineering ist, wie man es Schritt für Schritt angeht und welche Gewohnheiten einen Prompt, der einmal funktioniert, von einem unterscheiden, der immer funktioniert.
• Prompt-Typen (4): Die Grundformen eines Prompts: mit oder ohne Beispiele, mit einer Rolle, als System-Prompt und rund um ein vorgegebenes Ausgabeformat.
• Techniken (5): Methoden für schwierigere Aufgaben: schrittweises Denken, Arbeit auf mehrere Prompts verteilen, einem Modell Tools geben und einen Prompt durch Messen verbessern.
• Optimierung, Tests und Sicherheit (6): Prompts in der Produktion: Token- und Kontextbudgets, Bewertung, Versionierung, Abwehr von Injection und Geheimnisse aus Prompts heraushalten.
• KI-Agenten und MCP (3): Prompts, die Tools steuern statt nur eine Antwort zu liefern: Agenten-Anweisungen, Retrieval und das Model Context Protocol.
• Leitfäden zu Modellen (3): Was sich zwischen Anbietern ändert: wie Modelle von OpenAI, Anthropic und Google Anweisungen, Kontext und Formate unterschiedlich lesen.

Prompt-Bibliothek und Vorlagen

Die Prompt-Bibliothek enthält Prompts für einzelne Zwecke, die Sie kopieren und anpassen können. Die Entwickler-Kategorien sind ein guter Einstieg:

• Softwareentwicklung-Prompts: Prompts zum Planen von Änderungen, Prüfen von Code, Schreiben von Tests und Debuggen, so aufgebaut, dass ein Assistent Ergebnisse liefert, die Sie prüfen können.
• KI-Engineering-Prompts: Prompts zum Bauen mit Modellen: Evaluierungen entwerfen, Tool-Definitionen schreiben und Retrieval-Pipelines planen.
• Prompt Engineering-Prompts: Prompts über Prompts: einen Entwurf kritisieren, Testfälle erzeugen und eine Anfrage in einen strukturierten System-Prompt umwandeln.
• DevOps-Prompts: Prompts für Auslieferung und Betrieb: Pipelines prüfen, Runbooks schreiben und Container-Images härten.
• Recherche-Prompts: Prompts zum Lesen und Vergleichen von Quellen: Paper-Zusammenfassungen, die Ergebnisse von Behauptungen trennen, und Literaturvergleichstabellen.
• Produktivität-Prompts: Prompts für den Arbeitsalltag: Notizen in einen Plan verwandeln, eine Aufgabenliste priorisieren und klare E-Mail-Antworten entwerfen.

Prompt-Vorlagen sind längere, wiederverwendbare Ausgangspunkte mit {{variables}} für die veränderlichen Teile: Pull-Request-Review, Antwort im Kundensupport, Extraktion strukturierter Daten, Meeting-Zusammenfassung, Ticket-Klassifizierung und System-Prompt für einen Agenten mit Werkzeugen.

Der Kernablauf

Codebasis → Prompt → KI → Codebasis. Beginnen Sie mit dem vorhandenen Code, verwandeln Sie eine grobe Anfrage in einen strukturierten, im Code verankerten Engineering-Prompt, senden Sie ihn an das Modell, das Sie ohnehin nutzen, und prüfen Sie dann, was zurückkommt, gegen die Aufgabe. Die VS-Code-Erweiterung führt den ganzen Kreislauf aus; die anderen Produkte decken den Prompt-Schritt dort ab, wo Sie gerade arbeiten.

Produkte

Diese Seiten sind die Referenz. Einen Überblick über jedes Produkt geben die KI-Prompt-Tools: der Prompt-Analyzer, der Prompt-Optimierer, der Prompt-Sicherheitsscanner, Prompt-Tests und die Prompt-Bewertung.

Was sie nicht tut

• Sie ruft kein Sprachmodell auf. Jedes Ergebnis stammt aus dokumentierten Regeln, daher ist es kostenlos, sofort verfügbar, privat und reproduzierbar.
• Sie erfindet keinen fehlenden Inhalt. Lücken wie ein nicht festgelegtes Ausgabeformat werden zu Vorschlägen für Sie.
• Sie führt Ihren Prompt nicht mit einem Modell aus. Modellbasierte Tests sind geplant.