Prompt Preflight – 在AI代理提示浪費令牌之前捕捉模糊請求

Prompt Preflight 是一個開源的本地工具，旨在解決 AI 代理使用中的一個常見問題：模糊的提示導致昂貴的重試循環。當用户給出不具體的請求時，模型可能會產生錯誤的輸出，用户糾正後模型需要重新讀取整個對話上下文，從而浪費大量令牌。Prompt Preflight 通過在模型運行前進行輕量級檢查來避免這種情況。

它的工作方式是：當用户提交提示時，Prompt Preflight 會在本地使用確定性 Python 規則分析三個要素：意圖（用户想要做什麼）、模糊性（哪些關鍵細節缺失）以及影響（錯誤解釋的成本）。只有當提示具體可行且模糊性和影響超過配置閾值時，它才會介入。介入時，它會提供用户原始提示的反饋、一個領域感知的強提示示例，以及最多三個有針對性的問題來填補最關鍵的空白。明確或對話式的後續提示則直接通過，無需干預。

該工具支持多種領域，包括軟件構建與更改、錯誤修復、優化、部署與遷移，以及圖像生成。對於未識別的領域，它會保守地使用通用反饋，而不是錯誤地應用軟件特定的問題。用户可以通過配置文件（.prompt-preflight.json）調整閾值、模式（阻止或提示）以及最大問題數量，還可以使用 [preflight:skip] 繞過單次檢查。

Prompt Preflight 的隱私和安全性是其亮點：所有分析都在本地進行，不發送數據到服務器，不存儲歷史記錄，不需要 API 密鑰，也不調用任何外部模型。這使得它非常適合處理敏感代碼庫。

項目附帶了一個包含100個故意模糊提示的基準測試，用於評估檢測能力。在當前默認閾值下，它能阻止98個軟件相關模糊提示和全部10個圖像生成提示。兩個漏報案例（"Fix the flaky tests" 和 "Generate more tests"）被用作校準機會，幫助維護者優化規則。

安裝到 Codex 的步驟包括運行自動安裝腳本，該腳本將插件複製到用户目錄並更新個人市場。用户也可以單獨使用 CLI 進行測試。項目還提供了 GitHub Actions 工作流，可在推送和拉取請求時自動運行基準測試。

未來路線圖包括添加令牌節省的遙測、更多領域配置文件、用户定義規則以及支持 Claude Code 等其他代理。Prompt Preflight 目前處於早期階段，但已展示了減少 AI 代理成本和提高輸出質量的巨大潛力。