base on 一款提示词优化器，助力于编写高质量的提示词 # Prompt Optimizer (提示词优化器) 🚀 <div align="center"> [English](README_EN.md) | [中文](README.md) [](https://github.com/linshenkx/prompt-optimizer/stargazers)  [](LICENSE) [](https://hub.docker.com/r/linshen/prompt-optimizer)  [](https://vercel.com/new/clone?repository-url=https%3A%2F%2Fgithub.com%2Flinshenkx%2Fprompt-optimizer) [在线体验](https://prompt.always200.com) | [快速开始](#快速开始) | [常见问题](#常见问题) | [开发文档](dev.md) | [Vercel部署指南](docs/vercel.md) | [Chrome插件](https://chromewebstore.google.com/detail/prompt-optimizer/cakkkhboolfnadechdlgdcnjammejlna) </div> ## 📖 项目简介 Prompt Optimizer是一个强大的AI提示词优化工具，帮助你编写更好的AI提示词，提升AI输出质量。支持Web应用和Chrome插件两种使用方式。 ### 🎥 功能演示 <div align="center"> <img src="images/contrast.png" alt="功能演示" width="90%"> </div> ## ✨ 核心特性 - 🎯 **智能优化**：一键优化提示词，支持多轮迭代改进，提升AI回复准确度 - 🔄 **对比测试**：支持原始提示词和优化后提示词的实时对比，直观展示优化效果 - 🤖 **多模型集成**：支持OpenAI、Gemini、DeepSeek、智谱AI、SiliconFlow等主流AI模型 - ⚙️ **高级参数配置**：支持为每个模型单独配置temperature、max_tokens等LLM参数 - 🔒 **安全架构**：纯客户端处理，数据直接与AI服务商交互，不经过中间服务器 - 💾 **隐私保护**：本地加密存储历史记录和API密钥，支持数据导入导出 - 📱 **多端支持**：同时提供Web应用和Chrome插件两种使用方式 - 🎨 **用户体验**：简洁直观的界面设计，响应式布局和流畅交互动效 - 🌐 **跨域支持**：Vercel部署时支持使用Edge Runtime代理解决跨域问题 - 🔐 **访问控制**：支持密码保护功能，保障部署安全 ## 快速开始 ### 1. 使用在线版本（推荐） 直接访问：[https://prompt.always200.com](https://prompt.always200.com) 项目是纯前端项目，所有数据只存储在浏览器本地，不会上传至任何服务器，因此直接使用在线版本也是安全可靠的 ### 2. Vercel部署 方式1：一键部署到自己的Vercel： [](https://vercel.com/new/clone?repository-url=https%3A%2F%2Fgithub.com%2Flinshenkx%2Fprompt-optimizer) 方式2: Fork项目后在Vercel中导入（推荐）： - 先Fork项目到自己的GitHub - 然后在Vercel中导入该项目 - 可跟踪源项目更新，便于同步最新功能和修复 - 配置环境变量： - `ACCESS_PASSWORD`：设置访问密码，启用访问限制 - `VITE_OPENAI_API_KEY`等：配置各AI服务商的API密钥 更多详细的部署步骤和注意事项，请查看： - [Vercel部署指南](docs/vercel.md) ### 3. 安装Chrome插件 1. 从Chrome商店安装（由于审批较慢，可能不是最新的）：[Chrome商店地址](https://chromewebstore.google.com/detail/prompt-optimizer/cakkkhboolfnadechdlgdcnjammejlna) 2. 点击图标即可打开提示词优化器 ### 4. Docker部署 ```bash # 运行容器（默认配置） docker run -d -p 80:80 --restart unless-stopped --name prompt-optimizer linshen/prompt-optimizer # 运行容器（配置API密钥和访问密码） docker run -d -p 80:80 \ -e VITE_OPENAI_API_KEY=your_key \ -e ACCESS_USERNAME=your_username \ # 可选，默认为"admin" -e ACCESS_PASSWORD=your_password \ # 设置访问密码 --restart unless-stopped \ --name prompt-optimizer \ linshen/prompt-optimizer ``` ### 5. Docker Compose部署 ```bash # 1. 克隆仓库 git clone https://github.com/linshenkx/prompt-optimizer.git cd prompt-optimizer # 2. 可选：创建.env文件配置API密钥和访问认证 cat > .env << EOF # API密钥配置 VITE_OPENAI_API_KEY=your_openai_api_key VITE_GEMINI_API_KEY=your_gemini_api_key VITE_DEEPSEEK_API_KEY=your_deepseek_api_key VITE_ZHIPU_API_KEY=your_zhipu_api_key VITE_SILICONFLOW_API_KEY=your_siliconflow_api_key # Basic认证配置（密码保护） ACCESS_USERNAME=your_username # 可选，默认为"admin" ACCESS_PASSWORD=your_password # 设置访问密码 EOF # 3. 启动服务 docker compose up -d # 4. 查看日志 docker compose logs -f ``` 你还可以直接编辑docker-compose.yml文件，自定义配置： ```yaml services: prompt-optimizer: image: linshen/prompt-optimizer:latest container_name: prompt-optimizer restart: unless-stopped ports: - "8081:80" # 修改端口映射 environment: - VITE_OPENAI_API_KEY=your_key_here # 直接在配置中设置密钥 ``` ## ⚙️ API密钥配置 ### 方式一：通过界面配置（推荐） 1. 点击界面右上角的"⚙️设置"按钮 2. 选择"模型管理"选项卡 3. 点击需要配置的模型（如OpenAI、Gemini、DeepSeek等） 4. 在弹出的配置框中输入对应的API密钥 5. 点击"保存"即可 支持的模型： - OpenAI (gpt-3.5-turbo, gpt-4, gpt-4o) - Gemini (gemini-1.5-pro, gemini-2.0-flash) - DeepSeek (deepseek-chat, deepseek-coder) - Zhipu智谱 (glm-4-flash, glm-4, glm-3-turbo) - SiliconFlow (Pro/deepseek-ai/DeepSeek-V3) - 自定义API（OpenAI兼容接口） 除了API密钥，您还可以在模型配置界面为每个模型单独设置高级LLM参数。这些参数通过一个名为 `llmParams` 的字段进行配置，它允许您以键值对的形式指定LLM SDK支持的任何参数，从而更精细地控制模型行为。 **高级LLM参数配置示例：** - **OpenAI/兼容API**: `{"temperature": 0.7, "max_tokens": 4096, "timeout": 60000}` - **Gemini**: `{"temperature": 0.8, "maxOutputTokens": 2048, "topP": 0.95}` - **DeepSeek**: `{"temperature": 0.5, "top_p": 0.9, "frequency_penalty": 0.1}` 有关 `llmParams` 的更详细说明和配置指南，请参阅 [LLM参数配置指南](docs/llm-params-guide.md)。 ### 方式二：通过环境变量配置 Docker部署时通过 `-e` 参数配置环境变量： ```bash -e VITE_OPENAI_API_KEY=your_key -e VITE_GEMINI_API_KEY=your_key -e VITE_DEEPSEEK_API_KEY=your_key -e VITE_ZHIPU_API_KEY=your_key -e VITE_SILICONFLOW_API_KEY=your_key -e VITE_CUSTOM_API_KEY=your_custom_api_key -e VITE_CUSTOM_API_BASE_URL=your_custom_api_base_url -e VITE_CUSTOM_API_MODEL=your_custom_model_name ``` ## 本地开发 详细文档可查看 [开发文档](dev.md) ```bash # 1. 克隆项目 git clone https://github.com/linshenkx/prompt-optimizer.git cd prompt-optimizer # 2. 安装依赖 pnpm install # 3. 启动开发服务 pnpm dev # 主开发命令：构建core/ui并运行web应用 pnpm dev:web # 仅运行web应用 pnpm dev:fresh # 完整重置并重新启动开发环境 ``` ## 🗺️ 开发路线 - [x] 基础功能开发 - [x] Web应用发布 - [x] Chrome插件发布 - [x] 自定义模型支持 - [x] 多模型支持优化 - [x] 国际化支持 详细的项目状态可查看 [项目状态文档](docs/project-status.md) ## 📖 相关文档 - [文档索引](docs/README.md) - 所有文档的索引 - [技术开发指南](docs/technical-development-guide.md) - 技术栈和开发规范 - [LLM参数配置指南](docs/llm-params-guide.md) - 高级LLM参数配置详细说明 - [项目结构](docs/project-structure.md) - 详细的项目结构说明 - [项目状态](docs/project-status.md) - 当前进度和计划 - [产品需求](docs/prd.md) - 产品需求文档 - [Vercel部署指南](docs/vercel.md) - Vercel部署详细说明 ## Star History <a href="https://star-history.com/#linshenkx/prompt-optimizer&Date"> <picture> <source media="(prefers-color-scheme: dark)" srcset="https://api.star-history.com/svg?repos=linshenkx/prompt-optimizer&type=Date&theme=dark" /> <source media="(prefers-color-scheme: light)" srcset="https://api.star-history.com/svg?repos=linshenkx/prompt-optimizer&type=Date" /> <img alt="Star History Chart" src="https://api.star-history.com/svg?repos=linshenkx/prompt-optimizer&type=Date" /> </picture> </a> ## 常见问题 ### API连接问题 #### Q1: 为什么配置好API密钥后仍然无法连接到模型服务？ **A**: 大多数连接失败是由**跨域问题**（CORS）导致的。由于本项目是纯前端应用，浏览器出于安全考虑会阻止直接访问不同源的API服务。模型服务如未正确配置CORS策略，会拒绝来自浏览器的直接请求。 #### Q2: 如何解决本地Ollama的连接问题？ **A**: Ollama完全支持OpenAI标准接口，只需配置正确的跨域策略： 1. 设置环境变量 `OLLAMA_ORIGINS=*` 允许任意来源的请求 2. 如仍有问题，设置 `OLLAMA_HOST=0.0.0.0:11434` 监听任意IP地址 #### Q3: 如何解决商业API（如Nvidia的DS API、字节跳动的火山API）的跨域问题？ **A**: 这些平台通常有严格的跨域限制，推荐以下解决方案： 1. **使用Vercel代理**（便捷方案） - 使用在线版本：[prompt.always200.com](https://prompt.always200.com) - 或自行部署到Vercel平台 - 在模型设置中勾选"使用Vercel代理"选项 - 请求流向：浏览器→Vercel→模型服务提供商 - 详细步骤请参考 [Vercel部署指南](docs/vercel.md) 2. **使用自部署的API中转服务**（可靠方案） - 部署如OneAPI等开源API聚合/代理工具 - 在设置中配置为自定义API端点 - 请求流向：浏览器→中转服务→模型服务提供商 #### Q4: Vercel代理有什么缺点或风险？ **A**: 使用Vercel代理可能会触发某些模型服务提供商的风控机制。部分厂商可能会将来自Vercel的请求判定为代理行为，从而限制或拒绝服务。如遇此问题，建议使用自部署的中转服务。 ## 🤝 参与贡献 1. Fork 本仓库 2. 创建特性分支 (`git checkout -b feature/AmazingFeature`) 3. 提交更改 (`git commit -m '添加某个特性'`) 4. 推送到分支 (`git push origin feature/AmazingFeature`) 5. 提交 Pull Request 提示：使用cursor工具开发时，建议在提交前: 1. 使用"code_review"规则进行代码审查 2. 按照审查报告格式检查: - 变更的整体一致性 - 代码质量和实现方式 - 测试覆盖情况 - 文档完善程度 3. 根据审查结果进行优化后再提交 ## 👏 贡献者名单 感谢所有为项目做出贡献的开发者！ <a href="https://github.com/linshenkx/prompt-optimizer/graphs/contributors"> <img src="https://contrib.rocks/image?repo=linshenkx/prompt-optimizer" alt="贡献者" /> </a> ## 📄 开源协议 本项目采用 [MIT](LICENSE) 协议开源。 --- 如果这个项目对你有帮助，请考虑给它一个 Star ⭐️ ## 👥 联系我们 - 提交 Issue - 发起 Pull Request - 加入讨论组", Assign "at most 3 tags" to the expected json: {"id":"13813","tags":[]} "only from the tags list I provide: [{"id":77,"name":"3d"},{"id":89,"name":"agent"},{"id":17,"name":"ai"},{"id":54,"name":"algorithm"},{"id":24,"name":"api"},{"id":44,"name":"authentication"},{"id":3,"name":"aws"},{"id":27,"name":"backend"},{"id":60,"name":"benchmark"},{"id":72,"name":"best-practices"},{"id":39,"name":"bitcoin"},{"id":37,"name":"blockchain"},{"id":1,"name":"blog"},{"id":45,"name":"bundler"},{"id":58,"name":"cache"},{"id":21,"name":"chat"},{"id":49,"name":"cicd"},{"id":4,"name":"cli"},{"id":64,"name":"cloud-native"},{"id":48,"name":"cms"},{"id":61,"name":"compiler"},{"id":68,"name":"containerization"},{"id":92,"name":"crm"},{"id":34,"name":"data"},{"id":47,"name":"database"},{"id":8,"name":"declarative-gui "},{"id":9,"name":"deploy-tool"},{"id":53,"name":"desktop-app"},{"id":6,"name":"dev-exp-lib"},{"id":59,"name":"dev-tool"},{"id":13,"name":"ecommerce"},{"id":26,"name":"editor"},{"id":66,"name":"emulator"},{"id":62,"name":"filesystem"},{"id":80,"name":"finance"},{"id":15,"name":"firmware"},{"id":73,"name":"for-fun"},{"id":2,"name":"framework"},{"id":11,"name":"frontend"},{"id":22,"name":"game"},{"id":81,"name":"game-engine "},{"id":23,"name":"graphql"},{"id":84,"name":"gui"},{"id":91,"name":"http"},{"id":5,"name":"http-client"},{"id":51,"name":"iac"},{"id":30,"name":"ide"},{"id":78,"name":"iot"},{"id":40,"name":"json"},{"id":83,"name":"julian"},{"id":38,"name":"k8s"},{"id":31,"name":"language"},{"id":10,"name":"learning-resource"},{"id":33,"name":"lib"},{"id":41,"name":"linter"},{"id":28,"name":"lms"},{"id":16,"name":"logging"},{"id":76,"name":"low-code"},{"id":90,"name":"message-queue"},{"id":42,"name":"mobile-app"},{"id":18,"name":"monitoring"},{"id":36,"name":"networking"},{"id":7,"name":"node-version"},{"id":55,"name":"nosql"},{"id":57,"name":"observability"},{"id":46,"name":"orm"},{"id":52,"name":"os"},{"id":14,"name":"parser"},{"id":74,"name":"react"},{"id":82,"name":"real-time"},{"id":56,"name":"robot"},{"id":65,"name":"runtime"},{"id":32,"name":"sdk"},{"id":71,"name":"search"},{"id":63,"name":"secrets"},{"id":25,"name":"security"},{"id":85,"name":"server"},{"id":86,"name":"serverless"},{"id":70,"name":"storage"},{"id":75,"name":"system-design"},{"id":79,"name":"terminal"},{"id":29,"name":"testing"},{"id":12,"name":"ui"},{"id":50,"name":"ux"},{"id":88,"name":"video"},{"id":20,"name":"web-app"},{"id":35,"name":"web-server"},{"id":43,"name":"webassembly"},{"id":69,"name":"workflow"},{"id":87,"name":"yaml"}]" returns me the "expected json"