企业官网建设流程全解析

如何优化提示词：prompt-optimizer 从浏览器到 MCP 的完整指南

【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

上次我让 AI 写产品复盘，它回了我一堆正确的废话。我改了三轮措辞，越改越糟。后来把这段 prompt 丢给 prompt-optimizer，它把提示词本身重写了一遍，补上缺失的上下文、约束和结构，再用改完的版本实测一轮——输出这才像回事。

prompt-optimizer（提示词优化器）干的事一句话就能说清：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、Docker 四种形态，你的 prompt 和 API 密钥全程留在本地。

图里左侧是原始提示词与优化结果，右侧测试区可以直接对比优化前后的输出差异。

先看你是不是需要它

• 经常写 prompt、对输出质量不满意：适合，这是它的主场。
• prompt 和密钥不想出本机，想用本地 Ollama 或内网网关：适合，纯客户端架构支持任意 OpenAI 兼容端点。
• 只是随手和 AI 聊天、不想调 prompt：跳过，默认内置模型够用，不用折腾。

它怎么工作

prompt-optimizer 用大模型重写你的提示词：补上缺失的上下文、约束和输出格式，然后把重写结果在测试区跑一轮，让你直接对比优化前后。它的差异点在架构：纯客户端，请求从浏览器或桌面端直连 AI 服务商，不经过任何中间服务器，所以公开部署时数据也只存在你自己的浏览器里。

场景一：工位上随手改一条 prompt——浏览器扩展

这个场景解决"只想快速改一条 prompt，不想专门开一个应用"。步骤：

1. 克隆仓库并构建扩展：

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

2. 打开chrome://extensions/，开启"开发者模式"，点"加载已解压的扩展程序"，选packages/extension/dist。
3. 点工具栏图标打开优化器，填模型密钥，选中一段 prompt 点优化。

值得留意的细节：packages/extension/public/manifest.json 里"permissions": []——扩展没申请 storage、tabs 这类权限，配了"offline_enabled": true可离线加载，最低要求 Chrome 88。

同一条角色 prompt，优化后从泛泛的"反方意见"变成了有结构、有证据要求的评审。

退路：不想本地构建，直接从 Chrome 应用商店安装扩展，上面四行命令全省掉。

场景二：接上本地模型——自定义端点配置

这个场景解决"不想用 OpenAI 官方 API，想用本地 Ollama 或公司内网网关"。OpenAI、Gemini、DeepSeek 之外，它允许用环境变量挂任意 OpenAI 兼容端点，数量不限，每个模型一组带后缀的变量：

想要第二个模型，换一组后缀再来一遍，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。

值得留意的细节：三个必填变量缺一个，该模型会被整体跳过而不是报错；PARAMS里的model、messages、stream是保留字段，写了也会被自动忽略，防止覆盖核心请求结构。

一句粗略的诗歌诉求，被补成了要素完整的创作指南。

退路：默认模型够用就跳过这一步，不用碰环境变量。

场景三：给别的 AI 应用装个优化助手——MCP 服务器

这个场景解决"想在 Claude Desktop 这类应用里直接调优化器，不用来回切窗口"。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）。Docker 镜像里 MCP 随 Web 应用一起启动：

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

起来后 Web 界面在http://localhost:8081，MCP 服务在http://localhost:8081/mcp。接 Claude Desktop 就是在它的services.json里加一行：

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

值得留意的细节：docker/nginx.conf 里/mcp路由显式写了auth_basic off——MCP 端点不受ACCESS_PASSWORD设置的 Web 访问保护，所以 8081 端口不要直接暴露公网。

MCP 工具背后的优化效果：小模型从泛泛附和被拉回结构化评审，给出具体修改建议。

退路：不想搭服务，直接在扩展或桌面端用，效果相同，MCP 只是给别的客户端开的门。

部署方式怎么选

接下来你可以做这三件事

1. 克隆仓库，pnpm build:ext后把dist拖进chrome://extensions/，选中你手边那条写不利的 prompt 点优化，看看它改成了什么。
2. 在模型管理里填一个 API 密钥，点"测试连接"，确认你的环境能跑通一次优化。
3. 给本地 Ollama 配一组VITE_CUSTOM_API_*_qwen3变量，把优化链路完全切到本地模型。

【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