提示词库的工程化:product-manager-prompts 校验与目录生成脚本解析-开发者社区

【免费下载链接】product-manager-prompts

A repository of Generative AI prompts for product managers using agents such as ChatGPT, Claude, & Gemini

项目地址：https://gitcode.com/gh_mirrors/pr/product-manager-prompts

product-manager-prompts 是一个面向产品经理的开源 AI 提示词库，汇集了 100+ 可直接粘贴进 ChatGPT、Claude、Gemini 使用的提示词资产。与普通提示词合集不同，它把每个提示词当作"代码"来管理：靠 scripts/validate-prompts.py 做结构校验，靠 scripts/generate-catalog.py 自动生成目录。本文带你读懂这两个纯标准库的 Python 脚本——它们就是一个小型提示词库如何走向工程化的完整样本。

提示词库为什么需要"工程化"

这个仓库按目录组织 9 类提示词资产（prompts/、workshops/、loops/等），每个文件开头都有一个 HTML 注释形式的元数据块，记录 Description、Usage Note、Licensing 等信息。可以把它理解为"提示词的接口契约"：

元数据是事实来源：目录、描述、合规信息全部从元数据解析而来
校验是准入门槛：不满足结构标准的文件会在校验脚本中报错
目录是派生物：catalog/下的索引由脚本生成，严禁手工编辑

这正是"提示词即代码（Prompt as Code）"的思路：文件是资产，脚本是流水线。

两个脚本总览

脚本	职责	输出	依赖
validate-prompts.py	逐个检查提示词是否符合结构标准	控制台报告 + 退出码	仅 Python3 标准库
generate-catalog.py	解析元数据块，重建全库索引	catalog/INDEX.md（人读）+`catalog/prompts-index.yaml`（机读）	仅 Python3 标准库

本地跑通:两条命令

两个脚本都要求从仓库根目录执行，无需安装任何第三方包：

git clone https://gitcode.com/gh_mirrors/pr/product-manager-prompts cd product-manager-prompts python3 scripts/validate-prompts.py # 结构校验 python3 scripts/generate-catalog.py # 重新生成 catalog/

validate-prompts.py:提示词库的"质检线"

校验脚本对 9 个资产目录下的每个.md文件执行一组检查，规则清单如下：

检查项	级别	说明
必填元数据字段	warning	Description、Usage Note、Instructions、Attribution、Licensing、Date 缺一即提示（早期遗留文件只告警不阻断）
v2 模式固定件	error	声明了 Generative Guidance v2 的文件必须包含"best guess"旁路、批量粘贴入口、"Other" 选项、上下文折叠规则四处固定文案
`Companion:`链接	error	引用的伴生文件必须真实存在，杜绝死链
正文 emoji	warning	提示词正文要求纯文本输出风格
耦合纪律（Coupling）	error	详见下文，是该校验最"有个性"的部分
全仓库 License 扫描	error	任何`.md`中出现 MIT 授权字样即报错（仓库统一为 CC BY-NC-SA 4.0，含`MITRE`这类词用负向前瞻巧妙排除）

输出格式与退出码

运行后按行输出ERROR 路径: 原因或warning 路径: 原因，最后给出汇总：

Checked 110 files: 0 errors, 12 warnings Licensing sweep: 130 files scanned repo-wide, 0 violations

有 error 时退出码为 1，仅 warning 时为 0——这意味着它可以无缝接入 CI 或 pre-commit 钩子，把"提示词质量"变成可自动门禁的指标。大批量迁移场景下可加--lenient参数，把耦合类发现降级为 warning。

什么是"耦合纪律"

这是项目最有教学价值的规则，源自 AGENTS.md 中的 Coupling Discipline 一节，核心理念是一句话：

向前指针免费，向后依赖是负债。

也就是说，提示词结尾说"做完后你可以拿它生成 battle card"（向前指引）没问题；但要求用户"先运行另一个文件"（向后依赖）就是债——新手在没有任何产出物时被迫做分叉决策，每个依赖点都是弃坑点。脚本按层级强制执行：

层级	形态	允许出现的位置
0 独立	单文件产出成品	`prompts/`目录必须
1 向前指针	仅在 Final Step 提及下一步	任意位置
2 软依赖	"有 XX 更好，没有也能跑"	多数目录
3 硬门禁	前置产物缺失就 STOP	仅`loops/`和`vibes/`

校验脚本还会正则扫描元数据里的assumes ... already、run ... first这类"隐性前置"措辞。值得一提的是，这次规则落地是量化过的：COUPLING-REMEDIATION-PLAN.md 记录了治理前后的对比——30 个Companion:块清零、14 个虚报前置依赖的文件修正，且删除资产数为 0。规则不是为了删文件，而是为了让每个文件独立可用。

generate-catalog.py:从元数据到全库目录

目录脚本的工作流非常线性：

遍历9 个资产目录（跳过README.md和Dataset开头的数据集文件）
解析每个文件的元数据：优先读 HTML 注释块里的## 字段:段落，兼容 YAML frontmatter
双输出：
- catalog/prompts-index.yaml—— 机读索引，含 name、path、directory、description、date 等字段
- catalog/INDEX.md —— 人读目录，按目录分组的 Markdown 表格，每行是"文件名 + 描述首句（截断至 180 字符）"
兜底报告：列出所有缺失元数据块的文件，方便补全

生成的目录头部自带免责声明（Generated by scripts/generate-catalog.py - do not edit by hand.），当前版本收录了110 个资产条目，比如prompts/下的一行：

Prompt	Description
tam-sam-som-market-sizing	A single, self-contained TAM/SAM/SOM prompt: it collects any missing context through a short facilitated intake...

一个细节很能体现工程思维：描述列只取第一句。目录的价值是"一眼判断这个提示词干不干活"，截断到首句既是格式要求，也是写作约束——倒逼每个提示词的 Description 第一句必须说清产出物。

元数据块长什么样

以 prompts/prd-prompt-template.md 为例，文件开头是这样的注释块（节选）：

<!-- ## Description: Generates a complete PRD in one pass using a canonical 9-section structure, working from whatever raw material is available ... ## Standalone: yes ## Usage Note: Reach for this when you have the raw material and need the document now... ## When NOT to Use: - You want to approve each section before the next one is written... -->

几个字段各司其职：Standalone: yes是耦合契约的声明（prompts/目录必须为 yes）；When NOT to Use要求写明适用不了的场景而非"去用别的文件"——这条被项目称为"隐藏课程"的一部分。完整写作规范见 SUBMISSIONS-GUIDE.md。