1. 项目定位与用途
Prompt Optimizer 是一款多端 AI 提示词优化工具,旨在帮助用户编写高质量提示词,提升 AI 输出质量。它提供 Web 应用、桌面应用、Chrome 插件和 Docker 部署四种使用方式,核心功能包括智能优化、双模式优化(系统/用户提示词)、分析对比评估、多模型集成、图像生成以及高级测试模式(上下文变量、多轮会话、工具调用)。项目适用于需要精确控制 AI 输出的各类场景,如内容创作、代码生成、图像提示词设计等,通过优化提示词结构和使用变量,使 AI 回复更准确、更具批判性。
2. 解决的问题
项目解决用户在使用 AI 时面临的三大痛点:一是提示词编写困难,普通用户难以构造能稳定产出高质量输出的提示词;二是输出质量不可控,模型常给出泛泛而谈的附和式回答,缺乏批判性或针对性;三是效果难以评估,用户无法客观判断提示词改进是否有效。Prompt Optimizer 通过智能优化算法将模糊提示词转化为结构清晰、变量可控的版本,引入红队审稿机制促使模型进行批判性审查,并提供分析、单结果评估和多结果对比评估工具,帮助用户科学判断优化效果,从而提升 AI 交互的可靠性与效率。
3. 适用场景
项目适用于多种 AI 交互场景:红队审稿,让模型对文本进行批判性审查,指出漏洞与风险;交易谈判,如闲鱼砍价回复,基于商品、报价、底线等变量生成个性化、自然的回应;文生图,将模糊想法优化为可控的视觉提示词,明确主体、空间与情绪锚点;多轮对话测试,评估提示词在连续交互中的表现;工具调用集成,测试 Function Calling 能力。此外,还适用于代码生成、内容创作、数据分析等需要精细控制 AI 输出的领域,通过变量管理和上下文优化提升实用性。
4. 安装方式
项目提供五种安装方式:1. 在线使用:直接访问 https://prompt.always200.com 无需安装,数据仅存本地。2. Vercel 部署:通过一键部署按钮或 Fork 项目后导入 Vercel,需配置环境变量(如 ACCESS_PASSWORD、VITE_OPENAI_API_KEY)。3. 桌面应用:从 GitHub Releases 下载安装程序(推荐,支持自动更新)或压缩包,解压即用。4. Docker 部署:使用 docker-compose.yml 启动服务,适合容器化环境。5. 本地开发:需 Node.js ^22.0.0 环境,运行 pnpm install 安装依赖,具体命令见 package.json 脚本。所有方式均强调纯客户端处理,保障隐私安全。
5. 使用方式
使用方式取决于部署形式:Web 应用:访问在线 URL 或自部署地址,输入提示词后选择优化模式(系统优化/用户优化/迭代优化),可配置变量、模型参数,查看优化结果和对比评估。Chrome 插件:从 Chrome Web Store 安装,在浏览器中直接调用,方便快捷。桌面应用:运行安装程序,支持无跨域限制直接连接任何 AI 服务商 API。Docker:启动容器后通过 Web 界面操作。基本操作流程包括:选择模板类型、输入原始提示词、调整变量与模型设置、执行优化、分析输出结果。高级功能如图像生成需参考 docs/image-mode.md,MCP 协议集成见 docs/user/mcp-server.md。
6. 补充说明或实现特点
项目采用 monorepo 架构,使用 pnpm workspaces 管理子包(@prompt-optimizer/core、ui、web、extension、desktop)。设计功能模式(basic/pro)与六类模板系统,模式切换时自动联动历史记录与模板选择,确保体验连贯。存储层区分物理存储键(带 pref 前缀)与逻辑键名,修复 DataManager 导出导入时的键名不匹配问题。LLM 服务重构为 Provider-Adapter-Registry 三层架构,实现提供商抽象、适配器统一和配置自包含,提升可扩展性。图像模型管理通过 ModelManager 和 ImageModelManager 组件分离,提供一体化编辑界面。整体注重模块化、可测试性(Playwright E2E)和用户隐私。