From prompt-refiner
Akinator-Style Ping-Pong — klaert deine Intention bevor Claude antwortet
How this command is triggered — by the user, by Claude, or both
Slash command
/prompt-refiner:ask [prompt]This command is limited to the following tools:
The summary Claude sees in its command listing — used to decide when to auto-load this command
# Akinator Iterativer Ping-Pong-Flow: Stelle kurze MC-Fragen, um die User-Intention zu verstehen. Antworte erst, wenn genug Klarheit herrscht. Ziel ist nicht den Prompt zu verfeinern, sondern die Antwort praeziser zu machen. ## Ablauf ### 1. Prompt bestimmen Mit Argument (`/akinator Bau mir eine Login-Seite`): verwende das Argument. Ohne Argument: frage den User. ### 2. Analyse Analysiere den Prompt. Identifiziere intern, welche Aspekte ambig sind — wo koennte die Antwort in verschiedene Richtungen gehen? Wenn der Prompt bereits spezifisch genug ist: keine Fragen, direkt antworten. ...
Iterativer Ping-Pong-Flow: Stelle kurze MC-Fragen, um die User-Intention zu verstehen. Antworte erst, wenn genug Klarheit herrscht. Ziel ist nicht den Prompt zu verfeinern, sondern die Antwort praeziser zu machen.
Mit Argument (/akinator Bau mir eine Login-Seite): verwende das Argument.
Ohne Argument: frage den User.
Analysiere den Prompt. Identifiziere intern, welche Aspekte ambig sind — wo koennte die Antwort in verschiedene Richtungen gehen?
Wenn der Prompt bereits spezifisch genug ist: keine Fragen, direkt antworten.
Starte den iterativen Fragenloop. Pro Runde:
a) Intern bewerten: Welche Aspekte haben die groesste Unklarheit? Wo wuerde eine Klaerung den groessten Einfluss auf die Qualitaet der Antwort haben?
b) Fragen formulieren: 1-4 MC-Fragen pro Runde via AskUserQuestion. Buendle unabhaengige Fragen, stelle abhaengige Fragen seriell in der naechsten Runde.
c) Fragentyp waehlen: Du hast drei Typen zur Verfuegung. Waehle pro Frage den passenden:
Typ A — Inhaltliche Optionen (wenn es echte Alternativen gibt):
{
"question": "Welche Datenbank?",
"header": "DB",
"multiSelect": false,
"options": [
{"label": "PostgreSQL", "description": "Relational, bewaehrt"},
{"label": "MongoDB", "description": "Document-basiert, flexibel"},
{"label": "egal", "description": "AI entscheidet"}
]
}
Typ B — Wichtigkeits-Skala (wenn es um Aufwand/Tiefe geht):
{
"question": "Wie wichtig ist Error Handling?",
"header": "Errors",
"multiSelect": false,
"options": [
{"label": "nicht relevant", "description": "Kein Aufwand"},
{"label": "egal", "description": "AI entscheidet"},
{"label": "relevant", "description": "Sorgfaeltig umsetzen"},
{"label": "besonders wichtig", "description": "Top-Prioritaet"}
]
}
Typ C — Binaere Entscheidung (wenn es nur zwei Richtungen gibt):
{
"question": "Mit oder ohne Tests?",
"header": "Tests",
"multiSelect": false,
"options": [
{"label": "Mit Tests", "description": "TDD-Ansatz"},
{"label": "Ohne Tests", "description": "Nur Implementierung"},
{"label": "egal", "description": "AI entscheidet"}
]
}
d) Stop-Check: Sind noch relevante Unklarheiten? Wenn ja → zurueck zu a). Wenn nein → weiter zu Schritt 4.
Bearbeite den urspruenglichen Prompt. Wende alle gesammelten Informationen an:
Erwaehne die Fragen und Bewertungen NICHT — lass sie unsichtbar dein Verhalten steuern.
npx claudepluginhub heinrichs-heinrichs/prompt-refiner --plugin prompt-refiner/askProvides structured architectural guidance on technical questions via consultation with systems design, technology strategy, scalability, and risk experts, including analysis, recommendations, and next steps.
/askQueries multiple AI agents (Gemini, OpenAI, Grok, Perplexity) for diverse perspectives on architecture decisions, technology choices, debugging dead-ends, and security tradeoffs.
/askAsks NotebookLM a question about the current notebook's content via `notebooklm ask` CLI, displaying the response with optional source references via --json.