prompt-manager

图1：Prompt Manager TUI 界面 — 树形导航 + Markdown 预览（来源：仓库 screenshot.png）

给 AI 编程工具装上「记忆宫殿」—— Prompt Manager 如何解决 prompt 遗忘症

深夜，一位独立开发者刚用 Claude Code 完成了一个棘手的数据库优化任务——他花了半小时设计了一段精妙的提示词，让 AI 精准地定位到了查询瓶颈并给出了完美的修复方案。然而一周后，当他面对另一个类似的性能问题时，那段"神级提示词"早已淹没在聊天记录里，怎么也想不起来当时是怎么写的了。

这样的场景正在无数开发者身上反复上演。当 Claude Code、Cursor、Codex 等 AI 编程工具逐渐成为日常，你是否也陷入了这种**"AI 用多了，prompt 却记不住"**的困境？

Prompt Manager 正是为解决这一痛点而生。它是一个开源的 TUI（终端用户界面）工具，专注于从各类 AI 编程工具的日志中自动解析、索引、检索你的所有 prompt 历史，让你在需要时一键找回那些曾经让你惊叹的"神 prompt"。

开源工具的二次创作：把日志变成资产

Prompt Manager 并非凭空诞生，它的出现本身就基于一个敏锐的观察：AI 编程工具在运行过程中会产生大量有价值的对话数据，但这些数据往往以专有格式散落在本地深处，普通用户几乎无法系统性地访问和复用它们。

开发者 n-WN 决定改变这一现状。他为 Claude Code、Cursor、Codex、Aider、Gemini CLI、Amp 等六款主流 AI 编程工具分别编写了专用的日志解析器，将它们各自不同的存储格式（JSONL、SQLite、Protobuf、Markdown）统一转换为结构化的 prompt 记录，存入本地 DuckDB 数据库。这种"一个工具读取所有来源"的设计思路，是 Prompt Manager 最核心的价值主张。

技术架构：解析器 + 数据库 + TUI 三层分离

Prompt Manager 的代码架构清晰高效，共分为三层：

数据解析层（parsers/） — 7 个独立解析器，分别处理不同工具的日志格式。例如 Claude Code 的 JSONL 文件、Cursor 的 SQLite + Protobuf 混合存储、Gemini CLI 的 JSON session 文件等。每个解析器都实现了统一的接口，返回结构化的 ParsedPrompt 数据对象。这种设计让新增对某款工具的支持变得非常容易——只需实现一个新的 Parser 类即可。

数据存储层（db.py + sync.py） — 使用 DuckDB 作为本地数据库。相比 SQLite，DuckDB 对大规模文本数据的分析和全文搜索效率更高。sync.py 负责增量同步，只处理新增或变更的日志文件，避免重复扫描。数据库文件默认存放在 ~/.prompt-manager/prompts.duckdb。

展示层（tui.py） — 基于 Textual 框架构建的终端 UI。相比传统的 CLI 工具，Textual 提供了更丰富的交互组件（树形导航、搜索框、分屏布局、Markdown 渲染等），用户体验显著提升。TUI 支持键盘快捷键快速切换视图、按来源筛选、分屏预览 prompt 和响应内容。

核心功能：从"找得到"到"用得上"

Prompt Manager 解决了 prompt 管理的三个层次需求：

找得到：通过 duckdb 的全文搜索能力，你可以在数千条 prompt 历史中用关键词快速检索。例如搜索"数据库索引"，系统会返回所有相关 prompt，并按时间/来源排序。

看得清：树形导航按「来源 → 项目 → 会话」三级组织数据，配合 Markdown 渲染预览完整的 prompt 和响应内容。相比在原始日志文件中翻找，体验提升巨大。

用得上：选中的 prompt 可以一键复制（c / y 快捷键），也可以"分叉"（fork）一个会话来继续之前的上下文。这意味着你可以把一个项目的成功经验无缝迁移到另一个项目。

上手体验：uv 用户只需一条命令

Prompt Manager 的安装门槛极低。如果已安装 uv，一条命令即可运行：

uvx git+https://github.com/n-WN/prompt-manager.git

或者作为本地工具安装：

uv tool install git+https://github.com/n-WN/prompt-manager.git
pm

安装后，系统会自动扫描常见路径下的日志文件（Claude Code 在 ~/.claude/projects/、Cursor 在 ~/.cursor/chats/、Aider 在 ~/.aider.chat.history.md 等），首次同步大约需要几秒钟到几分钟（取决于日志量），之后每次增量同步只需几秒。

局限与取舍

不支持 Web UI：项目明确表示"不会做 Web 版本"，因为它本质上是一个本地工具，直接读取本地文件系统，Web 化反而会增加复杂度。这限制了它的使用场景——必须通过终端访问，对于非 CLI 重度用户可能不够友好。

日志格式强依赖：解析器直接硬编码了各工具的日志路径和格式。如果某款工具更新了日志格式，Prompt Manager 需要及时更新解析器才能继续正常工作。项目的维护活跃度是一个需要注意的风险点。

数据完全本地：优点是隐私安全，缺点是没有云同步。如果你有多台机器，数据无法自动同步。

行业意义：AI 编程工具的"个人知识管理"赛道

Prompt Manager 的出现，折射出一个正在兴起的需求：随着 AI 编程工具的普及，用户开始希望系统性地管理和复用与 AI 的交互经验。这类工具的价值在于：AI 编程的核心竞争力往往不是模型本身，而是"如何使用模型"的技巧和经验。Prompt Manager 将散落在日志中的隐性经验显性化，让开发者能够主动积累和复用自己的 AI 使用方法论。

如果你重度使用 Claude Code、Cursor 或其他 AI 编程工具，Prompt Manager 是一个值得一试的效率工具——它不会改变你已有的工作流，但会让你的 prompt 积累真正变成可复用的资产。

本分析基于 GitHub 仓库源码（commit: 2026-01-22）、README 文档及项目架构综合生成。