开源一个 Prompt 和 Skill 管理工具：让 AI 资产不再散落各处

随着 AI 编程工具的普及，许多开发者同时使用 Claude Code、Cursor、Codex、Windsurf、Gemini CLI 等多个工具。每个工具都有独立的 Prompt 和 Skill 存储机制，久而久之，资产分散、版本混乱、迁移困难等问题接踵而至。一个 Prompt 改了多个版本后，到底哪一版是最新的？装了某个 Skill 后，过段时间想在新工具上复用，却发现找不到原始文件。换一台机器想把积累的资产迁移过去，更是耗时耗力。

从收藏夹到工作台的演进

为了解决这些痛点，一款名为 PromptHub 的开源工具应运而生。它最初只是想解决 Prompt 的管理问题，但随着使用深入，作者发现真正失控的不是某一句提示词，而是 Prompt、Skill、平台目录、安装方式、版本维护这一整套资产的组合管理。目前该项目已在 GitHub 获得 650+ Star，说明这个需求确实戳中了很多开发者的痛点。

为什么 Skill 需要单独处理

PromptHub 的定位经历了三次重要迭代。第一阶段，它只是一个基础的 Prompt 管理器，支持标题、描述、正文和分类管理，提供变量模板、历史版本保留和搜索收藏功能。但当工作流延伸到多个 AI 工具时，仅管理 Prompt 已经不够了——Skill 开始变成另一种更难收拾的混乱：目录散、来源散、版本散、平台散。于是工具逐步演变为一个本地优先的「Prompt + Skill 工作台」，不仅管理 Prompt，还单独处理 Skill 相关的资产管理问题。

Skill 与 Prompt 的本质区别

Prompt 更像一次输入，MCP 像工具入口，而 Skill 更像一个可迁移的能力包——它把指令、边界、资源和工作方式包在一起。当 Skill 开始在多个工具之间流动时，问题就升级了：它装在哪个工具、对应哪个 skills 目录、和本地资源脚本是什么关系、更新后如何维护。这些问题不是简单的收藏功能可以解决的，需要把 Skill 当成长期资产来管理，这也是 PromptHub 将 Skill 单独模块化处理的原因。

现在的 PromptHub 已经形成了一套完整的资产链路管理方案。在 Prompt 层，支持本地管理、变量模板、历史版本对比、搜索收藏；在 Skill 层，提供本地 Skill 扫描、文件结构预览、编辑查看和版本差异对比；在分发层，有 Skill 商店、多平台安装支持、复制和软链接两种模式；在资产沉淀层，支持本地存储、备份恢复和 WebDAV 同步。这套体系的定位已经从一个「收纳工具」变成了一张「资产台账」——不是问「我有多少 Prompt」，而是「我手里有哪些可复用的工作流部件，它们放在哪、装在哪、怎么延续」。

如有侵权，请联系删除。