访问Wikiprompt的三种方式：批量数据集、搜索API和MCP

moderation 访问Wikiprompt的三种方式：批量数据集、搜索API和MCP

Wikiprompt现在有超过55,000个精选AI提示词，背后有三扇不同的门，选错门是浪费一个下午最快的方式。如果你写一个爬虫循环请求/search来在本地重建整个目录，你最终会被限流，而且你只是重新发明了我们已经为你构建的东西。如果你仅仅为了在聊天代理中处理一个请求时回答一个问题而下载整个数据集，那你就是下载了55,000条记录来回答一个只需要三条记录的问题。

正确的选择完全取决于你问题的形态：你是需要所有数据，还是需要一个问题的答案，或者需要一个语言模型可以自行调用的工具。以下是如何将三种集成路径对应到这三种需求。

路径1：批量数据集，当你需要整个目录时

当你需要基于提示词数据做训练、构建自己的搜索索引、对整个语料库进行分析，或者将目录镜像到自己的数据库时，使用这种方式。这是“下载一次，拥有数据”的选项。

从数据集清单开始。它返回JSON，包含total_prompts、你将获得的record_fields以及分页方案，这样你可以在拉取任何数据之前检查数据结构是否合理。

实际记录位于/dataset/prompts。分页基于键集：每个响应包含一个next URL，你持续跟进直到next返回null。页面大小默认为200，最大为500：

curl "https://www.wikiprompt.org/dataset/prompts?limit=500"

一个用Python编写的最小分页循环如下：

import requests

url = "https://www.wikiprompt.org/dataset/prompts?limit=500"

records = []

while url:

resp = requests.get(url).json()

records.extend(resp["results"])

url = resp.get("next")

print(len(records), "prompts pulled")

每条记录包含slug、url、title、description、content（实际提示词文本）、category、tags、media、model、结构化的metadata（媒体类型、宽高比、风格、质量评估）、author、original_source和时间戳。无需API密钥，CORS完全开放，响应经过边缘缓存，因此完整拉取速度很快，不会给我们的服务器带来实际负载。

代价是新鲜度。批量拉取是快照。如果你需要五分钟前目录的状态，这不是正确的工具，你应该选择接下来两种方式之一。

路径2：搜索API，当你需要精准答案时

当你的集成每次请求只需要少量提示词时使用这种方式，例如“每日提示词”小部件、回答“帮我找一个logo提示词”的Slack机器人，或者在你的产品中展示相关提示词的功能。为此下载整个数据集是浪费带宽和维护成本（你还需要不断重新同步）。

端点是https://www.wikiprompt.org/api/search?q=YOURQUERY，纯JSON，无需认证。查询logo提示词的示例：

curl "https://www.wikiprompt.org/api/search?q=logo"

这是对当前目录的实时查询，因此一小时前发布的提示词会立即出现，不像你上周拉取的数据集快照。这对双方都很轻量：你获得少量匹配结果，而不是在客户端解析数千条记录来找到那两条重要的。如果你的集成是请求驱动的（用户输入内容，你需要返回结果），这几乎总是最合适的选择。

路径3：MCP服务器，当调用方是AI代理时

当Claude或其他支持MCP的代理需要在对话过程中浏览或拉取Wikiprompt时使用这种方式，而不是作为你编写和控制的的后台任务。MCP服务器将提示词发现暴露为工具，代理根据用户实际提出的问题，在对话过程中自行决定调用这些工具。

将MCP客户端指向https://mcp.wikiprompt.org/mcp（Streamable HTTP），代理将获得search_prompts、get_prompt、list_categories、get_featured、get_trending和random_prompt等工具，以及use_prompt(slug)提示词模板。从CLI使用：

claude mcp add --transport http wikiprompt https://mcp.wikiprompt.org/mcp

连接后，构建角色设计的代理可以调用search_prompts获取灵感，并拉取类似这个神秘流浪者角色设计的内容，而无需你编写一行集成代码。数据集和搜索API都需要你编写调用代码并决定何时调用。MCP则相反：代理在需要时自行决定调用哪个工具以及使用什么参数。这就是为代理构建而不是为脚本构建的全部意义。

如何选择

一个粗略的经验法则：批量数据集用于批量处理，搜索API用于从你自己的后端进行一次性查询，MCP用于AI代理决定获取什么内容的场景。一些具体案例：

它们并不互斥。一个产品可以每周拉取一次批量数据集来驱动自己的推荐功能，对/api/search暴露实时搜索框，并单独注册MCP服务器，使其AI功能可以直接浏览当前目录。选择其中一种不会阻止你使用其他方式。

无论你使用哪种方式，内容都来自真实用户的公开帖子聚合，而非授权内容，所以请遵守规则：注明wikiprompt.org，并针对每条记录注明提示词实际来源的original_source。如果你想在写代码之前更仔细地了解记录的完整描述，可以先浏览几个实时页面，机器人变形蓝图和数据物理化概念都展示了上述三种路径返回的字段。

有关上述所有内容的紧凑机器可读摘要，llms.txt提供了简短版本。对于不确定从哪里开始的人，答案通常是：如果你不确定，从搜索API开始，它是最低承诺且测试最快的。