prompt-optimizer 完全实践指南：30 分钟改写出更好的提示词，一条命令私有化部署

prompt-optimizer 完全实践指南30 分钟改写出更好的提示词一条命令私有化部署【免费下载链接】prompt-optimizerAn AI prompt optimizer for writing better prompts and getting better AI results.项目地址: https://gitcode.com/GitHub_Trending/pro/prompt-optimizer写完提示词模型输出还是平庸改两遍仍差口气。瓶颈往往不在模型而在提示词本身。prompt-optimizer 把你的原始提示词重写增强再在测试区用同一条输入跑出优化前后的对比让你直接看到差距。Web、桌面端、Chrome 扩展、Docker 四种用法功能一致。快速判断它适不适合你先看这张表判断要不要花这 30 分钟维度信息是什么AI 提示词优化工具一键重写 优化前后对比测试运行平台Web、桌面端Electron、Chrome 扩展、Docker环境要求源码开发需 Node.js 24、pnpm 8直接用则无要求数据存放纯客户端架构提示词与密钥留在本地不经中间服务器模型支持OpenAI、Gemini、DeepSeek、Grok、智谱、SiliconFlow、MiniMax 等另接任意 OpenAI 兼容服务许可与成本AGPL-3.0工具自部署免费模型调用消耗你自己的 API 额度第一次实操四步拿到第一个优化结果第一步拉代码跑起来。git clone https://gitcode.com/GitHub_Trending/pro/prompt-optimizer cd prompt-optimizer pnpm install pnpm dev构建完成、终端弹出本地地址打开就能用。第二步配一个模型。右上角模型管理选 DeepSeek 之类的提供商填 API 密钥和模型点测试连接。绿灯亮起保存即可这一步通常两分钟内完成。第三步写一句提示词去优化。左侧框输入帮我写一封给同事的工作进度提醒邮件语气礼貌100 字以内选好模型与模板点优化。一分钟后右侧工作区给出带收件对象、说明目的、字数限制等结构化要求的增强版。第四步在测试区跑对比。别只看优化后的文字那最骗人。展开右侧测试区用同一条测试输入分别跑原始提示词和优化后的提示词左右两列输出并排看这才是判断依据。功能深潜三个真实使用场景用对比评估代替感觉场景优化版提示词看着漂亮但模型实际输出真的更好吗测试区支持 2/3/4 列并排跑不同版本配合单结果评估与多结果对比评估让模型当裁判给各版本打分变好不再靠主观印象。变量模式一套模板跑很多单场景闲鱼砍价回复。模板固定换入商品、要价、买家出价、瑕疵、语气五个变量变量工作区自动提取[[item]]、[[price]]这类占位符支持批量替换和渲染预览。同一个模型换一组变量就能产出完全不同策略的回复。提示词从一次性文本变成可复用资产靠的就是这一步。一句话变成可出图的视觉提示词场景图像生成。文生图、图生图、多图生成与风格迁移都支持。把含糊的夜空中的悬浮图书馆喂进去优化后会补上主体线索、空间关系、氛围锚点从可能撞脸变成能当概念图用的提示词。Gemini、Seedream、Grok 等图像模型与文本模型共用同一套配置流程详见图像模式文档。进阶与集成三件按需做的事接入本地模型或自建网关。什么时候需要内置列表没有 Ollama、自建 OpenAI 兼容服务、公司内部模型时。配三组环境变量后缀自取字母、数字、下划线、连字符50 字符内数量不限VITE_CUSTOM_API_KEY_suffixAPI 密钥VITE_CUSTOM_API_BASE_URL_suffix基础地址Ollama 填http://localhost:11434/v1VITE_CUSTOM_API_MODEL_suffix模型名如qwen2.5:7b新模型立刻出现在列表里。可选VITE_CUSTOM_API_PARAMS_suffix注入额外 JSON 请求参数不能覆盖 model/messages/stream 三个保留字段。完整规则见多自定义模型文档。调参llmParams 高级参数。什么时候需要默认温度、长度不合场景时。每个模型支持按 key-value 填 temperature、max_tokens、timeout 等参数用法见LLM 参数指南。接入 MCP在 Claude Desktop 里直接调用优化。什么时候需要想让自己的 AI 客户端直接触发优化能力时。MCP 端点暴露optimize-user-prompt、optimize-system-prompt、iterate-prompt三个工具Docker 部署时随容器启动。配置与客户端接入见MCP 服务器指南。上线与运维Docker 一条命令私有化docker run -d -p 8081:80 --restart unless-stopped --name prompt-optimizer \ -e VITE_OPENAI_API_KEYyour_key \ -e ACCESS_PASSWORDyour_password \ linshen/prompt-optimizer起来之后 Web 在http://localhost:8081MCP 在同端口/mcp路径。关键变量变量作用VITE_提供商_API_KEY预置模型密钥GEMINI / DEEPSEEK / SILICONFLOW 同理ACCESS_USERNAME/ACCESS_PASSWORDWeb 访问账号密码用户名默认 admin不设置则无密码MCP_DEFAULT_MODEL_PROVIDERMCP 首选模型支持custom_suffix指向自定义模型MCP_LOG_LEVELMCP 日志级别debug / info / warn / error资源占用不用担心纯前端加一个 MCP 进程1 核 1G 容器足够。真正的成本在模型调用——优化加对比评估链路会多次调模型低预算就用小模型跑测试区大模型留给最终评估。两个安全坑必须说其一公开的前端部署别把密钥预置进VITE_*变量这些值会打进浏览器产物、任何人可见不如不预置、让用户各自在设置面板填其二docker-compose 配置 里示例密码123456只是占位对外上线前一定改掉。诚实评估边界与适合谁先说不覆盖的场景Web 版受浏览器 CORS 限制连不上部分跨域策略严格的商业 API这类情况换桌面端或走 API 代理桌面端无 CORS 限制且能直连本地 Ollama。数据存在浏览器本地存储桌面端用本地文件库靠导出备份没有多用户协作和团队权限。macOS 桌面版未签名首次打开要用xattr去掉隔离属性。演进方向看 roadmap 集中在三处工作区 / 项目管理把提示词集合变成可管理的项目、与 Prompt Garden 的资产互通加深、模型与图像生成服务商持续扩充。一句话判断优化、测试、存成资产这三步已经闭环如果你日常用 LLM 且想沉淀提示词资产一天内能搭出可用的私有工作流只想要一次性生成提示词的话这工具偏重了。架构细节可看开发指南与项目结构说明。【免费下载链接】prompt-optimizerAn AI prompt optimizer for writing better prompts and getting better AI results.项目地址: https://gitcode.com/GitHub_Trending/pro/prompt-optimizer创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考