prompt-optimizer

Thu, 31 Jul 2025 15:34:38 +0800

linshenkx/prompt-optimizer

Prompt Optimizer (提示词优化器) 🚀

English | 中文

在线体验 | 快速开始 | 常见问题 | Chrome插件

开发文档 | Vercel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。

🎥 功能演示

1. 角色扮演对话：激发小模型潜力

在追求成本效益的生产或注重隐私的本地化场景中，结构化的提示词能让小模型稳定地进入角色，提供沉浸式、高一致性的角色扮演体验，有效激发其潜力。

2. 知识图谱提取：保障生产环境的稳定性

在需要程序化处理的生产环境中，高质量的提示词能显著降低对模型智能程度的要求，使得更经济的小模型也能稳定输出可靠的指定格式。本工具旨在辅助开发者快速达到此目的，从而加速开发、保障稳定，实现降本增效。

3. 诗歌写作：辅助创意探索与需求定制

当面对一个强大的AI，我们的目标不只是得到一个“好”答案，而是得到一个“我们想要的”独特答案。本工具能帮助用户将一个模糊的灵感（如“写首诗”）细化为具体的需求（关于什么主题、何种意象、何种情感），辅助您探索、发掘并精确表达自己的创意，与AI共创独一无二的作品。

✨ 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
🔄 对比测试：支持原始提示词和优化后提示词的实时对比，直观展示优化效果
🤖 多模型集成：支持OpenAI、Gemini、DeepSeek、智谱AI、SiliconFlow等主流AI模型
🔒 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

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. 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：配置各AI服务商的API密钥

更多详细的部署步骤和注意事项，请查看：

Vercel部署指南

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

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

5. Docker部署

点击查看 Docker 部署命令

# 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

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. 可选：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

# 3. 启动服务
docker compose up -d

# 4. 查看日志
docker compose 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-compose.yml文件，自定义配置：

点击查看 docker-compose.yml 示例

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
      # 访问控制（可选）
      - ACCESS_USERNAME=admin
      - ACCESS_PASSWORD=your_password

7. MCP Server 使用说明

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。

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：

1
2
3

# MCP 服务器配置
MCP_DEFAULT_MODEL_PROVIDER=openai  # 可选值：openai, gemini, deepseek, siliconflow, zhipu, 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。

找到 Claude Desktop 的配置目录：
- Windows: %APPDATA%\Claude\services
- macOS: ~/Library/Application Support/Claude/services
- Linux: ~/.config/Claude/services
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

点击查看API密钥配置方法

方式一：通过界面配置（推荐）

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

支持的模型：OpenAI、Gemini、DeepSeek、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_ZHIPU_API_KEY=your_key
-e VITE_SILICONFLOW_API_KEY=your_key
-e VITE_CUSTOM_API_KEY=your_custom_api_key
-e VITE_CUSTOM_API_BASE_URL=your_custom_api_base_url
-e VITE_CUSTOM_API_MODEL=your_custom_model_name

本地开发

详细文档可查看开发文档

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:web          # 仅运行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

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

Star History

常见问题

点击查看常见问题解答

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：

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

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：

使用Vercel代理（便捷方案）
- 使用在线版本：prompt.always200.com
- 或自行部署到Vercel平台
- 在模型设置中勾选"使用Vercel代理"选项
- 请求流向：浏览器→Vercel→模型服务提供商
- 详细步骤请参考 Vercel部署指南
使用自部署的API中转服务（可靠方案）
- 部署如OneAPI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

Q4: Vercel代理有什么缺点或风险？

A: 使用Vercel代理可能会触发某些模型服务提供商的风控机制。部分厂商可能会将来自Vercel的请求判定为代理行为，从而限制或拒绝服务。如遇此问题，建议使用自部署的中转服务。

Q5: 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）。推荐以下几种方式：

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。
docker部署：docker部署也是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。

🤝 参与贡献

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

👏 贡献者名单

感谢所有为项目做出贡献的开发者！

📄 开源协议

本项目采用 MIT 协议开源。

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

Prompt-Optimizer on Producthunt daily