企业官网建设流程全解析

prompt-optimizer 完整教程：5 分钟把一句话提示词改成可复用模板

【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

prompt-optimizer 是一款开源的 AI 提示词优化工具：把你的粗糙提示词贴进去，选择目标模型，它会输出结构更清晰、约束更明确的版本，并支持基于测试结果继续迭代。项目提供在线 Web、桌面应用、Chrome 扩展、Docker 四种形态，数据保存在浏览器本地，适合 AI 初学者，也适合需要批量管理提示词资产的开发者。

四种使用方式对比：先选对形态再动手

选好后配置模型的路径都一样：右上角"⚙️ 设置"进入"模型管理"，填入 API Key，点"测试连接"确认通，再保存。详见 docs/user/quick-start.md，内含模型配置、优化流程和常见问题。

不装环境的三条最短上手路径

场景一：只想先跑一次优化

用浏览器打开在线版（入口见项目 README），然后：

1. 设置 → 模型管理 → 填一个你有的 Key（OpenAI、DeepSeek、Gemini 等）→ 测试连接 → 保存
2. 左侧输入框粘贴原始提示词
3. 选优化模式（系统提示词 / 用户提示词）和模板
4. 点"开始优化"，右侧看结果和推理过程，满意就点收藏

场景二：要连本地 Ollama 或私有 API

浏览器里调本地服务常被 CORS 挡掉，用桌面版（从 Releases 下载安装包）或 Docker：

docker run -d -p 8081:80 --name prompt-optimizer linshen/prompt-optimizer

启动后访问 http://localhost:8081 即可，模型配置方式与在线版相同。

场景三：想读源码或改功能

项目用 pnpm 管理，要求 Node 22：

git clone https://gitcode.com/GitHub_Trending/pro/prompt-optimizer cd prompt-optimizer pnpm install pnpm dev

值得深挖的 4 个功能

双模式优化：系统提示词和用户提示词怎么分

• 它替你省了什么：省得自己琢磨哪些话该写进 system、哪些留给 user。两种模式的优化模板不同，输出结构也不同
• 怎么触发：输入框上方切换"系统提示词优化 / 用户提示词优化"，再选模板点开始
• 适合谁：做应用开发选系统模式；日常对话调优选用户模式

对比评测：判断新提示词到底有没有变好

• 它替你省了什么：省掉"感觉变好了"的猜测。支持单条结果评测和多结果对比评测，用同一批输入跑旧版和新版再比较
• 怎么触发：进入测试区，配置上下文变量后发起评测，文本模式还支持 Function Calling（OpenAI 与 Gemini 的工具调用）
• 适合谁：迭代到第 3 版以上、需要给同事看数据的人

变量模板：一份提示词换值复用

• 它替你省了什么：省得每换一个场景就重写一遍。模板里用变量占位，换值即复用
• 怎么触发：在专业模式提示词中声明变量（如 [item]、[price]、[tone]），测试区可批量替换并预览填充结果
• 适合谁：同一类任务重复出现的人，比如客服话术、二手交易回复、周报生成

文本生成图像优化：一句话到完整视觉说明

• 它替你省了什么：省掉反复调 T2I 描述的试错。把"漂浮在夜空的图书馆"这类一句话扩写为含主体、空间关系、光影氛围的提示词
• 怎么触发：切到图像模式，支持 T2I、I2I 和多图生成，接 Gemini、Seedream、Grok 等模型，可按模型配置 size、style 等参数
• 适合谁：用图像模型出海报、概念图、参考图的人

进阶：自定义模型、MCP 与模板的组合玩法

这三样可以叠在一起用：自定义模型让你决定"用谁的算力"，变量模板决定"优化什么"，MCP决定"从哪个入口调用"。

自定义模型没有数量上限，用三组环境变量注册一个，缺失任何一项都会被跳过：

VITE_CUSTOM_API_KEY_ollama=dummy_key VITE_CUSTOM_API_BASE_URL_ollama=http://localhost:11434/v1 VITE_CUSTOM_API_MODEL_ollama=qwen2.5:7b

后缀只允许字母、数字、下划线、连字符（不超过 50 字符），且不能与 openai、gemini 等内置名冲突。完整规则和 PARAMS/HEADERS 用法见 docs/user/multi-custom-models.md。

Docker 部署时 MCP 服务器随容器自动启动，在 /mcp 路径提供 optimize-user-prompt、optimize-system-prompt、iterate-prompt 三个工具。把它接进 Claude Desktop，在 services.json 里加一段：

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

这样在 Claude 的对话里就能直接触发优化，不用切窗口。配置细节在 docs/user/mcp-server.md。

4 个容易踩的坑

1. 公开部署的页面里能看到别人的 Key→ VITE_* 环境变量会被打进前端产物，随浏览器资产暴露 → 公开实例不预置 Key，让用户在设置面板里自填，并用 ACCESS_PASSWORD 加访问门槛
2. 自定义模型没出现在模型管理里→ 三个变量没配齐，或后缀含点号、空格等非法字符 → 按 KEY/BASE_URL/MODEL 成套填写，后缀只用 a-z、0-9、下划线、连字符
3. 浏览器里连 Ollama 报 CORS 错误→ 浏览器跨源限制，与密钥无关 → 换桌面版或 Docker，同一套配置直接可用
4. 优化完还是模糊→ 小模型能力不足，或原始提示词没写目标和约束 → 换更强的模型，把角色、输出格式、限制条件写进原始提示词，再用"继续优化"每次只修一个点

分人群行动清单

• 新手：配置一个常用模型（OpenAI 或 DeepSeek）；用通用模板跑完一次"优化 → 查看推理 → 收藏"；把满意的成品存进收藏库
• 进阶：用自定义模型接一个本地 Ollama 服务；在测试区做一轮对比评测，用数据挑模板；Docker 起服务并打开 MCP
• 团队：Docker 私有化部署并设 ACCESS_PASSWORD；把收藏导出为备份在组内分发；沉淀变量模板成共享资产

文档与源码在哪

• docs/user/quick-start.md：配置模型、选模板、迭代优化的最短流程，附常见问题
• packages/core/src/services/：优化、评测、模型调用等核心逻辑都在这里，想看"它怎么优化的"直接进这个目录

打开你手边最不满意的一条提示词，贴进优化框跑一轮，对比左右两栏就知道该不该继续迭代了。

【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