prompt-optimizer 完整指南4 种部署方式5 步写出更好的提示词【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-optimizerprompt-optimizer 是什么prompt-optimizer 是一款开源 AI 提示词优化工具。它把粗糙的提示词改写成更结构化、可测试、可复用的版本覆盖文本、对话上下文与图像生成三类场景。适合经常和 LLM 协作的开发者以及需要批量产出提示词的内容创作者。它替你做的 3 件事写系统提示词把一句话的角色描述丢进系统提示词优化拿到带角色、输出格式、约束条件的版本直接在右侧测试区验证后再上线。一套提示词复用多个场景变量模式把商品、价格、语气等抽成占位符一个模板适配 N 个场景智能填充还能自动生成示例值。图像提示词太单薄切到文生图模式夜空中的漂浮图书馆会被补上主体、光影、空间锚点还能并排对比两个图像模型的出图结果。 四种用法对照先选对入口用法适合谁特点桌面应用接本地模型、长期使用无 CORS 限制可直连 Ollama 等本地服务安装包支持自动更新在线版快速体验纯前端数据只存在浏览器本地打开即用Docker 自托管团队、私有环境一条命令起服务可加访问密码顺带提供 MCP 端点Chrome 扩展浏览网页时随手用工具栏一键唤起随用随走判断标准很简单要连本地模型选桌面要多人共用选 Docker只想试试选在线版。5 步走到第一个优化结果打开右上角模型管理填入一家服务商的 API KeyOpenAI、DeepSeek、Gemini 均可点测试连接并保存。左侧输入框粘贴原始提示词。顶部选功能模式单条提示词用基础多轮对话用上下文图像任务用图像。选优化模板从基础优化起步、选模型点开始优化。左栏出现改写后的提示词后在右侧测试区跑一轮对比效果满意就点收藏保存。全程约 2 分钟不需要任何部署。场景走查把还价回复变成可复用的变量模板输入一段粗略的英文请求——帮我写一条 Marketplace 还价回复用到商品、要价、买家报价这些细节。操作顶部切到 Variable 模式系统自动把请求里的占位符提取成 9 个临时变量右侧逐一填实际值商品白色 Switch OLED要价 $220买家报价 $150语气友好但坚定点 Optimize 生成优化模板再在下方测试区把原模板 原始变量和优化模板 原始变量各跑一列。输出优化后的模板把回复拆成固定结构——确认商品细节、回应报价、如实说明瑕疵、亮出底价、明确下一步动作。对比列里优化版的回复接近可直接发送的交易话术原模板还停在泛泛的客套。能力一览功能一句话说明适合谁基础提示词优化单条系统/用户提示词的多轮迭代改写所有写提示词的人上下文模式把多轮消息或变量 工具作为整体上下文来优化多轮对话、Function Calling 场景图像生成文生图、图生图、多图约束可调用 Gemini、Seedream、Grok 出图对比视觉设计、概念图测试区对比2~4 列并行跑不同版本另有分析与评分管线发布提示词前的把关收藏与标签提示词存成资产带版本历史、媒体引用、导入导出个人积累、团队共享MCP 服务向 Claude Desktop 等客户端暴露 3 个优化工具AI 客户端重度用户进阶玩法本地模型、MCP、智能填充接本地 Ollama3 个环境变量注册一个自定义模型不改任何代码配置后按显示名出现在模型列表里Web、桌面、Docker 均适用。VITE_CUSTOM_API_KEY_ollamadummy-key VITE_CUSTOM_API_BASE_URL_ollamahttp://localhost:11434/v1 VITE_CUSTOM_API_MODEL_ollamaqwen2.5:7bMCP 接入 AI 客户端Docker 部署会同时拉起 Web 界面与/mcp端点。在 Claude Desktop 的服务配置里填上该地址即可直接调用优化用户提示词、优化系统提示词、迭代改进 3 个工具不用切窗口。docker run -d -p 8081:80 \ -e VITE_OPENAI_API_KEYyour-openai-key \ -e MCP_DEFAULT_MODEL_PROVIDERopenai \ --name prompt-optimizer \ linshen/prompt-optimizer智能填充变量模式里拿不准示例值时点智能填充变量值模型会为每个变量给出候选值和生成理由确认后可一键批量应用。常见坑与更稳的做法坑更稳的做法指望一次优化到位留 1~2 轮继续优化每轮只修一个具体问题优化完直接上线先在测试区跑并行对比确认输出变好再收藏每个相似场景重写一遍提示词差异部分改成变量占位符模板化管理好用的提示词只留在历史里用数据管理定期导出收藏含引用的媒体资源文档入口与进阶路径快速上手docs/user/quick-start.md多自定义模型配置docs/user/multi-custom-models.mdMCP 部署与客户端接入docs/user/mcp-server.md核心服务源码packages/core/src/services/按节奏推进今天接一个模型挑一条不顺手的提示词优化并跑一次对比测试。本周把手头高频提示词整理成 2~3 个变量模板试一次智能填充。长期Docker 自托管给团队用配好访问密码再接 MCP 进日常 AI 工作流。第一步可以很小从历史里挑一条效果不好的提示词优化一轮看测试区里新旧两列的实际差距值不值得继续用结果会直接告诉你。【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 
长河君 · 2026/9/10 13:19:25 · 阅读 1.2k prompt-optimizer 完整指南：4 种部署方式，5 步写出更好的提示词
prompt-optimizer 完整指南4 种部署方式5 步写出更好的提示词【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-optimizerprompt-optimizer 是什么prompt-optimizer 是一款开源 AI 提示词优化工具。它把粗糙的提示词改写成更结构化、可测试、可复用的版本覆盖文本、对话上下文与图像生成三类场景。适合经常和 LLM 协作的开发者以及需要批量产出提示词的内容创作者。它替你做的 3 件事写系统提示词把一句话的角色描述丢进系统提示词优化拿到带角色、输出格式、约束条件的版本直接在右侧测试区验证后再上线。一套提示词复用多个场景变量模式把商品、价格、语气等抽成占位符一个模板适配 N 个场景智能填充还能自动生成示例值。图像提示词太单薄切到文生图模式夜空中的漂浮图书馆会被补上主体、光影、空间锚点还能并排对比两个图像模型的出图结果。 四种用法对照先选对入口用法适合谁特点桌面应用接本地模型、长期使用无 CORS 限制可直连 Ollama 等本地服务安装包支持自动更新在线版快速体验纯前端数据只存在浏览器本地打开即用Docker 自托管团队、私有环境一条命令起服务可加访问密码顺带提供 MCP 端点Chrome 扩展浏览网页时随手用工具栏一键唤起随用随走判断标准很简单要连本地模型选桌面要多人共用选 Docker只想试试选在线版。5 步走到第一个优化结果打开右上角模型管理填入一家服务商的 API KeyOpenAI、DeepSeek、Gemini 均可点测试连接并保存。左侧输入框粘贴原始提示词。顶部选功能模式单条提示词用基础多轮对话用上下文图像任务用图像。选优化模板从基础优化起步、选模型点开始优化。左栏出现改写后的提示词后在右侧测试区跑一轮对比效果满意就点收藏保存。全程约 2 分钟不需要任何部署。场景走查把还价回复变成可复用的变量模板输入一段粗略的英文请求——帮我写一条 Marketplace 还价回复用到商品、要价、买家报价这些细节。操作顶部切到 Variable 模式系统自动把请求里的占位符提取成 9 个临时变量右侧逐一填实际值商品白色 Switch OLED要价 $220买家报价 $150语气友好但坚定点 Optimize 生成优化模板再在下方测试区把原模板 原始变量和优化模板 原始变量各跑一列。输出优化后的模板把回复拆成固定结构——确认商品细节、回应报价、如实说明瑕疵、亮出底价、明确下一步动作。对比列里优化版的回复接近可直接发送的交易话术原模板还停在泛泛的客套。能力一览功能一句话说明适合谁基础提示词优化单条系统/用户提示词的多轮迭代改写所有写提示词的人上下文模式把多轮消息或变量 工具作为整体上下文来优化多轮对话、Function Calling 场景图像生成文生图、图生图、多图约束可调用 Gemini、Seedream、Grok 出图对比视觉设计、概念图测试区对比2~4 列并行跑不同版本另有分析与评分管线发布提示词前的把关收藏与标签提示词存成资产带版本历史、媒体引用、导入导出个人积累、团队共享MCP 服务向 Claude Desktop 等客户端暴露 3 个优化工具AI 客户端重度用户进阶玩法本地模型、MCP、智能填充接本地 Ollama3 个环境变量注册一个自定义模型不改任何代码配置后按显示名出现在模型列表里Web、桌面、Docker 均适用。VITE_CUSTOM_API_KEY_ollamadummy-key VITE_CUSTOM_API_BASE_URL_ollamahttp://localhost:11434/v1 VITE_CUSTOM_API_MODEL_ollamaqwen2.5:7bMCP 接入 AI 客户端Docker 部署会同时拉起 Web 界面与/mcp端点。在 Claude Desktop 的服务配置里填上该地址即可直接调用优化用户提示词、优化系统提示词、迭代改进 3 个工具不用切窗口。docker run -d -p 8081:80 \ -e VITE_OPENAI_API_KEYyour-openai-key \ -e MCP_DEFAULT_MODEL_PROVIDERopenai \ --name prompt-optimizer \ linshen/prompt-optimizer智能填充变量模式里拿不准示例值时点智能填充变量值模型会为每个变量给出候选值和生成理由确认后可一键批量应用。常见坑与更稳的做法坑更稳的做法指望一次优化到位留 1~2 轮继续优化每轮只修一个具体问题优化完直接上线先在测试区跑并行对比确认输出变好再收藏每个相似场景重写一遍提示词差异部分改成变量占位符模板化管理好用的提示词只留在历史里用数据管理定期导出收藏含引用的媒体资源文档入口与进阶路径快速上手docs/user/quick-start.md多自定义模型配置docs/user/multi-custom-models.mdMCP 部署与客户端接入docs/user/mcp-server.md核心服务源码packages/core/src/services/按节奏推进今天接一个模型挑一条不顺手的提示词优化并跑一次对比测试。本周把手头高频提示词整理成 2~3 个变量模板试一次智能填充。长期Docker 自托管给团队用配好访问密码再接 MCP 进日常 AI 工作流。第一步可以很小从历史里挑一条效果不好的提示词优化一轮看测试区里新旧两列的实际差距值不值得继续用结果会直接告诉你。【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