Prompt Optimizer (提示词优化器) 🚀

English | 中文

官网 | 在线优化器 | 提示词库 | 文档站 | 快速开始 | 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

📖 项目简介

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。

🎥 功能演示

✨ 核心特性

• 🎯 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
• 📝 双模式优化：支持系统提示词优化和用户提示词优化，满足不同使用场景
• 🔄 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：纯客户端处理，数据直接与AI服务商交互，不经过中间服务器
• 📱 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

🚀 高级功能

图像生成模式

• 🖼️ 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

提示词来源与智能收藏

• 🌱 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

高级测试模式

• 📊 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

详细使用说明请查看 图像模式文档

快速开始

1. 使用在线版本（推荐）

直接访问：https://prompt.always200.com

项目是纯前端项目，所有数据只存储在浏览器本地，不会上传至任何服务器，因此直接使用在线版本也是安全可靠的

2. Web部署

Vercel部署

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：

• Vercel部署指南
• Cloudflare部署指南

Cloudflare 部署

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。

3. 下载桌面应用

从 GitHub Releases 下载最新版本。我们为各平台提供安装程序和压缩包两种格式。

• 安装程序 (推荐): 如 *.exe, *.dmg, *.AppImage 等。强烈推荐使用此方式，因为它支持自动更新。
• 压缩包: 如 *.zip。解压即用，但无法自动更新。

桌面应用核心优势:

• ✅ 无跨域限制：作为原生桌面应用，它能彻底摆脱浏览器跨域（CORS）问题的困扰。这意味着您可以直接连接任何AI服务提供商的API，包括本地部署的Ollama或有严格安全策略的商业API，获得最完整、最稳定的功能体验。
• ✅ 自动更新：通过安装程序（如 .exe, .dmg）安装的版本，能够自动检查并更新到最新版。
• ✅ 独立运行：无需依赖浏览器，提供更快的响应和更佳的性能。

4. 安装Chrome插件

1. 从Chrome商店安装（由于审批较慢，可能不是最新的）：Chrome商店地址
2. 点击图标即可打开提示词优化器

5. Docker部署

# 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 \  # 可选，默认为"admin"
  -e ACCESS_PASSWORD=your_password \  # 设置访问密码
  --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

6. Docker Compose部署

# 1. 克隆仓库
git clone https://github.com/linshenkx/prompt-optimizer.git
cd prompt-optimizer

# 2. 创建 .env 文件配置 API 密钥和访问认证
cp env.local.example .env
# 编辑 .env 文件，填入实际的 API 密钥和配置
# docker-compose.yml 位于 docker/ 目录下，所以后续命令显式传入根目录 .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

# 5. 访问服务
Web 界面：http://localhost:8081
MCP 服务器：http://localhost:8081/mcp

你还可以直接编辑 docker/docker-compose.yml 文件，自定义配置：

services:
  prompt-optimizer:
    # 使用Docker Hub镜像
    image: linshen/prompt-optimizer:latest
    # 或使用阿里云镜像（国内用户推荐）
    # image: registry.cn-guangzhou.aliyuncs.com/prompt-optimizer/prompt-optimizer:latest
    container_name: prompt-optimizer
    restart: unless-stopped
    ports:
      - "8081:80"  # Web应用端口（包含MCP服务器，通过/mcp路径访问）
    environment:
      # API密钥配置
      - VITE_OPENAI_API_KEY=your_openai_key
      - VITE_GEMINI_API_KEY=your_gemini_key
      - VITE_GROK_API_KEY=your_xai_key
      # 访问控制（可选）
      - ACCESS_USERNAME=admin
      - ACCESS_PASSWORD=your_password

7. 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。

环境变量配置

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

Docker 环境下使用 MCP

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。

Claude Desktop 集成示例

要在 Claude Desktop 中使用 Prompt Optimizer，您需要在 Claude Desktop 的配置文件中添加服务配置。

1. 找到 Claude Desktop 的配置目录：

   • Windows: %APPDATA%\Claude\services
   • macOS: ~/Library/Application Support/Claude/services
   • Linux: ~/.config/Claude/services

2. 编辑或创建 services.json 文件，添加以下内容：

{
  "services": [
    {
      "name": "Prompt Optimizer",
      "url": "http://localhost:8081/mcp"
    }
  ]
}

请确保将 localhost:8081 替换为您实际部署 Prompt Optimizer 的地址和端口。

可用工具

• 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。

⚙️ API密钥配置

方式一：通过界面配置（推荐）

1. 点击界面右上角的"⚙️设置"按钮
2. 选择"模型管理"选项卡
3. 点击需要配置的模型（如OpenAI、Gemini、DeepSeek、Grok等）
4. 在弹出的配置框中输入对应的API密钥
5. 点击"保存"即可

支持的模型：OpenAI、Gemini、DeepSeek、Grok、Zhipu智谱、SiliconFlow、自定义API（OpenAI兼容接口）

除了API密钥，您还可以在模型配置界面为每个模型单独设置高级LLM参数。这些参数通过一个名为 llmParams 的字段进行配置，它允许您以键值对的形式指定LLM SDK支持的任何参数，从而更精细地控制模型行为。

高级LLM参数配置示例：

• OpenAI/兼容API: {"temperature": 0.7, "max_tokens": 4096, "timeout": 60000}
• Gemini: {"temperature": 0.8, "maxOutputTokens": 2048, "topP": 0.95}
• DeepSeek: {"temperature": 0.5, "top_p": 0.9, "frequency_penalty": 0.1}

有关 llmParams 的更详细说明和配置指南，请参阅 LLM参数配置指南。

方式二：通过环境变量配置

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

本地开发

详细文档可查看 开发文档

# 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

🗺️ 开发路线

• 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

📖 相关文档

• 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

Star History

常见问题

API连接问题

Q1: 为什么配置好API密钥后仍然无法连接到模型服务？

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。

Q2: 如何解决本地Ollama的连接问题？

A: Ollama完全支持OpenAI标准接口，只需配置正确的跨域策略：

1. 设置环境变量 OLLAMA_ORIGINS=* 允许任意来源的请求
2. 如仍有问题，设置 OLLAMA_HOST=0.0.0.0:11434 监听任意IP地址

Q3: 如何解决商业API（如Nvidia的DS API、字节跳动的火山API）的跨域问题？

A: 这些平台通常有严格的跨域限制，推荐以下解决方案：

1. 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

2. 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。

Q4: 我已正确配置本地模型（如Ollama）的跨域策略，为什么使用在线版依然无法连接？

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：

1. 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
2. 使用Docker部署（HTTP）：通过 http://localhost:8081 访问，与本地Ollama都是HTTP
3. 使用Chrome插件：插件在某些情况下也可以绕过部分安全限制

macOS 桌面应用问题

Q5: macOS 打开应用时提示「已损坏」或「无法验证开发者」怎么办？

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。

🤝 参与贡献

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m '添加某个特性')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 提交 Pull Request

提示：使用cursor工具开发时，建议在提交前:

1. 使用"code_review"规则进行代码审查
2. 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
3. 根据审查结果进行优化后再提交

👏 贡献者名单

感谢所有为项目做出贡献的开发者！

🙏 鸣谢

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。

📄 开源协议

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。

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 ⭐️

👥 联系我们

• 提交 Issue
• 发起 Pull Request
• 加入讨论组

Source: README.zh-CN.md