为什么做PromptForge
在精进Prompt工程的过程中发现一个问题：写高质量Prompt需要的不是"知道怎么写"，而是知道哪些坑要避开。但零经验的人根本想象不出AI在特定场景下会犯什么错——这是经验鸿沟。
同时我发现：人的判断力、AI对自身边界的理解与细节组织能力、结构化框架——三者恰好可以互补。人的强项是判断"这个方向对不对"；AI的强项是知道自己在什么场景容易犯错、能把散乱的需求组织成结构化输出；框架的强项是保证每一次产出的质量一致。
于是用一天时间落地了PromptForge。
问题洞察
缺乏框架感
纯对话写Prompt，用户不知道自己走到哪一步了，也不知道漏了什么。
对话式工具通病
人机角色错位
AI替用户写，用户当旁观者。跨行业场景下用户无法判断输出是否靠谱。
质量不可控
经验鸿沟
零经验PM不知道AI在特定场景下会犯什么错，只能凭运气。
最大痛点
产品设计思路
核心思路：将人机协作从"AI替你做"变成"AI陪你做"。用户始终掌握主导权，AI承担细节组织和语言生成，框架保证产出质量一致。用户在与工具的协作中提升Prompt思维，理解模型能做什么、不能做什么。
设计原则
不要求模型做它不擅长的事，而是通过框架设计弥补局限——知道什么时候该用人、什么时候该用AI。
6模块框架
模块1 · 角色与场景
AI根据用户输入的场景生成角色设定和任务描述，用户确认或修改。
模块2 · 场景边界框架
AI扮演领域专家，探测该场景下最容易犯的独特错误。用户勾选最致命的几个，AI自动生成场景化原则——不编造、区分事实与推断、有明确结论。
模块3 · 边界决策
AI生成场景边界问题清单（如资料冲突时以谁为准），用户逐条决策。
模块4 · CoT评审
用户写初稿→AI评审标注跳步漏洞→AI生成改进版→用户对比决策。
模块5 · 输出规范
通用禁止项勾选+场景专属禁止项AI自动生成，最小化用户认知负荷。
模块6 · Few-Shot示例
基于前5个模块的全部内容，AI自动生成与场景匹配的输入/输出示例。
方法论沉淀
场景边界框架
核心口诀：不编造、区分事实与推断、有明确结论。每条原则不超过3条。关键是把"通用原则"和"场景特有错误"结合起来——先套通用母原则，再找到场景下AI最容易犯的错误，把错误写进原则里。
CoT的核心心法
CoT不是"把任务拆成几步"，而是"钉住AI最容易跳过的思考环节"。比如从用户访谈生成PRD时，AI最容易跳过：把用户说的当需求、不交叉验证、不给验收标准。CoT的每一步就是在堵这些漏洞。
用AI补经验缺口
人对特定场景的经验需要长期积累，而AI对自身边界和领域信息的了解是即时的。与其让人花时间积累每个场景的经验，不如让更懂AI和更擅长搜集信息的AI来协作探索场景边界，人则专注于判断和决策——把"经验鸿沟"转化为"人机互补"。
产品界面预览
以下截图为PromptForge工具的核心交互界面：
入口 · 用户输入场景
场景边界框架 · 领域专家错误探测
CoT评审 · 跳步漏洞检测
最终Prompt · 完整输出
