5 分钟跑通提示词优化prompt-optimizer 上手【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上周我随手写了一段 prompt 让 AI 帮我写产品复盘结果它给了我一堆正确的废话和帮我总结一下没区别。我改了三轮措辞越改越糟。后来用 prompt-optimizer 把这段 prompt 交给它重写它用 AI 改写提示词本身补上缺失的上下文、约束和结构再拿改写后的版本直接测一遍。改完之后 AI 的输出才像回事。prompt-optimizer 是这样一个工具输入一段提示词输出一段更好用的提示词。它有 Web 应用、桌面端、Chrome 扩展和 Docker 四种形态其中浏览器提示词优化插件和 MCP 服务器最能体现它的定位——整个应用是纯客户端架构你的 prompt 和 API 密钥都留在本地不经过任何中间服务器。下面按从装扩展到跑通第一个优化请求的最短路径走一遍中间过三个关卡浏览器扩展、自定义模型、MCP 服务器。装好扩展把优化入口挂到浏览器上为什么先做这一步扩展是零服务器成本的使用方式。数据存在浏览器本地API 密钥也不用反复填。最短路径如下git clone https://gitcode.com/GitHub_Trending/pro/prompt-optimizer cd prompt-optimizer pnpm install pnpm build:ext然后打开chrome://extensions/开启右上角开发者模式点加载已解压的扩展程序选packages/extension/dist。装好后点浏览器工具栏的扩展图标即可打开优化器在里面填好模型密钥选中一段 prompt 点优化。一个值得留意的细节packages/extension/public/manifest.json 里permissions: []——扩展没有申请 storage、tabs 这些权限声明得比参考文档里常见的 manifest 干净得多配合offline_enabled可以离线加载。图里左侧是原始提示词和优化结果右侧测试区可以直接对比优化前后的输出差异。不想本地构建的话直接从 Chrome 应用商店安装扩展即可省掉上面四行命令。给 Ollama 接上自定义端点默认支持的 OpenAI、Gemini、DeepSeek 之外它允许你通过环境变量挂任意 OpenAI 兼容端点——本地的 Ollama、公司内网网关都算。数量上不封顶每个模型用一组带后缀的环境变量描述变量示例值Ollama说明VITE_CUSTOM_API_KEY_qwen3ollama必填鉴权密钥本地服务随便填VITE_CUSTOM_API_BASE_URL_qwen3http://localhost:11434/v1必填API 地址VITE_CUSTOM_API_MODEL_qwen3qwen3:8b必填模型名VITE_CUSTOM_API_PARAMS_qwen3{temperature:0.7}可选注入请求体的参数VITE_CUSTOM_API_HEADERS_qwen3{x-tenant-id:a}可选网关附加请求头后缀的规矩只有三条字母、数字、下划线、连字符不超 50 字符且别和 openai、deepseek 这类内置模型名撞车三个必填变量缺一个这个模型就会被整体跳过。想要第二个模型换一组后缀再来一遍就行扩展的模型管理里会同时看到它们。完整规则见 docs/user/multi-custom-models.md。图里是一次用自定义模型做的诗歌创作优化一句粗略的诉求被补成了要素完整的创作指南。这一步可以跳过——默认模型够用就不折腾环境变量。让 MCP 服务器跑在 8081 端口前两个关卡服务的是你自己在浏览器里优化这个关卡服务的是其他 AI 应用替你优化。MCP 服务器把三件事封装成标准工具optimize-user-prompt优化用户提示词、optimize-system-prompt优化系统提示词、iterate-prompt针对具体问题迭代已有提示词Claude Desktop 这类支持 MCP 的客户端装上之后对话中就能直接调用。Docker 镜像里 MCP 服务是随 Web 应用一起启动的一条命令带起来docker run -d -p 8081:80 \ -e VITE_OPENAI_API_KEYyour-key \ -e MCP_DEFAULT_MODEL_PROVIDERopenai \ linshen/prompt-optimizerMCP_DEFAULT_MODEL_PROVIDER指定 MCP 调用走哪个模型可选 gemini、deepseek、custom 等。跑起来后Web 界面在http://localhost:8081MCP 服务在http://localhost:8081/mcp。接 Claude Desktop 就是往它的 services 配置里加一行{ name: Prompt Optimizer, url: http://localhost:8081/mcp }不想搭服务的话直接在桌面端或扩展里用效果相同MCP 只是给别的客户端开的门。生产部署三选一方式适合怎么起注意Vercel公开分享、快速上线pnpm installpnpm build:web输出packages/web/distVITE_*变量会打进前端产物公开部署别塞真实密钥建议配ACCESS_PASSWORD访问保护Docker团队共享、私有服务器上面的docker run命令一个端口同时给 Web 和/mcp本地 pnpm自己开发、改代码pnpm install pnpm dev需要 Node 22 和 pnpm 10关于后续扩展项目预留了自定义模型和llmParams这类配置级扩展点更深度的插件接口以 docs/ 目录里的开发者文档为准。下一步你直接就能做clone 仓库pnpm build:ext后把dist目录拖进chrome://extensions/右键选中你手边那段写不利的 prompt点优化——然后看看它改成了什么。【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
5 分钟跑通提示词优化prompt-optimizer 上手【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上周我随手写了一段 prompt 让 AI 帮我写产品复盘结果它给了我一堆正确的废话和帮我总结一下没区别。我改了三轮措辞越改越糟。后来用 prompt-optimizer 把这段 prompt 交给它重写它用 AI 改写提示词本身补上缺失的上下文、约束和结构再拿改写后的版本直接测一遍。改完之后 AI 的输出才像回事。prompt-optimizer 是这样一个工具输入一段提示词输出一段更好用的提示词。它有 Web 应用、桌面端、Chrome 扩展和 Docker 四种形态其中浏览器提示词优化插件和 MCP 服务器最能体现它的定位——整个应用是纯客户端架构你的 prompt 和 API 密钥都留在本地不经过任何中间服务器。下面按从装扩展到跑通第一个优化请求的最短路径走一遍中间过三个关卡浏览器扩展、自定义模型、MCP 服务器。装好扩展把优化入口挂到浏览器上为什么先做这一步扩展是零服务器成本的使用方式。数据存在浏览器本地API 密钥也不用反复填。最短路径如下git clone https://gitcode.com/GitHub_Trending/pro/prompt-optimizer cd prompt-optimizer pnpm install pnpm build:ext然后打开chrome://extensions/开启右上角开发者模式点加载已解压的扩展程序选packages/extension/dist。装好后点浏览器工具栏的扩展图标即可打开优化器在里面填好模型密钥选中一段 prompt 点优化。一个值得留意的细节packages/extension/public/manifest.json 里permissions: []——扩展没有申请 storage、tabs 这些权限声明得比参考文档里常见的 manifest 干净得多配合offline_enabled可以离线加载。图里左侧是原始提示词和优化结果右侧测试区可以直接对比优化前后的输出差异。不想本地构建的话直接从 Chrome 应用商店安装扩展即可省掉上面四行命令。给 Ollama 接上自定义端点默认支持的 OpenAI、Gemini、DeepSeek 之外它允许你通过环境变量挂任意 OpenAI 兼容端点——本地的 Ollama、公司内网网关都算。数量上不封顶每个模型用一组带后缀的环境变量描述变量示例值Ollama说明VITE_CUSTOM_API_KEY_qwen3ollama必填鉴权密钥本地服务随便填VITE_CUSTOM_API_BASE_URL_qwen3http://localhost:11434/v1必填API 地址VITE_CUSTOM_API_MODEL_qwen3qwen3:8b必填模型名VITE_CUSTOM_API_PARAMS_qwen3{temperature:0.7}可选注入请求体的参数VITE_CUSTOM_API_HEADERS_qwen3{x-tenant-id:a}可选网关附加请求头后缀的规矩只有三条字母、数字、下划线、连字符不超 50 字符且别和 openai、deepseek 这类内置模型名撞车三个必填变量缺一个这个模型就会被整体跳过。想要第二个模型换一组后缀再来一遍就行扩展的模型管理里会同时看到它们。完整规则见 docs/user/multi-custom-models.md。图里是一次用自定义模型做的诗歌创作优化一句粗略的诉求被补成了要素完整的创作指南。这一步可以跳过——默认模型够用就不折腾环境变量。让 MCP 服务器跑在 8081 端口前两个关卡服务的是你自己在浏览器里优化这个关卡服务的是其他 AI 应用替你优化。MCP 服务器把三件事封装成标准工具optimize-user-prompt优化用户提示词、optimize-system-prompt优化系统提示词、iterate-prompt针对具体问题迭代已有提示词Claude Desktop 这类支持 MCP 的客户端装上之后对话中就能直接调用。Docker 镜像里 MCP 服务是随 Web 应用一起启动的一条命令带起来docker run -d -p 8081:80 \ -e VITE_OPENAI_API_KEYyour-key \ -e MCP_DEFAULT_MODEL_PROVIDERopenai \ linshen/prompt-optimizerMCP_DEFAULT_MODEL_PROVIDER指定 MCP 调用走哪个模型可选 gemini、deepseek、custom 等。跑起来后Web 界面在http://localhost:8081MCP 服务在http://localhost:8081/mcp。接 Claude Desktop 就是往它的 services 配置里加一行{ name: Prompt Optimizer, url: http://localhost:8081/mcp }不想搭服务的话直接在桌面端或扩展里用效果相同MCP 只是给别的客户端开的门。生产部署三选一方式适合怎么起注意Vercel公开分享、快速上线pnpm installpnpm build:web输出packages/web/distVITE_*变量会打进前端产物公开部署别塞真实密钥建议配ACCESS_PASSWORD访问保护Docker团队共享、私有服务器上面的docker run命令一个端口同时给 Web 和/mcp本地 pnpm自己开发、改代码pnpm install pnpm dev需要 Node 22 和 pnpm 10关于后续扩展项目预留了自定义模型和llmParams这类配置级扩展点更深度的插件接口以 docs/ 目录里的开发者文档为准。下一步你直接就能做clone 仓库pnpm build:ext后把dist目录拖进chrome://extensions/右键选中你手边那段写不利的 prompt点优化——然后看看它改成了什么。【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
