开源发现

Prompt Optimizer：把“会写提示词”变成可测试、可复用的工作流

Prompt Optimizer是一个面向 AI提示词优化的开源工具，核心目标很直接：帮助用户把已有想法整理成更清晰、更稳定的提示词，并在同一个工作区里完成测试、评估和反复迭代。它既适合日常使用 ChatGPT、Claude、Gemini等模型的普通用户，也适合需要管理系统提示词、做多模型对比或把提示词接入自动化工作流的开发者。

项目目前提供 Web应用、桌面应用、Chrome扩展和 Docker部署等多种使用方式。相比只做“提示词润色”的小工具，Prompt Optimizer更像一个完整的提示词工作台：提示词可以从手写、模板、本地导入或 Prompt Garden等来源进入，然后继续优化、测试、评估，最后保存成可以反复使用的提示资产。

Prompt Optimizer 官方项目截图

核心能力不只是“改写提示词”

Prompt Optimizer把提示词优化拆成了几个更明确的环节。用户可以分别优化普通用户提示词和系统提示词，也可以针对已经比较成熟的提示词继续做迭代调整。项目还提供测试、对比和评估能力，适合观察不同模型、不同版本提示词之间的实际输出差异，而不是只看优化后的文字是否“更像专业提示词”。

这种设计的价值在于，它把提示词从一次性输入，变成了可以持续维护的对象。对于经常使用固定角色、固定输出格式或复杂任务说明的人来说，提示词的版本管理、复用和评估往往比单次生成更重要。

支持多种使用形态，也能接入 MCP

项目既可以直接在线使用，也能通过桌面端、浏览器扩展或 Docker自托管。对于希望把它接进现有 AI工具链的用户，Prompt Optimizer还提供 MCP Server支持，可以向兼容 MCP的客户端暴露提示词优化能力。

目前文档中列出的 MCP工具包括 `optimize-user-prompt`、`optimize-system-prompt` 和 `iterate-prompt`。这意味着它不仅能作为一个独立网页工具使用，也可以成为 Claude Desktop等 MCP客户端里的一个可调用能力，让提示词优化直接进入日常工作流。

Docker是官方文档里比较直接的部署方式，Web界面和 MCP Server可以一起启动：

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

启动后，Web界面默认位于 `http://localhost:8081`，MCP Server位于 `http://localhost:8081/mcp`。对于希望把 API Key和数据控制在自己环境中的团队，自托管会比直接依赖第三方在线服务更方便。

最近的更新开始强化多模态和模型兼容性

从近期版本记录来看，Prompt Optimizer已经不再局限于纯文本提示词。v2.11.8加入了基础提示词和系统提示词测试中的单图附件能力，图片可以参与多模态模型调用、评估、对比和会话恢复。对于需要测试视觉模型或图文混合提示词的人来说，这让原来的提示词测试工作区能够覆盖更多真实场景。

项目近期也持续跟进模型提供商的变化。例如 v2.11.6更新了 MiniMax模型列表，并修复 OpenAI大图模型调用时不支持 `response_format` 参数导致的错误，同时补充了 Unicode变量名支持和更清晰的错误信息。这类更新看起来不显眼，但对于长期自托管和多模型切换的用户很重要，因为模型 API的参数兼容性经常会变化。

适合哪些人

如果只是偶尔让模型帮忙改一句提示词，Prompt Optimizer可能显得偏重。但如果你已经开始维护系统提示词、角色模板、工作流提示词，或者需要在多个模型之间反复测试同一个任务，它会更有价值。

它尤其适合几类场景：内容团队维护固定写作模板，开发者调试 Agent和系统提示词，AI重度用户整理自己的提示词资产，以及希望通过 MCP把“提示词优化”变成可调用工具的自动化工作流。

Prompt Optimizer的亮点并不只是“自动把提示词写得更长”，而是把优化、测试、评估、保存和再次使用放到了一套连续流程里。对于已经从“会不会写提示词”进入“怎么稳定维护提示词”的用户，这种工作流比单纯的提示词生成器更实用。