開發者經常面對大型程式碼庫要餵給 LLM 分析嘅痛點，手動挑選檔案、計算 token 數量、組織目錄結構，過程繁瑣又易漏野。code2prompt 就係一款 CLI 工具，專門解決呢個問題，將整個 codebase 自動轉換成單一 LLM 提示詞，包含源碼樹、提示模板同 token 計數。呢個工具特別適合 AI 輔助 coding、程式碼審查或 bug 偵測嘅開發者同團隊，能夠大幅縮短準備階段。
自動生成源碼樹同完整 codebase 提示
code2prompt 嘅核心價值在於一鍵掃描整個程式碼庫，生成包含目錄結構同檔案內容嘅單一提示詞。呢個過程唔單止列出所有檔案路徑同內容，仲會智能過濾如 .git、node_modules 等無關目錄，避免提示詞過長或無用資訊氾濫。開發者只需指定根目錄，即可得到 LLM 易讀嘅格式化輸出，適合直接 copy 貼上 ChatGPT 或 Claude 等模型。
比起手動組裝，呢種自動化大大減低錯誤率，尤其對中大型專案。工具內建 token 計數功能，能即時顯示總 token 數，幫用戶預測 LLM 輸入限制，避免超標。
多種提示模板自訂 LLM 輸入格式
工具提供彈性嘅提示模板系統，用戶可以自訂輸出格式，例如強調特定檔案類型、加入自訂指令如「分析呢個 codebase 嘅架構」或「找出潛在 bug」。呢個設計讓 code2prompt 唔止係轉換器，仲係 LLM 互動嘅橋樑，能根據唔同任務調整提示結構。
例如，你可以設定模板優先顯示 Python 檔案，或排除測試資料夾，確保提示詞精準對焦核心邏輯。呢種自訂能力喺同類工具中比較少見，特別適合有特定 AI 工作流嘅開發者。
跨平台安裝：Cargo、Homebrew 同 pip 支援
code2prompt 支援多種安裝途徑，Rust 用戶用 Cargo install，macOS 用家透過 Homebrew brew install，Python 開發者則用 pip 安裝 SDK。呢啲選項覆蓋唔同生態系統，無論你係 Rust 粉絲定 Python 愛好者，都能快速上手。
另外，GitHub 提供 binary releases 同 source build 選項，適合 Docker 或自訂環境。安裝後，CLI 指令簡單如 code2prompt /path/to/project，幾秒內就生成提示詞。
即時 token 計數優化 LLM 提示長度
LLM 提示詞長度係常見瓶頸，code2prompt 內建精準 token 計數器，能模擬目標模型（如 GPT-4）嘅 tokenizer，顯示總長度同估計成本。用戶可以透過旗標如 –max-tokens 自動截斷，確保輸出適合免費或付費模型限制。
呢個功能特別實用喺迭代測試時，你可以逐步調整過濾條件，監控 token 變化，直到完美平衡內容同長度。整體嚟講，code2prompt 將 codebase 轉 LLM 提示嘅流程，從小時級縮短到分鐘級。
產品名稱：code2prompt
官方網站：https://github.com/mufeedvh/code2prompt
