229 lines
6.6 KiB
Markdown
Executable File
229 lines
6.6 KiB
Markdown
Executable File
# Prompt Optimizer 生态完全研究
|
||
|
||
> 提示词优化器工具生态：从用户产品到自动优化框架
|
||
>
|
||
> 归档：2026-04-25
|
||
|
||
---
|
||
|
||
## 📊 生态全景
|
||
|
||
Prompt Optimizer 生态分为两大方向：
|
||
|
||
| 方向 | 代表项目 | 定位 |
|
||
|------|---------|------|
|
||
| **用户工具** | linshenkx/prompt-optimizer | 交互式提示词优化产品 |
|
||
| **自动优化框架** | GEPA / PromptWizard / prompt-ops | AI 自动迭代优化 |
|
||
|
||
---
|
||
|
||
## 🏆 主流项目对比
|
||
|
||
| 项目 | Stars | 语言 | 定位 | 维护方 |
|
||
|------|-------|------|------|--------|
|
||
| **prompt-optimizer** | 26,823 | TypeScript | 用户端优化工具 | 个人开发者 |
|
||
| **Context-Engineering** | 8,773 | Markdown | Prompt Engineering 手册 | 社区 |
|
||
| **GEPA** | 3,980 | Python | 反射式文本进化框架 | gepa-ai |
|
||
| **PromptWizard** | 3,839 | Python | Agent 驱动的自动优化 | Microsoft |
|
||
| **auto-prompt** | 764 | TypeScript | AI 提示词优化平台 | AIDotNet |
|
||
| **prompt-ops** | 804 | Python | LLM 提示词优化工具 | Meta |
|
||
| **SAMMO** | 753 | Python | 多目标元提示词优化 | Microsoft |
|
||
|
||
---
|
||
|
||
## 🎯 linshenkx/prompt-optimizer（⭐26,823）
|
||
|
||
### 项目概览
|
||
|
||
| 属性 | 值 |
|
||
|------|---|
|
||
| **创建时间** | 2025-02-12 |
|
||
| **语言** | TypeScript |
|
||
| **Forks** | 3,167 |
|
||
| **许可** | 开源 |
|
||
| **在线体验** | https://prompt.always200.com |
|
||
|
||
### 核心能力
|
||
|
||
```
|
||
用户输入原始提示词 → AI 优化引擎 → 输出优化后提示词
|
||
↕ ↓
|
||
多轮迭代优化 ←── 评估对比 ←── 多模型生成
|
||
```
|
||
|
||
| 能力 | 说明 |
|
||
|------|------|
|
||
| 🎯 智能优化 | 一键优化 + 多轮迭代优化 |
|
||
| 📝 双模式 | 系统提示词优化 + 用户提示词优化 |
|
||
| 🔄 评估对比 | 单结果评估 + 多结果对比评估 |
|
||
| 🤖 多模型 | OpenAI / Gemini / DeepSeek / 智谱 / 硅基流动 |
|
||
| 🖼️ 图片生成 | T2I 文生图 + I2I 图生图 |
|
||
| 📊 高级模式 | 变量管理 + 多轮对话测试 + Function Calling |
|
||
| 🔒 安全架构 | 纯前端 + 数据本地存储 |
|
||
| 🧩 MCP 协议 | 集成 Claude Desktop 等 MCP 应用 |
|
||
|
||
### 四种使用方式
|
||
|
||
| 方式 | 特点 |
|
||
|------|------|
|
||
| **Web 应用** | 在线即用，数据存浏览器 |
|
||
| **桌面应用** | 无 CORS 限制，支持自动更新 |
|
||
| **Chrome 扩展** | 浏览器内嵌使用 |
|
||
| **Docker 部署** | 自托管，支持密码保护 |
|
||
|
||
### 部署方案
|
||
|
||
```bash
|
||
# Docker 快速部署
|
||
docker run -d -p 8081:80 --restart unless-stopped \
|
||
--name prompt-optimizer linshen/prompt-optimizer
|
||
|
||
# Docker Compose 完整部署
|
||
git clone https://github.com/linshenkx/prompt-optimizer.git
|
||
cd prompt-optimizer
|
||
cat > .env << EOF
|
||
VITE_OPENAI_API_KEY=your_key
|
||
VITE_GEMINI_API_KEY=your_key
|
||
VITE_DEEPSEEK_API_KEY=your_key
|
||
ACCESS_PASSWORD=your_password
|
||
EOF
|
||
docker compose up -d
|
||
```
|
||
|
||
### MCP 集成
|
||
|
||
```json
|
||
// Claude Desktop 配置 (~/.config/Claude/services/services.json)
|
||
{
|
||
"services": [
|
||
{
|
||
"name": "Prompt Optimizer",
|
||
"url": "http://localhost:8081/mcp"
|
||
}
|
||
]
|
||
}
|
||
```
|
||
|
||
**暴露的 3 个 MCP 工具**：
|
||
- `optimize-user-prompt`：优化用户提示词
|
||
- `optimize-system-prompt`：优化系统提示词
|
||
- `iterate-prompt`：迭代优化成熟提示词
|
||
|
||
### 三大经典场景
|
||
|
||
| 场景 | 效果 |
|
||
|------|------|
|
||
| 严厉审稿人 | 从泛泛附和 → 结构化批评，指出假设薄弱点、证据缺口 |
|
||
| 讨价还价回复 | 单模板变量化，不同商品/价格/语调复用 |
|
||
| 文生图优化 | 一句话想法 → 主体 + 空间关系 + 情绪锚点的专业提示词 |
|
||
|
||
---
|
||
|
||
## 🤖 自动优化框架对比
|
||
|
||
### GEPA（⭐3,980）
|
||
|
||
```
|
||
提示词 → 反射式进化 → 评估 → 再进化 → 最优提示词
|
||
```
|
||
|
||
| 特性 | 说明 |
|
||
|------|------|
|
||
| **方法** | Reflective Text Evolution |
|
||
| **适用** | 提示词、代码、任何文本 |
|
||
| **特点** | AI 驱动的自动迭代优化 |
|
||
|
||
### Microsoft PromptWizard（⭐3,839）
|
||
|
||
```
|
||
任务 → Agent 分析 → 生成候选提示词 → 评估 → 选择最优
|
||
```
|
||
|
||
| 特性 | 说明 |
|
||
|------|------|
|
||
| **方法** | Task-Aware Agent-driven |
|
||
| **适用** | 特定任务感知的自动优化 |
|
||
| **特点** | Agent 驱动，任务适配 |
|
||
|
||
### Meta prompt-ops（⭐804）
|
||
|
||
| 特性 | 说明 |
|
||
|------|------|
|
||
| **方法** | 系统化提示词优化 |
|
||
| **适用** | LLM 应用场景 |
|
||
| **特点** | Meta 官方出品 |
|
||
|
||
---
|
||
|
||
## 📐 提示词优化的方法论
|
||
|
||
### 从 Prompt Engineering 到 Context Engineering
|
||
|
||
| 维度 | Prompt Engineering | Context Engineering |
|
||
|------|-------------------|-------------------|
|
||
| **范围** | 单条提示词优化 | 上下文窗口全局设计 |
|
||
| **方法** | 人工迭代 | 系统性架构 |
|
||
| **关注点** | 文字表达 | 信息填充、编排、优化 |
|
||
|
||
> "Context engineering is the delicate art and science of filling the context window with just the right information for the next step." — Andrej Karpathy
|
||
|
||
### 优化流程
|
||
|
||
```
|
||
1. 明确任务目标 → 2. 编写初始提示词 → 3. 测试效果
|
||
↕
|
||
7. 持续监控 ← 6. 部署使用 ← 5. 评估对比 ← 4. 迭代优化
|
||
```
|
||
|
||
### 关键技巧
|
||
|
||
| 技巧 | 说明 |
|
||
|------|------|
|
||
| **角色扮演** | 赋予 AI 专家角色 |
|
||
| **结构化输出** | 要求 JSON/表格/特定格式 |
|
||
| **少样本示例** | 提供 1-3 个示例 |
|
||
| **思维链** | 要求逐步推理 |
|
||
| **边界条件** | 明确处理范围和限制 |
|
||
| **变量化** | 可复用模板 + 变量替换 |
|
||
|
||
---
|
||
|
||
## 🆚 三选一指南
|
||
|
||
| 你的需求 | 推荐方案 |
|
||
|---------|---------|
|
||
| **想交互式优化提示词** | linshenkx/prompt-optimizer |
|
||
| **想自动批量优化** | GEPA / PromptWizard |
|
||
| **想学习方法论** | Context-Engineering 手册 |
|
||
| **想在 Claude Desktop 中集成** | prompt-optimizer + MCP |
|
||
| **想自托管** | prompt-optimizer Docker |
|
||
| **Meta 生态用户** | Meta prompt-ops |
|
||
|
||
---
|
||
|
||
## 💡 与 OpenClaw 的结合
|
||
|
||
| 结合方式 | 说明 |
|
||
|---------|------|
|
||
| **MCP 集成** | prompt-optimizer 通过 MCP 暴露优化能力 |
|
||
| **Claude Desktop** | 可在 Claude Desktop 调用优化服务 |
|
||
| **提示词模板** | 优化后的提示词可用于 OpenClaw Agent 配置 |
|
||
| **SOUL.md 优化** | 可用工具优化 Agent 人格提示词 |
|
||
|
||
---
|
||
|
||
## 🔗 资源
|
||
|
||
| 资源 | 链接 |
|
||
|------|------|
|
||
| **prompt-optimizer** | https://github.com/linshenkx/prompt-optimizer |
|
||
| **在线体验** | https://prompt.always200.com |
|
||
| **GEPA** | https://github.com/gepa-ai/gepa |
|
||
| **PromptWizard** | https://github.com/microsoft/PromptWizard |
|
||
| **Context-Engineering** | https://github.com/davidkimai/Context-Engineering |
|
||
| **Meta prompt-ops** | https://github.com/meta-llama/prompt-ops |
|
||
| **auto-prompt** | https://github.com/AIDotNet/auto-prompt |
|
||
|
||
---
|
||
|
||
*整理：知识库管理员 | 归档：2026-04-25* |