尧图网站建设 
prompt-optimizer 提示词优化插件实战指南从接入本地模型到 MCP 部署的完整流程【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-optimizerprompt-optimizer提示词优化器是一个开源的提示词优化工具把一句粗糙的提示词改写成结构更完整、约束更明确的版本并提供多轮迭代、对比评估与收藏复用等能力。它同时以 Web 应用、桌面应用、Chrome 扩展和 Docker 镜像四种形态交付数据默认留在本地适合想改善 AI 输出质量、又希望自行掌控模型与部署的开发者与团队。下面按先跑起来 → 接入自己的模型 → 让其他工具调用 → 稳定跑在生产的顺序给出可执行的操作路径。一、快速跑起本地开发环境要参与开发或二次改造先拉下源码并安装依赖。项目基于 pnpm 工作区管理多个子包pnpm dev会依次构建 core 与 ui、再启动 Web 应用。仓库里附了一份本地开发的完整说明需要排错时可对照 docs/developer/development.md。git clone https://gitcode.com/GitHub_Trending/pro/prompt-optimizer cd prompt-optimizer pnpm install pnpm dev跑通之后就能在浏览器里看到主界面左侧放原始提示词与优化结果右侧是测试区可直接对比优化前后的输出差异。下面的知识图谱提取示例里系统提示词被改写成带 Profile、Skills 的结构化角色设定右侧两栏则呈现同一输入下优化前 / 优化后的结果对照。如果只想体验而不用改代码也可以直接安装 Chrome 扩展核心配置权限、内容安全策略、后台服务 worker都写在 packages/extension/public/manifest.json其中permissions声明为空数组权限保持最小化。在 Chrome 打开chrome://extensions/、启用开发者模式并加载构建出的dist目录选中文本后右键即可调用优化。二、接入自有模型与本地 Ollama 服务默认支持 OpenAI、Gemini、DeepSeek、Grok、智谱、SiliconFlow 等主流服务密钥在右上角设置 → 模型管理里逐模型填写即可。若你的模型不在默认列表里或想连本地服务可以用自定义模型能力。规则是给同一组变量加同一个后缀suffix后缀只能含字母、数字、下划线与连字符且API_KEY、BASE_URL、MODEL三项缺一不可。以本地 Ollama 为例# 三项均必填后缀需一致 VITE_CUSTOM_API_KEY_ollamadummy-key VITE_CUSTOM_API_BASE_URL_ollamahttp://localhost:11434/v1 VITE_CUSTOM_API_MODEL_ollamaqwen2.5:7b更完整的变量清单含图像生成、MCP、Docker 访问控制等可直接对照仓库根目录的 env.local.example复制为.env.local后填入真实值即可。需要提醒的是纯前端形态在线版、Vercel、Docker Web都受浏览器 CORS 约束。连本地 Ollama 时通常要设置OLLAMA_ORIGINS*必要时再加OLLAMA_HOST0.0.0.0:11434放行跨域HTTPS 页面访问本地 HTTP 服务还会触发 Mixed Content 拦截。遇到这类限制桌面应用因为没有 CORS 与同源约束是最稳的接法或者走自建 API 代理再作为自定义端点填入。三、部署 MCP 服务并接入 AI 客户端MCPModel Context Protocol服务是这个项目的集成中枢把提示词优化能力暴露给支持 MCP 的应用例如 Claude Desktop。Docker 方式下Web 界面与 MCP 服务会同时启动共用同一端口MCP 走/mcp路径。docker run -d -p 8081:80 \ -e VITE_OPENAI_API_KEYyour-openai-key \ -e MCP_DEFAULT_MODEL_PROVIDERopenai \ --name prompt-optimizer \ linshen/prompt-optimizer启动后Web 界面在http://localhost:8081MCP 服务在http://localhost:8081/mcp。服务对外提供三个工具optimize-user-prompt优化用户提示词、optimize-system-prompt优化系统提示词、iterate-prompt按具体需求迭代改进成熟提示词。MCP_DEFAULT_MODEL_PROVIDER在配置了多个密钥时用来指定首选提供商可选 openai、gemini、anthropic、deepseek、grok、siliconflow、zhipu、dashscope、openrouter、modelscope、custom 等。客户端接入以 Claude Desktop 为例在其配置目录下macOS 为~/Library/Application Support/Claude/servicesLinux 为~/.config/Claude/services创建或编辑services.json把一条url指向http://localhost:8081/mcp的记录加入services数组即可。端口不是 8081 时记得替换成实际地址。更多连接方式与参数说明见 docs/user/mcp-server.md。四、生产环境部署与访问控制生产部署有两条常见路线。Vercel 适合纯前端托管关联仓库后在Build and Deployment里把输出目录设为packages/web/dist并配好安装与构建命令保存后按环境变量注入模型密钥即可效果如下。注意VITE_*前缀的值会暴露在前端产物中公网部署不要预填 API 密钥改用界面内逐用户填写更稳妥。若需要访问控制设置ACCESS_PASSWORD开启密码限制即可。私有化或需要自带模型的场景推荐 Docker / Docker Compose。Compose 编排文件位于 docker/docker-compose.yml可通过环境变量注入各模型密钥并可选地加上基础认证docker run -d -p 8081:80 \ -e ACCESS_USERNAMEadmin \ -e ACCESS_PASSWORDyour-password \ --name prompt-optimizer \ linshen/prompt-optimizerACCESS_USERNAME缺省为 adminACCESS_PASSWORD不设置则无密码保护。Cloudflare 部署可走 Workers Builds 路径wrangler.jsonc会构建 Web 前端并静态发布packages/web/dist访问控制交给 Cloudflare Access 即可无需改动应用代码。五、后续方向与下一步路线图里尚未勾选项是工作区 / 项目管理能力其余核心功能多模型、图像生成 T2I / I2I / 多图、收藏与模板、MCP 服务、高级测试模式均已交付。想继续深入建议从这几处入手文档总入口在docs/README.md本地开发规范见docs/developer/development.md架构与重构记录集中在docs/architecture/与docs/archives/。使用或集成中遇到的问题直接在仓库提 Issue 反馈即可。【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 prompt-optimizer 提示词优化插件实战指南：从接入本地模型到 MCP 部署的完整流程
prompt-optimizer 提示词优化插件实战指南从接入本地模型到 MCP 部署的完整流程【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-optimizerprompt-optimizer提示词优化器是一个开源的提示词优化工具把一句粗糙的提示词改写成结构更完整、约束更明确的版本并提供多轮迭代、对比评估与收藏复用等能力。它同时以 Web 应用、桌面应用、Chrome 扩展和 Docker 镜像四种形态交付数据默认留在本地适合想改善 AI 输出质量、又希望自行掌控模型与部署的开发者与团队。下面按先跑起来 → 接入自己的模型 → 让其他工具调用 → 稳定跑在生产的顺序给出可执行的操作路径。一、快速跑起本地开发环境要参与开发或二次改造先拉下源码并安装依赖。项目基于 pnpm 工作区管理多个子包pnpm dev会依次构建 core 与 ui、再启动 Web 应用。仓库里附了一份本地开发的完整说明需要排错时可对照 docs/developer/development.md。git clone https://gitcode.com/GitHub_Trending/pro/prompt-optimizer cd prompt-optimizer pnpm install pnpm dev跑通之后就能在浏览器里看到主界面左侧放原始提示词与优化结果右侧是测试区可直接对比优化前后的输出差异。下面的知识图谱提取示例里系统提示词被改写成带 Profile、Skills 的结构化角色设定右侧两栏则呈现同一输入下优化前 / 优化后的结果对照。如果只想体验而不用改代码也可以直接安装 Chrome 扩展核心配置权限、内容安全策略、后台服务 worker都写在 packages/extension/public/manifest.json其中permissions声明为空数组权限保持最小化。在 Chrome 打开chrome://extensions/、启用开发者模式并加载构建出的dist目录选中文本后右键即可调用优化。二、接入自有模型与本地 Ollama 服务默认支持 OpenAI、Gemini、DeepSeek、Grok、智谱、SiliconFlow 等主流服务密钥在右上角设置 → 模型管理里逐模型填写即可。若你的模型不在默认列表里或想连本地服务可以用自定义模型能力。规则是给同一组变量加同一个后缀suffix后缀只能含字母、数字、下划线与连字符且API_KEY、BASE_URL、MODEL三项缺一不可。以本地 Ollama 为例# 三项均必填后缀需一致 VITE_CUSTOM_API_KEY_ollamadummy-key VITE_CUSTOM_API_BASE_URL_ollamahttp://localhost:11434/v1 VITE_CUSTOM_API_MODEL_ollamaqwen2.5:7b更完整的变量清单含图像生成、MCP、Docker 访问控制等可直接对照仓库根目录的 env.local.example复制为.env.local后填入真实值即可。需要提醒的是纯前端形态在线版、Vercel、Docker Web都受浏览器 CORS 约束。连本地 Ollama 时通常要设置OLLAMA_ORIGINS*必要时再加OLLAMA_HOST0.0.0.0:11434放行跨域HTTPS 页面访问本地 HTTP 服务还会触发 Mixed Content 拦截。遇到这类限制桌面应用因为没有 CORS 与同源约束是最稳的接法或者走自建 API 代理再作为自定义端点填入。三、部署 MCP 服务并接入 AI 客户端MCPModel Context Protocol服务是这个项目的集成中枢把提示词优化能力暴露给支持 MCP 的应用例如 Claude Desktop。Docker 方式下Web 界面与 MCP 服务会同时启动共用同一端口MCP 走/mcp路径。docker run -d -p 8081:80 \ -e VITE_OPENAI_API_KEYyour-openai-key \ -e MCP_DEFAULT_MODEL_PROVIDERopenai \ --name prompt-optimizer \ linshen/prompt-optimizer启动后Web 界面在http://localhost:8081MCP 服务在http://localhost:8081/mcp。服务对外提供三个工具optimize-user-prompt优化用户提示词、optimize-system-prompt优化系统提示词、iterate-prompt按具体需求迭代改进成熟提示词。MCP_DEFAULT_MODEL_PROVIDER在配置了多个密钥时用来指定首选提供商可选 openai、gemini、anthropic、deepseek、grok、siliconflow、zhipu、dashscope、openrouter、modelscope、custom 等。客户端接入以 Claude Desktop 为例在其配置目录下macOS 为~/Library/Application Support/Claude/servicesLinux 为~/.config/Claude/services创建或编辑services.json把一条url指向http://localhost:8081/mcp的记录加入services数组即可。端口不是 8081 时记得替换成实际地址。更多连接方式与参数说明见 docs/user/mcp-server.md。四、生产环境部署与访问控制生产部署有两条常见路线。Vercel 适合纯前端托管关联仓库后在Build and Deployment里把输出目录设为packages/web/dist并配好安装与构建命令保存后按环境变量注入模型密钥即可效果如下。注意VITE_*前缀的值会暴露在前端产物中公网部署不要预填 API 密钥改用界面内逐用户填写更稳妥。若需要访问控制设置ACCESS_PASSWORD开启密码限制即可。私有化或需要自带模型的场景推荐 Docker / Docker Compose。Compose 编排文件位于 docker/docker-compose.yml可通过环境变量注入各模型密钥并可选地加上基础认证docker run -d -p 8081:80 \ -e ACCESS_USERNAMEadmin \ -e ACCESS_PASSWORDyour-password \ --name prompt-optimizer \ linshen/prompt-optimizerACCESS_USERNAME缺省为 adminACCESS_PASSWORD不设置则无密码保护。Cloudflare 部署可走 Workers Builds 路径wrangler.jsonc会构建 Web 前端并静态发布packages/web/dist访问控制交给 Cloudflare Access 即可无需改动应用代码。五、后续方向与下一步路线图里尚未勾选项是工作区 / 项目管理能力其余核心功能多模型、图像生成 T2I / I2I / 多图、收藏与模板、MCP 服务、高级测试模式均已交付。想继续深入建议从这几处入手文档总入口在docs/README.md本地开发规范见docs/developer/development.md架构与重构记录集中在docs/architecture/与docs/archives/。使用或集成中遇到的问题直接在仓库提 Issue 反馈即可。【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