English | 中文
官网 | 在线优化器 | 提示词库 | 文档站 | 首次使用教程 | Chrome插件 | 💖赞助支持
开发文档 | Vercel部署指南 | Cloudflare部署指南 | MCP部署使用说明 | DeepWiki文档 | ZRead文档
Prompt Optimizer是一个强大的AI提示词优化工具,帮助你编写更好的AI提示词,提升AI输出质量。支持Web应用、桌面应用、Chrome插件和Docker部署四种使用方式。
提示词可以来自手写、模板、本地导入,也可以来自 Prompt Garden 提示词库 这样的来源。Prompt Optimizer 负责把这些提示词继续优化、测试、评估,并沉淀为可复用的提示词资产。
1. 提示词优化:让输出更清晰、更有条理
补充任务目标、约束和输出结构,在同一模型下并排对比优化前后,直观看到内容组织和重点表达的变化。
2. 变量模板:一次优化,多次复用
把可变信息提取为变量,复用同一套指令与约束;并排对比优化前后,查看回复是否更简洁、更符合要求。
3. 竞技场:同一道题对比多个模型
将同一提示词交给多个模型,并排比较输出效果、风格和指令遵循,选择更适合当前任务的模型。
- 🎯 智能优化:一键优化提示词,支持多轮迭代改进,提升AI回复准确度
- 📝 多种优化模式:支持系统提示词、用户提示词、变量模板和多消息上下文
- ⚖️ 竞技场对比:同一题面比较不同模型,或调整各列参数对比效果
- 🔄 分析与对比评估:支持分析、单结果评估和多结果对比评估,帮助判断提示词是否真的改进
- 🤖 多模型集成:支持OpenAI、Gemini、DeepSeek、Grok、智谱AI、SiliconFlow、MiniMax等主流AI模型
- 🖼️ 图像生成:支持文生图(T2I)、图生图(I2I)和多图生图,集成Gemini、Seedream、Grok等图像模型
- 🌱 提示词来源:可从手写、模板、本地导入或提示词库导入码开始
- ⭐ 智能收藏:资源感知的提示词资产,支持版本历史、可复现示例、媒体支持、来源绑定和工作区应用
- 📊 高级测试模式:上下文变量管理、多轮会话测试、工具调用(Function Calling)支持
- 🔒 安全架构:应用数据默认保存在本地,模型请求发送至你配置的服务
- 📱 多端支持:同时提供Web应用、桌面应用、Chrome插件和Docker部署四种使用方式
- 🔐 访问控制:支持密码保护功能,保障部署安全
- 🧩 MCP协议支持:支持Model Context Protocol (MCP) 协议,可与Claude Desktop等MCP兼容应用集成
- 🖼️ 文生图(T2I):通过文本提示词生成图像
- 🎨 图生图(I2I):基于本地图片进行图像变换和优化
- 🖼️ 多图生图:使用多张输入图共同约束主体关系、顺序语义与最终生成目标
- 🔌 多模型支持:集成Gemini、Seedream、Grok等主流图像生成模型
- ⚙️ 模型参数:支持各模型特有参数配置(如尺寸、风格等)
- 📥 预览与下载:实时预览生成结果,支持下载保存
- 🔄 风格迁移:从参考图中学习风格、构图和色彩
- 🌱 可选提示词来源:从手写、模板、本地文件或 Prompt Garden 提示词库 带入提示词
- 📥 导入与收藏:在有来源信息时,连同元数据、媒体、示例和来源绑定一起保存
- ⭐ 资源感知资产:把稳定提示词保存为可复用收藏,支持版本历史
- 🔗 来源绑定:追踪提示词来源并维护可复现示例,但不依赖某一种来源
- 📦 完整备份:导出和导入收藏及其所有引用资源
- 📊 上下文变量管理:自定义变量、批量替换、变量预览
- 💬 多轮会话测试:模拟真实对话场景,测试提示词在多轮交互中的表现
- 🛠️ 工具调用支持:Function Calling集成,支持OpenAI和Gemini工具调用
- 🔍 分析与评估链路:在文本模式下支持分析、评估、对比评估和基于评估的智能改写
直接访问:https://prompt.always200.com
第一次使用需要先在 模型管理 中接入一个可用的文本模型,再运行优化。按首次使用教程可从配置走到复制结果。
应用数据默认保存在浏览器本地,优化和测试时会将提示词发送至你配置的模型服务。
方式1:一键部署到自己的Vercel(方便,但后续无法自动更新):
方式2: Fork项目后在Vercel中导入(推荐,但需参考部署文档进行手动设置):
- 先Fork项目到自己的GitHub
- 然后在Vercel中导入该项目
- 可跟踪源项目更新,便于同步最新功能和修复
- 配置环境变量:
ACCESS_PASSWORD:设置访问密码,启用访问限制VITE_OPENAI_API_KEY等:仅用于私有部署的可选模型配置。公开前端部署不要预置 API 密钥,因为VITE_*值会暴露在浏览器资源中。
更多详细的部署步骤和注意事项,请查看:
公开仓库用户优先使用 Deploy to Cloudflare 按钮,它会在你的 GitHub/GitLab 账号下创建仓库并用 Workers Builds 部署。需要私有仓库或更严格的仓库权限控制时,再手动导入自己的仓库;保持默认部署命令,如果 Cloudflare 自动填入 pnpm run build,请清空构建命令,因为 wrangler.jsonc 会构建 Web 前端并把 packages/web/dist 发布为静态资源。
Cloudflare 上的访问控制和访问分析建议分别使用 Cloudflare Access 和 Cloudflare Web Analytics,在 Cloudflare 控制台配置即可,不需要安装前端依赖或修改应用代码。
从 GitHub Releases 下载对应平台的桌面版。Windows 可用 .exe 安装程序,macOS 可用 .dmg 磁盘镜像,Linux 可用 .AppImage。有 .zip 压缩包时,也可以解压后直接运行。
桌面版可连接 Ollama 等本地模型,以及限制浏览器跨域访问的模型服务。Windows 安装版和 Linux AppImage 支持应用内更新。macOS 版可检查更新,新版本需从 GitHub Releases 下载并安装。
- 从Chrome商店安装(由于审批较慢,可能不是最新的):Chrome商店地址
- 点击图标即可打开提示词优化器
点击查看 Docker 部署命令
设置 ACCESS_PASSWORD 可保护 Web 界面。ACCESS_USERNAME 可选,默认为 admin。
# 运行容器(默认配置)
docker run -d -p 8081:80 --restart unless-stopped --name prompt-optimizer linshen/prompt-optimizer
# 运行容器(配置API密钥和访问密码)
docker run -d -p 8081:80 \
-e VITE_OPENAI_API_KEY=your_key \
-e ACCESS_USERNAME=your_username \
-e ACCESS_PASSWORD=your_password \
--restart unless-stopped \
--name prompt-optimizer \
linshen/prompt-optimizer国内镜像: 如果Docker Hub访问较慢,可以将上述命令中的
linshen/prompt-optimizer替换为registry.cn-guangzhou.aliyuncs.com/prompt-optimizer/prompt-optimizer
点击查看 Docker Compose 部署步骤
# 1. 克隆仓库
git clone https://github.com/linshenkx/prompt-optimizer.git
cd prompt-optimizer
# 2. 复制模板,在 .env 中设置自己的 ACCESS_PASSWORD 和所需的模型 API 密钥
cp env.local.example .env
# 3. 启动服务
docker compose --env-file .env -f docker/docker-compose.yml up -d
# 4. 查看日志
docker compose --env-file .env -f docker/docker-compose.yml logs -f仓库自带的 Compose 配置使用 http://localhost:28081 访问 Web 界面,MCP 地址为 http://localhost:28081/mcp。如需更改宿主机端口或传入容器的环境变量,可编辑 Compose 配置。
点击查看 MCP Server 使用说明
Prompt Optimizer 现在支持 Model Context Protocol (MCP) 协议,可以与 Claude Desktop 等支持 MCP 的 AI 应用集成。
当通过 Docker 运行时,MCP Server 会自动启动,并可通过 http://ip:port/mcp 访问。
MCP Server 需要配置 API 密钥才能正常工作。主要的 MCP 专属配置:
# MCP 服务器配置
MCP_DEFAULT_MODEL_PROVIDER=openai # 可选值:openai, gemini, anthropic, deepseek, grok, siliconflow, zhipu, dashscope, openrouter, modelscope, custom
MCP_LOG_LEVEL=info # 日志级别在 Docker 环境中,MCP Server 会与 Web 应用一起运行,您可以通过 Web 应用的相同端口访问 MCP 服务,路径为 /mcp。
例如,如果您将容器的 80 端口映射到主机的 8081 端口:
docker run -d -p 8081:80 \
-e VITE_OPENAI_API_KEY=your-openai-key \
-e MCP_DEFAULT_MODEL_PROVIDER=openai \
--name prompt-optimizer \
linshen/prompt-optimizer那么 MCP Server 将可以通过 http://localhost:8081/mcp 访问。
支持 Streamable HTTP 的客户端可直接使用该地址。Claude Desktop 本地接入请参阅 stdio 配置。
- optimize-user-prompt: 优化用户提示词以提高 LLM 性能
- optimize-system-prompt: 优化系统提示词以提高 LLM 性能
- iterate-prompt: 对已经成熟/完善的提示词进行定向迭代优化
更多详细信息,请查看 MCP 服务器用户指南。
点击查看API密钥配置方法
- 在顶部打开 模型管理。
- 在 文本模型 标签中点击 添加,选择提供商,填写 API 密钥,再选择账号可用的模型。
- 点击 测试连接,通过后点击 创建。
在模型管理的 高级参数 中设置连接默认值。要调整某次测试,可在该列的模型下拉框中修改可用参数。详见模型选择与参数。
Docker部署时通过 -e 参数配置环境变量:
-e VITE_OPENAI_API_KEY=your_key
-e VITE_GEMINI_API_KEY=your_key
-e VITE_DEEPSEEK_API_KEY=your_key
-e VITE_GROK_API_KEY=your_key
-e VITE_ZHIPU_API_KEY=your_key
-e VITE_SILICONFLOW_API_KEY=your_key
# 多自定义模型配置(支持无限数量)
-e VITE_CUSTOM_API_KEY_ollama=dummy_key
-e VITE_CUSTOM_API_BASE_URL_ollama=http://localhost:11434/v1
-e VITE_CUSTOM_API_MODEL_ollama=qwen2.5:7b📖 详细配置指南: 查看 多自定义模型配置文档 了解完整的配置方法和高级用法
使用 Node.js 24(24.22.1 或更高的 24.x 版本)和 pnpm 10.6.1。详见开发文档。
点击查看本地开发命令
# 1. 克隆项目
git clone https://github.com/linshenkx/prompt-optimizer.git
cd prompt-optimizer
# 2. 安装依赖
pnpm install
# 3. 启动开发服务
pnpm dev # 主开发命令:构建 core/ui 并运行 web 应用
pnpm dev:fresh # 完整重置并重新启动开发环境- 基础功能开发
- Web应用发布
- Chrome插件发布
- 国际化支持
- 支持系统提示词优化和用户提示词优化
- 桌面应用发布
- MCP服务发布
- 高级模式:变量管理、上下文测试、工具调用
- 图像生成:文生图(T2I)和图生图(I2I)支持
- 提示词收藏和模板管理
- 支持工作区/项目管理
详细的项目状态可查看 项目状态文档
- 文档索引 - 所有文档的索引
- 技术开发指南 - 技术栈和开发规范
- LLM参数配置指南 - 高级LLM参数配置详细说明
- 项目结构 - 详细的项目结构说明
- 项目状态 - 当前进度和计划
- 产品需求 - 产品需求文档
- Vercel部署指南 - Vercel部署详细说明
- Cloudflare部署指南 - 在 Cloudflare Workers / Pages 上部署 Web 前端
点击查看常见问题解答
A: 大多数连接失败是由跨域问题(CORS)导致的。由于本项目是纯前端应用,浏览器出于安全考虑会阻止直接访问不同源的API服务。模型服务如未正确配置CORS策略,会拒绝来自浏览器的直接请求。
A: Ollama完全支持OpenAI标准接口,只需配置正确的跨域策略:
- 设置环境变量
OLLAMA_ORIGINS=*允许任意来源的请求 - 如仍有问题,设置
OLLAMA_HOST=0.0.0.0:11434监听任意IP地址
A: 这些平台通常有严格的跨域限制,推荐以下解决方案:
-
使用桌面版应用(最推荐)
- 桌面应用作为原生应用,完全没有跨域限制
- 可以直接连接任何API服务,包括本地部署的模型
- 提供最完整、最稳定的功能体验
- 从 GitHub Releases 下载
-
使用自部署的API中转服务(专业方案)
- 部署如OneAPI、NewAPI等开源API聚合/代理工具
- 在设置中配置为自定义API端点
- 请求流向:浏览器→中转服务→模型服务提供商
- 完全控制安全策略和访问权限
注意:Web版(包括在线版、Vercel部署、Docker部署)都是纯前端应用,都会受到浏览器CORS限制。只有桌面版或使用API中转服务才能解决跨域问题。
A: 这是由浏览器的混合内容(Mixed Content)安全策略导致的。出于安全考虑,浏览器会阻止安全的HTTPS页面(如在线版)向不安全的HTTP地址(如您的本地Ollama服务)发送请求。
解决方案: 为了绕过此限制,您需要让应用和API处于同一种协议下(例如,都是HTTP)。推荐以下方式:
- 使用桌面版:桌面应用没有浏览器限制,是连接本地模型最稳定可靠的方式
- 使用Docker部署(HTTP):通过
http://localhost:8081访问,与本地Ollama都是HTTP - 使用Chrome插件:插件在某些情况下也可以绕过部分安全限制
A: 这是因为应用未经过 Apple 签名认证。由于 Apple 开发者账号费用较高,目前桌面应用暂未进行签名。
解决方案: 在终端中执行以下命令移除安全隔离属性:
# 对于已安装的应用
xattr -rd com.apple.quarantine /Applications/PromptOptimizer.app
# 对于下载的 .dmg 文件(安装前执行)
xattr -rd com.apple.quarantine ~/Downloads/PromptOptimizer-*.dmg执行后重新打开应用即可正常使用。
点击查看贡献指南
- Fork 本仓库
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m '添加某个特性') - 推送到分支 (
git push origin feature/AmazingFeature) - 提交 Pull Request
提示:使用cursor工具开发时,建议在提交前:
- 使用"code_review"规则进行代码审查
- 按照审查报告格式检查:
- 变更的整体一致性
- 代码质量和实现方式
- 测试覆盖情况
- 文档完善程度
- 根据审查结果进行优化后再提交
感谢所有为项目做出贡献的开发者!
本项目在提示词工程与结构化提示词设计的探索中,受到了 LangGPT 的启发。感谢 LangGPT 项目及其社区的开源分享与持续探索。
本项目采用 AGPL-3.0 协议开源。
简单来说:你可以自由使用、修改和商用本项目,但如果你把它做成网站或服务给别人用,需要公开你的源代码。
👉 点击查看详细说明
允许做什么:
- ✅ 个人使用、学习、研究
- ✅ 公司内部使用(不对外提供服务)
- ✅ 修改代码并用于商业项目
- ✅ 收费销售或提供服务
需要做什么:
- 📖 如果分发软件或提供网络服务,必须公开源代码
- 📝 保留原作者的版权声明
一句话核心:可以商用,但不能闭源。
如果这个项目对你有帮助,请考虑给它一个 Star ⭐️
- 提交 Issue
- 发起 Pull Request
- 加入讨论组
