写提示词别再靠感觉：Prompt Optimizer 把优化、测试、评估放进同一个工作台 Prompt Optimizer

Prompt Optimizer —— 让提示词优化回到真实结果

写提示词靠感觉，改提示词靠玄学——这是大多数 AI 使用者的日常。Prompt Optimizer（开源提示词工作台）把「优化、测试、评估、沉淀」放进同一个界面：你输入一条原始提示词，它调用大模型改写迭代，再用真实输出做 A/B 对比和质量评估，确认有效后再存成可复用的资产。官方的定位就一句话：提示词优化，应该基于真实结果。

四步闭环：从来源到复用

• 01 来源：手写、模板、本地导入，或从 Prompt Garden 社区库带编码导入——任何提示词都能进工作台。
• 02 核心优化：支持 system 提示词和 user 提示词两种模式，一键改写 + 多轮迭代，也可以先做分析再定向优化。
• 03 真实测试：把优化前后的提示词放进同一个测试区，用真实模型输出做单结果评估和多结果对比评估，让「有没有变好」有据可查。
• 04 智能收藏：确认有效的提示词存成资源，带版本历史、可复现示例、媒体附件和来源绑定，之后能整包导出备份。

效果怎么样，看真实输出

优化前后到底差在哪，用真实输出说话。官方示例里，一条简短的英文角色提示词经过优化后，小模型从泛泛的敷衍，变成能点出假设漏洞、证据缺口和具体修改建议的结构化评审；一句模糊的「夜空中的漂浮图书馆」，会被扩展成主体、空间关系与氛围锚点齐全、可直接复用的关键视觉提示词。

四类结构，一套流程

单条 system/user 提示词、变量模板（占位符 + 真实输入）、多消息上下文链路、文生图/图生图/多图生成——这四类提示词都能进入同一套优化测试评估流程。图像模式还支持风格迁移和多图约束主体关系，接入了 Gemini、Seedream、Grok 等主流生图模型。

模型与部署

• 文本模型接入 OpenAI、Gemini、DeepSeek、Grok、智谱、SiliconFlow、MiniMax 等，全部直连提供商、不带中间服务器；架构是纯客户端处理，数据不出你的环境。
• 高级测试模式支持上下文变量管理、多轮对话模拟和 Function Calling（OpenAI/Gemini 工具调用）。
• 四种形态：Web 在线版（prompt.always200.com）、桌面应用、Chrome 插件、Docker 自托管；MCP 协议支持，可直接挂进 Claude Desktop 这类 MCP 兼容应用。部署支持一键 Vercel 和 Cloudflare，自带 ACCESS_PASSWORD 密码保护。

使用方式

• 在线版直接打开 prompt.always200.com，数据存浏览器本地，模型请求直连你配置的提供商；首次使用先在「模型管理」接一个文本模型，再跟着新手引导走。
• 项目地址：github.com/linshenkx/prompt-optimizer，AGPL-3.0 协议，36K+ Stars。个人使用、公司内部、商业项目均可，但做成对外服务必须开源你的源代码。
• 部署自托管：Fork 仓库导入 Vercel，或点 Cloudflare 一键部署；注意不要把 API Key 写进 VITE_* 环境变量（会暴露在前端产物里）。

基本信息

• 名称：Prompt Optimizer
• 官网：https://always200.com/
• 在线版：https://prompt.always200.com/
• 仓库：https://github.com/linshenkx/prompt-optimizer
• 协议：AGPL-3.0
• Stars：36K+
• 形态：Web / 桌面 / Chrome 插件 / Docker / MCP