Prompt Optimizer10 分钟写出高质量提示词【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改到第 4 版还是套话卡住的是提示词不是模型你第 4 次复制同一段提示词、改几个词、再发给 AI它还是回给你三句不痛不痒的套话。卡住的往往不是模型而是提示词本身。Prompt Optimizer 提示词优化器就是干这个的一个 AI 提示词优化工具把你写粗的提示词重写成结构清晰、指令明确的版本让同样的模型给出好得多的答案。拆开看Prompt Optimizer 到底替你干了什么它不是替你问问题的助手而是替你打磨问法的编辑器。核心是四件事双模式优化系统提示词定义 AI 角色和用户提示词一次具体问答分开处理改写时不会拿错对象各场景各得其所。分析与对比评估优化前能诊断提示词的缺口在哪优化后把两个版本放在同一份测试内容上跑到底好不好用拿证据说话。变量模板把每次都变的部分写成{{变量}}占位符一套结构换值复用适合批量产出同类内容。纯前端架构提示词和请求直接从浏览器发往模型服务商没有中间服务器数据只留在你自己的本地。说白了就是给提示词配了个改过一百版公文的老编辑先挑毛病再重写最后把对比稿交给你拍板。10 分钟上手 Prompt Optimizer 最快的路径是官方在线版浏览器打开即用入口地址见仓库 README 顶部。第一次用的人常问提示词优化器怎么配置模型其实就下面四步。第一步接入一个模型。打开顶部模型管理点添加选一个你已有 API 密钥的服务商填好密钥、选中模型测试连接通过后点创建列表里该模型显示已启用这步就成了。第二步输入原始提示词。切到用户提示词优化工作区把你最常用的那句话原样粘进原始提示词框粗糙没关系这正是优化对象右下角出现字数统计说明输入成功。第三步跑一次优化。选好优化模型和模板后点优化几秒后下方优化工作区就出现改写版本旁边附改动理由看到有内容生成说明模型通了。第四步打磨一轮再收藏。点继续优化补充具体要求例如再短一点保留 JSON 输出迭代一两轮满意就点收藏存进资产库收藏列表里能看到它就算存住了。三个真正拉开差距的功能下面三个功能是它和一键润色类工具拉开差距的地方。变量工作区一条模板覆盖一整类任务适合需要反复产出同类内容的场景商品文案、客服话术、二手交易砍价。把每次都会变的部分写成{{item}}、{{price}}这类占位符放进原始提示词左侧先把模板本身优化一次再到右侧填变量值跑测试换一组值就是另一个场景。图里是一个砍价回复模板商品、报价、语气全是变量。同一套模板换组值输出就贴合当前交易助手腔明显少了。用好了几十单换着变量值连跑风格还统一省掉每单重写的工夫。对比评估优化有没有用跑一遍说话优化完别急着直接搬走。同一份测试内容让原始版和优化版各跑一遍用对比评估判断哪份更贴需求、为什么只跑出一列时用结果评估先定位问题再带着评估意见迭代改写。这张图是知识图谱提取任务原始版给出一堆散乱条目优化后的提示词让模型直接返回结构化 JSON实体、关系、属性清清楚楚。价值在于少瞎试评估说某版不行回退版本历史即可不用在对话框里反复碰运气。文生图模式给画图也配个润色师经常要出图的话文生图模式把同一套思路搬到了图像上把要梦幻、要震撼这类虚词拆成视觉主体、空间关系和情绪锚点再交给 Gemini、Seedream、Grok 等图像模型出图。图左侧是原始想法画一座漂浮在夜空中的图书馆的生成结果右侧是优化后提示词出图画面重心和奇幻结构稳定得多更像能继续定制的主视觉。配合风格迁移还能从参考图学风格、构图和色彩迁到一张新图上。串起来用从一句草稿到可复用模板草稿进工作区点优化出第一版右侧同一模型跑原始版和优化版用对比评估分高下评估意见回灌工作区继续迭代稳定后抽成{{变量}}模板收藏入库。下次同类任务换组变量值直接跑。按你的环境挑部署路线项目提供四种用法按你手头的环境挑一条就行。方式适合谁一句话点评在线版绝大多数人浏览器打开即用数据存本地零配置桌面应用连本地模型、求稳无跨域限制安装版支持自动更新Chrome 插件常逛网页的人任意网页顺手优化不用切窗口Docker想自托管一条命令跑起来附带 MCP 服务最容易被卡住的是跨域CORS浏览器会拦下没有声明 CORS 的模型服务直连请求。三个解法换桌面版原生应用没有限制本地 Ollama 启动前放开来源# 允许任意来源直连本地 Ollama OLLAMA_ORIGINS*或者用 Docker 自托管让应用和本地服务处于同一协议下docker run -d -p 8081:80 \ -e VITE_OPENAI_API_KEYyour_key \ --restart unless-stopped \ --name prompt-optimizer \ linshen/prompt-optimizer容器起来后访问/mcp路径就是 MCP 服务支持 MCP 协议的 AI 客户端可以直接把优化能力挂进自己的工作流。遇到问题先看这四处配了密钥还是连不上模型多半是 CORS 跨域按上一节的思路处理在线版连本地 HTTP 服务还会被浏览器混合内容策略拦下这种情况直接换桌面版或 Docker。macOS 提示已损坏或无法验证开发者桌面应用未做签名终端执行下面这行解除隔离即可xattr -rd com.apple.quarantine /Applications/PromptOptimizer.app优化了但效果不明显从三处调换更贴场景的优化模板通用模板偏保守换更擅长中文或推理的模型继续优化时把改进要求写具体比如控制在 200 字内输出 JSON而不是再优化一下。数据会不会泄露整个项目是纯前端提示词和请求内容从浏览器直连模型服务商收藏、历史只写进本地存储没有经过任何中间服务器。延伸资源仓库里的文档按场景分得很细挑三个最实用的入口首次使用教程从配模型到第一次优化照着做即可测试与评估说明搞清左侧分析、右侧测试、评估三者的边界Docker 部署指南想自托管、开 MCP 服务时看卡壳了直接去仓库提 Issue社区一般接得很快。行动清单今晚就能做完的 5 步 ✅打开在线版熟悉一遍界面布局不用装任何东西。接入一个你手头已有的模型跑通测试连接。挑你最常用的一条提示词完整走一遍优化流程。跑一轮对比评估确认提升把满意版本收藏入库。按环境选形态常逛网页装插件连本地模型换桌面版有服务器就上 Docker。下次再改到第 4 版还是套话时别再手动硬改了丢给 Prompt Optimizer 跑一轮优化加评估十分钟后的产出才是模型能真正执行好的版本。AI 的回答从嗯嗯对对变成干货就是从配置这个提示词优化器开始的。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考