prompt-master: eine Claude-Skill, die Prompts für fremde Werkzeuge schreibt
A Claude skill that writes the accurate prompts for any AI tool. Zero tokens or credits wasted. Full context and memory retention
Auf einen Blick
- Was ist das?
- prompt-master ist eine Claude-Skill mit MIT-Lizenz, die aus einer vagen Anfrage einen fertigen Prompt für ein anderes KI-Werkzeug baut. Die README beschreibt eine achtstufige Pipeline, liefert aber keine Tests, keine Versionsnummern und keine Belege zur Token-Ersparnis.
- Für wen ist es gedacht?
- Sinnvoll ist prompt-master für Leute, die regelmäßig Prompts für wechselnde Werkzeuge schreiben und dabei eine feste Struktur vermissen: die Pipeline aus Intenterfassung, Framework-Auswahl und Kürzung ist genau dafür gedacht. Wer einen einzelnen Chatbot mit einem stabilen Prompt-Schema betreibt, braucht die Skill nicht, und für Teams, die Prompts versionieren und im CI prüfen wollen, ist sie das falsche Werkzeug, weil sie nur in Claude läuft und keinen Export liefert.
- Darf ich es kommerziell nutzen?
- Ja. MIT ist eine freizügige Lizenz: Sie dürfen darauf aufbauende Software nutzen, verändern und verkaufen, solange Sie die Urheberrechts- und Lizenzhinweise beibehalten.
- Wird es noch gepflegt?
- Ja. Die letzten Commits kamen vor 23 Tagen.
- In welcher Sprache ist es geschrieben?
- GitHub gibt für dieses Repository keine Hauptsprache an.
Die Antworten beruhen auf den GitHub-Daten des Projekts (zuletzt abgeglichen am 15. September 2026) und auf unserer Analyse. Sie sind keine Rechtsberatung.
TIEFGEHENDE OPEN-SOURCE-ANALYSE
Das Problem: vier Versuche für eine Antwort, die beim ersten Mal hätte kommen sollen
Die README beschreibt einen Ablauf, den wohl jeder kennt, der täglich mit Sprachmodellen arbeitet: ungenauer Prompt, falsche Ausgabe, Nachbesserung, noch eine Nachbesserung, und erst beim vierten Versuch passt das Ergebnis. Der Autor rechnet das vor: drei verschwendete API-Aufrufe pro Prompt, multipliziert mit fünfzig Prompts am Tag. Die Rechnung ist grob, aber die Richtung stimmt. Jeder Nachbesserungsversuch kostet Kontext, Zeit und bei bezahlten Modellen Geld.
Die Zielgruppe sind demnach Menschen, die Prompts nicht für ein einziges Modell schreiben, sondern für viele. Die README nennt Claude, ChatGPT, Codex, Grok, Gemini, Cursor, Claude Code, GitHub Copilot, Windsurf, Bolt, v0, Lovable, Devin, Perplexity, Midjourney, DALL-E, Stable Diffusion, ComfyUI, Sora, Runway, ElevenLabs, Zapier und Make. Das ist keine Unterstützungsliste im technischen Sinn, sondern eine Aufzählung von Zielsystemen, für die die Skill jeweils eine andere Prompt-Form wählen soll. Wer nur einen Chatbot nutzt und dort immer gleich fragt, gehört nicht zur Zielgruppe.
Acht Schritte vom Wunsch zum kopierbaren Block
Die README beschreibt die Verarbeitung als Pipeline mit acht Stufen. Zuerst erkennt die Skill das Zielwerkzeug und wählt still den passenden Ansatz. Danach zieht sie neun Dimensionen aus der Anfrage: Aufgabe, Eingabe, Ausgabe, Einschränkungen, Kontext, Publikum, Gedächtnis, Erfolgskriterien und Beispiele. Fehlt etwas Kritisches, stellt sie höchstens drei Rückfragen, nie mehr. Anschließend wählt sie ein Prompt-Muster und wendet es an, ohne es dem Nutzer zu zeigen.
Die eingesetzten Techniken benennt die README konkret: Rollenzuweisung, Few-Shot-Beispiele, XML-Struktur, Grounding-Anker und ein Gedächtnisblock. Danach folgt ein Schritt, der in Prompt-Generatoren selten vorkommt: die Skill prüft die Aktualität von Modellen und Steuerelementen gegen offizielle Anbieterdokumentation, wenn die Anfrage von "latest" abhängt. Zum Schluss läuft eine Token-Prüfung, die jedes Wort entfernt, das die Ausgabe nicht verändert, und die Skill liefert einen Block plus eine einzeilige Strategienotiz.
Was die README nicht zeigt, ist der eigentliche Ausführungsteil. Ob die Framework-Auswahl als Tabelle, als Regelwerk oder als Entscheidungsbaum in der Skill-Datei liegt, geht aus dem Text nicht hervor. Wer die Skill anpassen will, muss das Repository lesen, nicht die README.
Zwei Beispiele zeigen, wie unterschiedlich die Ausgabe ausfällt
Das erste Beispiel ist ein Midjourney-Prompt für einen Samurai im Regen. Die Ausgabe ist eine kommagetrennte Deskriptorkette mit Licht- und Stimmungsangaben, dazu --ar 16:9, --v 6, --style raw und ein Negativ-Prompt gegen Stilabweichung. Die beigefügte Notiz nennt als Muster "Visual Descriptor" und schätzt die Länge auf etwa 60 Token.
Das zweite Beispiel ist deutlich aufschlussreicher. Aus der Anfrage nach einer Landingpage für ein Business-Dashboard im Notion-Stil wird ein Prompt mit Abschnitten für Objective, Stack, Design Spec, Sections, Animations, Constraints und Done When. Die Design Spec nennt Hex-Werte für Hintergrund, Text, Rahmen und Akzent, Schrift Inter in vier Schnittstärken, eine Basiseinheit von 8px, Radius 6px auf Karten und 4px auf Buttons sowie einen einzigen Schattenwert. Die Animationsvorgaben sind ebenso konkret: IntersectionObserver mit Schwellwert 0.15, 500ms ease-out, 100ms Versatz zwischen den Feature-Karten, Navbar-Rahmen ab 60px Scrolltiefe. Unter Constraints steht unter anderem, dass alles in einer Datei liegt und Platzhalterbilder durch graue Divs ersetzt werden.
Bemerkenswert ist, was der Prompt nicht enthält. Kein "schön" und kein "modern", dafür Farbwerte, Schwellwerte und Millisekunden. Genau das ist der Unterschied zu einem Prompt-Generator, der Adjektive sammelt. Die README formuliert die Haltung so: "The best prompt is not the longest. It's the one where every word is load-bearing." Das ist ein Satz aus der Projektbeschreibung, keine belegte Messung.
Installation: Browser-Upload oder Klon in das Skill-Verzeichnis
Die README empfiehlt den Browser-Weg. Man lädt das Repository als ZIP herunter und geht in claude.ai über die Seitenleiste zu Customize, dann Skills, dann Upload a Skill. Der zweite Weg ist ein Klon direkt in das Skill-Verzeichnis von Claude Code:
mkdir -p ~/.claude/skills git clone https://github.com/nidhinjs/prompt-master.git ~/.claude/skills/prompt-master
Die README markiert diesen zweiten Weg ausdrücklich als "Not Suggested", ohne den Grund zu nennen. Denkbar ist, dass der Browser-Upload für die meisten Nutzer weniger Angriffsfläche bietet, weil kein Verzeichnis im Home-Verzeichnis angelegt wird. Belegt ist das nicht.
Aufgerufen wird die Skill auf zwei Wegen. Entweder natürlichsprachig, etwa "Write me a prompt for Cursor to refactor my auth module" oder "Here's a bad prompt I wrote for GPT-4o, fix it", oder explizit über /prompt-master gefolgt von der Anfrage. Die README zeigt auch einen Fall mit Referenzbild, bei dem nur der Kopfwinkel geändert werden soll, und einen Fall, in dem ein bestehender Prompt für Stable Diffusion umgebaut wird.
Nicht in der README: welche Claude-Tarife Skills unterstützen, ob die Skill über die API nutzbar ist, und ob der Browser-Upload dieselben Dateien liest wie der Klon. Drei Fragen, die man vor einem Rollout klären sollte.
Wo die Skill an ihre Grenzen stößt
Der wichtigste Vorbehalt steht in der README selbst, nur indirekt. Die Skill läuft in Claude. Wer mit Cursor, Copilot oder v0 arbeitet, bekommt von prompt-master einen Text, den er woanders einfügt. Das ist ein manueller Schritt, und bei jedem Schritt von Hand sinkt die Wahrscheinlichkeit, dass eine Vorgabe wie der Gedächtnisblock tatsächlich gepflegt wird.
Zweitens hängt die Qualität an der Zielsystem-Erkennung. Die README listet über zwanzig Werkzeuge, darunter Bildgeneratoren, Videowerkzeuge, Sprachsynthese und Automatisierungsplattformen. Für Midjourney und Claude Code zeigt sie je ein Beispiel. Ob die Ausgabe für ElevenLabs oder Make genauso brauchbar ist, lässt sich aus dem Material nicht ableiten. Man sollte die Liste als Anspruch lesen, nicht als geprüfte Abdeckung.
Drittens die Token-Prüfung. Sie entfernt Wörter, die die Ausgabe angeblich nicht verändern. Das ist eine Heuristik, und bei Prompts mit mehrdeutigen Anforderungen kann Kürzen die Bedeutung verschieben. Die README behauptet "Zero tokens or credits wasted", liefert aber keinen Vergleich zwischen einem Prompt mit und ohne die Skill. Solche Zahlen fehlen im Repository, soweit die README erkennen lässt.
Viertens: Für Teams, die Prompts als versionierte Artefakte im Repository halten und in einer CI-Pipeline gegen ein Testset laufen lassen, ist prompt-master das falsche Werkzeug. Es erzeugt Text in einer Chat-Sitzung, nicht eine Datei in einem definierten Format.
Was eine Alternative anders macht
Der naheliegende Vergleich ist ein Prompt-Generator, der als Webanwendung läuft und für jedes Modell eine Vorlage bereithält. Der Unterschied liegt nicht in der Ausgabequalität, sondern im Ausführungsort. Ein Web-Generator läuft unabhängig vom Chatfenster, arbeitet also auch dann, wenn man gerade in Cursor sitzt, und liefert oft eine Vorlagenbibliothek, die man durchsucht statt sie zu beschreiben. Er sieht dafür den Gesprächskontext nicht, in dem die Anfrage entstanden ist.
prompt-master geht den umgekehrten Weg. Die Skill lebt im selben Kontext wie die Aufgabe. Wenn man in Claude gerade über ein Auth-Modul spricht und dann einen Cursor-Prompt verlangt, kann die Skill den vorherigen Verlauf als Kontext nutzen. Genau dafür ist der Gedächtnisblock in der Technikliste gedacht. Der Preis: Die Skill funktioniert nur dort, wo Claude läuft, und sie ist an das Verhalten des Modells gebunden, das sie ausführt.
Eine zweite Alternative sind feste, selbst geschriebene Prompt-Vorlagen im Repository. Sie sind reproduzierbar, diffbar und im Code-Review prüfbar. prompt-master ist schneller beim ersten Entwurf, aber ein Prompt aus einer Chat-Sitzung lässt sich nicht ohne Weiteres mit dem von gestern vergleichen. Wer Reproduzierbarkeit braucht, gewinnt mit Vorlagen mehr als mit einer Skill, die bei jedem Aufruf neu formuliert.
Pflege, Lizenz und was vor der Übernahme zu klären ist
Das Repository steht unter MIT. Das erlaubt kommerzielle Nutzung, Veränderung und Weitergabe, solange der Urheberrechtshinweis und der Lizenztext erhalten bleiben. Für eine Skill, die im Wesentlichen aus Anweisungstext besteht, ist das die passende Wahl. Wer die Skill anpasst und intern verteilt, muss den Hinweis mitführen. Das ist eine allgemeine Einordnung, keine Rechtsberatung.
Zum Wartungsaufwand gibt die README einen indirekten Hinweis. Schritt 6 der Pipeline prüft Modelle und Steuerelemente gegen offizielle Anbieterdokumentation, wenn die Anfrage von "latest" abhängt. Diese Prüfung läuft zur Laufzeit. Die Skill selbst altert trotzdem, weil sich Prompt-Muster und Werkzeugoberflächen ändern. Im Repository sind keine Releases aufgeführt, und der letzte Push liegt laut Metadaten auf dem 24.08.2026. Ob an der Skill aktiv gearbeitet wird, lässt sich daraus nicht ablesen. Wer sie in einen Team-Workflow einbaut, sollte die Skill-Dateien selbst versionieren und bei Änderungen an den Zielwerkzeugen nachziehen.
Konkret zu prüfen: ob die Zielversion des Modells in SKILL.md hinterlegt ist und wann sie zuletzt angepasst wurde; ob der Browser-Upload und der Klon nach ~/.claude/skills/prompt-master identische Dateien lesen; und ob die Token-Prüfung an eigenen Beispielen nachvollziehbar kürzt, statt Anforderungen zu entfernen.
Redaktionelles Fazit
Sinnvoll ist prompt-master für Leute, die regelmäßig Prompts für wechselnde Werkzeuge schreiben und dabei eine feste Struktur vermissen: die Pipeline aus Intenterfassung, Framework-Auswahl und Kürzung ist genau dafür gedacht. Wer einen einzelnen Chatbot mit einem stabilen Prompt-Schema betreibt, braucht die Skill nicht, und für Teams, die Prompts versionieren und im CI prüfen wollen, ist sie das falsche Werkzeug, weil sie nur in Claude läuft und keinen Export liefert. Prüft vor der Übernahme zuerst, ob die Zielversion des Modells in SKILL.md hinterlegt ist, ob die Skill im Browser-Upload dieselben Dateien liest wie der Klon nach ~/.claude/skills/prompt-master, und ob euer Claude-Tarif Skills überhaupt zulässt. Bleibt eine dieser drei Fragen offen, ist der Nutzen auf die eine Funktion beschränkt, die ohne Infrastruktur auskommt: eine vage Anfrage in einen kopierbaren Block zu verwandeln.
Community-Notizen