Prompt Optimizer Studio（提示词优化工作台）

中文 | 英文

把一版 prompt 自动优化成高质量可直接交付的完整成品，而且中途随时能接管。

当前公开仓库交付的是 Self-Hosted / Server Edition（自托管服务端版）。

🎯 适合拿来做什么 · 🚀 先跑起来 · 🔄 工作流程 · 🖼️ 页面截图 · 🐳 Docker 自托管 · Releases

🚀 先跑起来

📦 方式 1：源码构建

git clone https://github.com/XBigRoad/prompt-optimizer-studio.git
cd prompt-optimizer-studio
cp .env.example .env
docker compose up -d --build

打开：

http://localhost:3000

可选健康检查：

curl http://localhost:3000/api/health

如果你已经在仓库目录里，其实只需要后两步：

cp .env.example .env
docker compose up -d --build

🐳 方式 2：官方镜像部署（发布版）

发布版会同步推送官方 Docker 镜像到 GHCR。拿到镜像后，可以直接这样跑：

docker run -d \
  --name prompt-optimizer-studio \
  -p 3000:3000 \
  -v prompt_optimizer_data:/app/data \
  --restart unless-stopped \
  ghcr.io/xbigroad/prompt-optimizer-studio:latest

如果你想锁定具体版本，把 latest 换成对应的 release tag 即可：

ghcr.io/xbigroad/prompt-optimizer-studio:<tag>

如果你想跟主线最新提交，可以改成：

ghcr.io/xbigroad/prompt-optimizer-studio:main

如果你要本地改代码，再走开发模式：

npm install
npm run dev

继续看这里：

• Docker 自托管文档
• GitHub Container Registry
• Releases
• 配置方式
• 常见问题

🔄 工作流程

步骤	这里会发生什么
1. 提交初稿	先给系统一版 prompt，任务从这里开始
2. 系统跑一轮	同时做两件事：复核当前稿、生成下一稿
3. 你随时接管	可以暂停、补下一轮引导、改长期规则、改任务级 rubric，再继续
4. 达标后结束	不是某一轮刚过线就停，而是同一候选连续拿到可信通过后才真正完成

注意：这一轮新生成的稿子，不会当场评分，要到下一轮才会被复核。

🎯 适合拿来做什么

如果你现在遇到的是	Prompt Optimizer Studio 更适合怎么帮你
手里有一版 prompt，但还不能直接交付	保留完整 prompt 主线，按轮次持续打磨，而不是只给你 patch 片段
想自动多轮推进，但又怕越跑越偏	让系统持续往前跑，同时保留 step / pause / 下一轮引导 / 长期规则 / task rubric 这些接管入口
需要把结果交给同事、客户或自己下游继续用	最后拿到的是一份可以直接复制的完整 prompt，不是内部 diff 日志
想在自己的环境里接不同 provider / 模型	走自托管服务端路径，把设置、运行参数、结果链路和数据库都放在自己手里

📚 项目文档

• 英文首页
• 贡献指南
• 安全策略
• 行为准则
• 开源发布文案
• 许可证

🖼️ 页面截图

当前截图基于 v0.1.7 。

任务控制室	结果台	配置台

🛠️ 本地开发与验证

环境要求

• Node 22.22.x
• npm

本地开发

npm install
npm run dev

打开：

http://localhost:3000

完整检查

npm run check

它会依次执行：

• typecheck
• test
• build

完整部署说明见前面的 Docker 自托管文档。

⚙️ 配置方式

应用通过配置台完成配置。

当前配置台对外暴露的核心项：

• Base URL
• API Key
• 快速选择服务商
• 接口协议（自动判断 / 手动覆盖）
• 全局评分标准覆写
• 默认任务模型别名
• 默认推理强度
• 默认运行项：workerConcurrency、scoreThreshold、maxRounds

任务层还支持：

• 新建任务时填写 任务级评分标准覆写
• 在结果台直接查看 当前评分标准
• 在任务详情页编辑 任务级评分标准覆写
• 在任务详情页调整任务模型、推理强度和任务级轮数上限
• 直接维护“下一轮引导”和“长期规则”
• 从最新评审建议里手动或自动采纳建议

当前支持：

• OpenAI-compatible：GET /models + POST /chat/completions
• Anthropic 官方 API：GET /v1/models + POST /v1/messages
• Gemini 官方 API：GET /v1beta/models + POST /v1beta/models/{model}:generateContent
• Mistral 官方 API：GET /models + POST /chat/completions
• Cohere 官方 API：GET /v2/models + POST /v2/chat

常见 provider 预设包括：

• OpenAI
• Anthropic (Claude)
• Google Gemini
• Mistral
• Cohere
• DeepSeek
• Moonshot (Kimi)
• 通义千问 (Qwen)
• 智谱 (GLM)
• OpenRouter

常见 Base URL 示例：

• https://api.openai.com/v1
• https://api.anthropic.com
• https://generativelanguage.googleapis.com

如果你接的是官方 API，Base URL 直接填写官方根地址即可，不需要额外自建代理路径。

补充说明：

• 配置台对外展示的是统一的“默认任务模型 + 推理强度”；当前公开版会把它同步应用到 optimizer / judge 两端。
• 任务级评分标准覆写 接受 Markdown。只有结构化可解析的 rubric 才会自动生成分项分数条；自由文本 rubric 不会被系统乱猜。
• 中途修改任务级 rubric 后：
  • 新轮次按新 rubric 出分
  • 旧轮次继续按旧 snapshot 显示
• 运行中的任务如果修改模型或推理强度，通常会在下一轮生效，而不是强插进当前正在跑的这一轮。

📦 发布形态

当前仓库发布的是 Self-Hosted / Server Edition（自托管服务端版）。

• 本地 npm 运行时，数据保存在运行应用的机器上。
• Docker 自托管时，数据保存在服务端挂载卷中，而不是用户浏览器里。
• 由服务端发起请求，仍然是兼容 OpenAI-compatible Base URL 最广的一种形态。
• Web Local Edition 会作为另一种独立产品形态后续推进，但当前仓库没有交付它。

默认 SQLite 数据库位置：

data/prompt-optimizer.db

也可以用环境变量覆盖：

PROMPT_OPTIMIZER_DB_PATH=/your/custom/path.db

❓ 常见问题

• 这是官方在线 SaaS 吗？
  • 不是。当前仓库是自托管服务端版。
• 这个项目最终产出什么？
  • 产出的是一份可以直接复制使用的完整提示词，它来自自动化多轮优化流水线。
• 优化过程中可以人工干预吗？
  • 可以。你可以暂停任务、补充下一轮人工引导、只继续一轮，或者恢复自动运行。
• 任务到底什么时候才算完成？
  • 当前公开版默认不是“单轮及格就停”。同一候选稿需要连续拿到多次可信通过（默认 3 次），并且没有 material issues / drift，才会进入 completed。
• 什么情况下会进入 manual_review？
  • 常见情况包括：达到最大轮数、命中严格 no-output 守卫、或者系统认为这时应该由你决定下一步。它表示“需要你接手”，不等于任务彻底坏掉。
• 支持哪些模型 / API？
  • 当前公开版支持 OpenAI-compatible、Anthropic、Gemini、Mistral、Cohere，并为 DeepSeek / Kimi / Qwen / GLM / OpenRouter 提供预设入口与协议映射。
• 可以调整评分规则吗？
  • 可以。配置台支持 全局评分标准覆写，单个任务也支持 任务级评分标准覆写，都接受 Markdown。
• 中途改 rubric 会不会把旧轮次弄乱？
  • 不会。旧轮次会优先按当轮 rubricDimensionsSnapshot 显示；新轮次才会使用你后来保存的新 rubric。
• 为什么有些轮次有分数条，有些没有？
  • 只有成功拿到可信结构化评分、而且 rubric 可安全对齐时，才会显示分项分数条。如果这一轮是请求层失败、结构化评分无效，或者 rubric 不是结构化格式，就不会硬画一组不可信的空条。
• 评审建议可以自动进入后续轮次吗？
  • 可以。你可以手动把建议加入下一轮引导或长期规则；最新面板还支持开启后续每轮自动采纳。
• 任务完成以后还能继续吗？
  • 可以。已完成任务可以继续当前任务，也可以直接从最终稿 fork 一条新任务。
• 可以切换英文界面吗？
  • 可以。当前公开版已经提供 中文 / EN 切换。
• 数据存在哪里？
  • 存在运行这套应用的机器或挂载卷里的 SQLite 数据库中。
• 为什么使用 AGPL-3.0？
  • 因为这个项目希望即使被别人改成在线服务继续对外提供，也必须继续公开对应源码。

🤝 贡献与许可证

• 贡献说明：CONTRIBUTING.md
• 安全策略：SECURITY.md
• 行为准则：CODE_OF_CONDUCT.md

本项目采用 AGPL-3.0-only 许可证。

• 你可以使用、研究、修改和自托管它
• 如果你分发修改版，或者把修改版作为在线服务提供给其他用户使用，就需要按 AGPL 提供对应源码
• 完整条款见 LICENSE