核心用法
RePrompter 是一款专业的提示词工程工具，提供两种工作模式：
单提示模式：通过智能面试流程（最多5个问题），将粗糙的自然语言需求转化为结构化 XML/Markdown 提示词，并输出质量评分（前后对比）。适用于 Feature、Bugfix、Refactor、Testing、API、UI、Security、Docs、Content、Research 等12种任务类型。
Repromptception 多智能体模式：专为复杂任务设计，将原始需求拆解为2-5个独立智能体，为每个智能体生成专属结构化提示词，通过 tmux Agent Teams 并行执行，最终整合输出。
显著优点
1. 结构化输出：强制8个核心XML标签（role/context/task/motivation/requirements/constraints/output_format/success_criteria），消除模糊性
2. 质量量化：6维度评分体系（Clarity/Specificity/Structure/Constraints/Verifiability/Decomposition），提供前后对比数据
3. 智能检测：自动识别技术栈（package.json/tsconfig.json等），自动判定任务复杂度并推荐执行模式
4. 上下文工程：避免重复已加载的 CLAUDE.md/MCP 工具上下文，仅补充缺失信息
5. 闭环优化：支持执行后评估，分数不达标自动触发重试（单模式<7分/多智能体<8分）
6. 实战验证：v7.0 测试显示，Repromptception 相比原始智能体团队，关键发现数量提升100%，总发现数提升160%
潜在局限
1. 环境依赖：Repromptception 模式需 Claude Code + tmux + CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS=1 实验性标志，部分环境无法使用
2. 成本考量：多智能体模式2-4个agent成本约$1-4，加上重试可能达$10+，需评估ROI
3. 时间开销：完整 Repromptception 流程约8-15分钟，不适合需要秒级响应的场景
4. 评分主观性：质量分数为自评估，非绝对标准
5. 模型限制：智能体队友默认使用 Haiku，必须显式指定 --model opus 才能获得最佳效果
适合人群
- 需要频繁编写复杂提示词的 AI 工程师、产品经理
- 处理跨系统任务（前端+后端、API+数据库、基础设施+应用）的技术负责人
- 追求提示词质量可量化、可复现的专业用户
- 愿意投入时间换取输出质量提升的场景（审计、安全评估、深度研究）
常规风险
| 风险 | 说明 | 缓解措施 |
|------|------|---------|
| 智能体失控 | Agent Teams 实验性功能可能产生意外行为 | 严格遵循 POLLING RULES，限制 TaskList 调用次数≤20 |
| 文件冲突 | 多智能体写入同一文件 | 强制每个agent写入独立文件 `/tmp/rpt-{taskname}-{domain}.md` || 幻觉路径 | 智能体编造文件路径或行号 | 要求 Phase 4 验证所有路径，使用 delta prompt 重试 |
| Token 溢出 | 复杂任务可能超出上下文窗口 | 单模式保持<2K tokens，多智能体每agent<1K tokens |
| 会话碰撞 | 并发任务命名冲突 | 使用唯一 taskname，基于时间戳或随机字符串 |