Trendshift - Ask AI

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) [![GitHub stars](https://img.shields.io/github/stars/linshenkx/prompt-optimizer)](https://github.com/linshenkx/prompt-optimizer/stargazers) ![Chrome Web Store Users](https://img.shields.io/chrome-web-store/users/cakkkhboolfnadechdlgdcnjammejlna?style=flat&label=Chrome%20Users&link=https%3A%2F%2Fchromewebstore.google.com%2Fdetail%2F%25E6%258F%2590%25E7%25A4%25BA%25E8%25AF%258D%25E4%25BC%2598%25E5%258C%2596%25E5%2599%25A8%2Fcakkkhboolfnadechdlgdcnjammejlna) <a href="https://trendshift.io/repositories/13813" target="_blank"><img src="https://trendshift.io/api/badge/repositories/13813" alt="linshenkx%2Fprompt-optimizer | Trendshift" style="width: 250px; height: 55px;" width="250" height="55"/></a> [![License](https://img.shields.io/badge/license-MIT-blue.svg)](LICENSE) [![Docker Pulls](https://img.shields.io/docker/pulls/linshen/prompt-optimizer)](https://hub.docker.com/r/linshen/prompt-optimizer) ![GitHub forks](https://img.shields.io/github/forks/linshenkx/prompt-optimizer?style=flat) [![Deploy with Vercel](https://img.shields.io/badge/Vercel-indigo?style=flat&logo=vercel)](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) | [Chrome插件](https://chromewebstore.google.com/detail/prompt-optimizer/cakkkhboolfnadechdlgdcnjammejlna) | [💖赞助支持](images/other/sponsor_wx.jpg) [开发文档](dev.md) | [Vercel部署指南](docs/user/deployment/vercel.md) | [MCP部署使用说明](docs/user/mcp-server.md) | [DeepWiki文档](https://deepwiki.com/linshenkx/prompt-optimizer) | [ZRead文档](https://zread.ai/linshenkx/prompt-optimizer) </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、桌面应用、Chrome插件和Docker部署四种使用方式。 ### 🎥 功能演示 <div align="center"> 1. 角色扮演对话：激发小模型潜力 在追求成本效益的生产或注重隐私的本地化场景中，结构化的提示词能让小模型稳定地进入角色，提供沉浸式、高一致性的角色扮演体验，有效激发其潜力。 <img src="images/demo/cat-maid-roleplay.png" alt="猫女仆角色扮演演示" width="85%"> 2. 知识图谱提取：保障生产环境的稳定性 在需要程序化处理的生产环境中，高质量的提示词能显著降低对模型智能程度的要求，使得更经济的小模型也能稳定输出可靠的指定格式。本工具旨在辅助开发者快速达到此目的，从而加速开发、保障稳定，实现降本增效。 <img src="images/demo/knowledge-graph-extractor.png" alt="知识图谱提取演示" width="85%"> 3. 诗歌写作：辅助创意探索与需求定制 当面对一个强大的AI，我们的目标不只是得到一个“好”答案，而是得到一个“我们想要的”独特答案。本工具能帮助用户将一个模糊的灵感（如“写首诗”）细化为具体的需求（关于什么主题、何种意象、何种情感），辅助您探索、发掘并精确表达自己的创意，与AI共创独一无二的作品。 <img src="images/demo/poetry-writing.png" alt="诗歌创作演示" width="85%"> </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 - 📝 **双模式优化**：支持系统提示词优化和用户提示词优化，满足不同使用场景 - 🔄 **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 - 🔒 **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 - 📱 **多端支持**：同时提供Web应用、桌面应用、Chrome插件和Docker部署四种使用方式 - 🔐 **访问控制**：支持密码保护功能，保障部署安全 - 🧩 **MCP协议支持**：支持Model Context Protocol (MCP) 协议，可与Claude Desktop等MCP兼容应用集成 ## 🚀 高级功能预览 (Beta) > **预览环境**：[https://prompt-dev.always200.com](https://prompt-dev.always200.com) | 欢迎体验新功能并反馈 - 📊 **上下文变量管理**：自定义变量、多轮会话测试、变量替换预览 - 🛠️ **工具调用支持**：Function Calling集成，支持OpenAI和Gemini工具调用 - 🎯 **高级测试模式**：更灵活的提示词测试和调试能力 *注：高级功能正在开发完善中，未来版本将正式集成到主版本* ## 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(方便，但后续无法自动更新)： [![部署到 Vercel](https://vercel.com/button)](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，但需参考部署文档进行手动设置）： - 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/user/deployment/vercel.md) ### 3. 下载桌面应用从 [GitHub Releases](https://github.com/linshenkx/prompt-optimizer/releases) 下载最新版本。我们为各平台提供**安装程序**和**压缩包**两种格式。 - **安装程序 (推荐)**: 如 `*.exe`, `*.dmg`, `*.AppImage` 等。**强烈推荐使用此方式，因为它支持自动更新**。 - **压缩包**: 如 `*.zip`。解压即用，但无法自动更新。 **桌面应用核心优势**: - ✅ **无跨域限制**：作为原生桌面应用，它能彻底摆脱浏览器跨域（CORS）问题的困扰。这意味着您可以直接连接任何AI服务提供商的API，包括本地部署的Ollama或有严格安全策略的商业API，获得最完整、最稳定的功能体验。 - ✅ **自动更新**：通过安装程序（如 `.exe`, `.dmg`）安装的版本，能够自动检查并更新到最新版。 - ✅ **独立运行**：无需依赖浏览器，提供更快的响应和更佳的性能。 ### 4. 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 ### 5. Docker部署 <details> <summary>点击查看 Docker 部署命令</summary> ```bash # 运行容器（默认配置） docker run -d -p 8081:80 --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 8081:80 \ -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 ``` </details> > **国内镜像**: 如果Docker Hub访问较慢，可以将上述命令中的 `linshen/prompt-optimizer` 替换为 `registry.cn-guangzhou.aliyuncs.com/prompt-optimizer/prompt-optimizer` ### 6. Docker Compose部署 <details> <summary>点击查看 Docker Compose 部署步骤</summary> ```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 cp env.local.example .env # 编辑 .env 文件，填入实际的 API 密钥和配置 # 3. 启动服务 docker compose up -d # 4. 查看日志 docker compose logs -f # 5. 访问服务 Web 界面：http://localhost:8081 MCP 服务器：http://localhost:8081/mcp ``` </details> 你还可以直接编辑docker-compose.yml文件，自定义配置： <details> <summary>点击查看 docker-compose.yml 示例</summary> ```yaml services: prompt-optimizer: # 使用Docker Hub镜像 image: linshen/prompt-optimizer:latest # 或使用阿里云镜像（国内用户推荐） # image: registry.cn-guangzhou.aliyuncs.com/prompt-optimizer/prompt-optimizer:latest container_name: prompt-optimizer restart: unless-stopped ports: - "8081:80" # Web应用端口（包含MCP服务器，通过/mcp路径访问） environment: # API密钥配置 - VITE_OPENAI_API_KEY=your_openai_key - VITE_GEMINI_API_KEY=your_gemini_key # 访问控制（可选） - ACCESS_USERNAME=admin - ACCESS_PASSWORD=your_password ``` </details> ### 7. MCP Server 使用说明 <details> <summary>点击查看 MCP Server 使用说明</summary> Prompt Optimizer 现在支持 Model Context Protocol (MCP) 协议，可以与 Claude Desktop 等支持 MCP 的 AI 应用集成。当通过 Docker 运行时，MCP Server 会自动启动，并可通过 `http://ip:port/mcp` 访问。 #### 环境变量配置 MCP Server 需要配置 API 密钥才能正常工作。主要的 MCP 专属配置： ```bash # MCP 服务器配置 MCP_DEFAULT_MODEL_PROVIDER=openai # 可选值：openai, gemini, deepseek, siliconflow, zhipu, custom MCP_LOG_LEVEL=info # 日志级别 ``` #### Docker 环境下使用 MCP 在 Docker 环境中，MCP Server 会与 Web 应用一起运行，您可以通过 Web 应用的相同端口访问 MCP 服务，路径为 `/mcp`。例如，如果您将容器的 80 端口映射到主机的 8081 端口： ```bash 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 ``` 那么 MCP Server 将可以通过 `http://localhost:8081/mcp` 访问。 #### Claude Desktop 集成示例要在 Claude Desktop 中使用 Prompt Optimizer，您需要在 Claude Desktop 的配置文件中添加服务配置。 1. 找到 Claude Desktop 的配置目录： - Windows: `%APPDATA%\Claude\services` - macOS: `~/Library/Application Support/Claude/services` - Linux: `~/.config/Claude/services` 2. 编辑或创建 `services.json` 文件，添加以下内容： ```json { "services": [ { "name": "Prompt Optimizer", "url": "http://localhost:8081/mcp" } ] } ``` 请确保将 `localhost:8081` 替换为您实际部署 Prompt Optimizer 的地址和端口。 #### 可用工具 - **optimize-user-prompt**: 优化用户提示词以提高 LLM 性能 - **optimize-system-prompt**: 优化系统提示词以提高 LLM 性能 - **iterate-prompt**: 对已经成熟/完善的提示词进行定向迭代优化更多详细信息，请查看 [MCP 服务器用户指南](docs/user/mcp-server.md)。 </details> ## ⚙️ API密钥配置 <details> <summary>点击查看API密钥配置方法</summary> ### 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、Gemini、DeepSeek、Zhipu智谱、SiliconFlow、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/developer/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 # 多自定义模型配置（支持无限数量） -e VITE_CUSTOM_API_KEY_ollama=dummy_key -e VITE_CUSTOM_API_BASE_URL_ollama=http://localhost:11434/v1 -e VITE_CUSTOM_API_MODEL_ollama=qwen2.5:7b ``` > 📖 **详细配置指南**: 查看 [多自定义模型配置文档](./docs/user/multi-custom-models.md) 了解完整的配置方法和高级用法 </details> ## 本地开发详细文档可查看 [开发文档](dev.md) <details> <summary>点击查看本地开发命令</summary> ```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 ``` </details> ## 🗺️ 开发路线 - [x] 基础功能开发 - [x] Web应用发布 - [x] Chrome插件发布 - [x] 国际化支持 - [x] 支持系统提示词优化和用户提示词优化 - [x] 桌面应用发布 - [x] MCP服务发布 - [x] 高级模式：变量管理、上下文测试、工具调用 - [ ] 支持图片输入和多模态处理 - [ ] 支持工作区/项目管理 - [ ] 支持提示词收藏和模板管理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/developer/technical-development-guide.md) - 技术栈和开发规范 - [LLM参数配置指南](docs/developer/llm-params-guide.md) - 高级LLM参数配置详细说明 - [项目结构](docs/developer/project-structure.md) - 详细的项目结构说明 - [项目状态](docs/project/project-status.md) - 当前进度和计划 - [产品需求](docs/project/prd.md) - 产品需求文档 - [Vercel部署指南](docs/user/deployment/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 <details> <summary>点击查看常见问题解答</summary> ### 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/user/deployment/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。 #### Q5: 我已正确配置本地模型（如Ollama）的跨域策略，为什么使用在线版依然无法连接？ **A**: 这是由浏览器的**混合内容（Mixed Content）安全策略**导致的。出于安全考虑，浏览器会阻止安全的HTTPS页面（如在线版）向不安全的HTTP地址（如您的本地Ollama服务）发送请求。 **解决方案**：为了绕过此限制，您需要让应用和API处于同一种协议下（例如，都是HTTP）。推荐以下几种方式： 1. **使用桌面版**：桌面应用没有浏览器限制，是连接本地模型最稳定可靠的方式。 2. **docker部署**：docker部署也是http 3. **使用Chrome插件**：插件在某些情况下也可以绕过部分安全限制。 </details> ## 🤝 参与贡献 <details> <summary>点击查看贡献指南</summary> 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 </details> ## 👏 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"

AI prompts