# 运行容器（默认配置）
docker run -d -p 8081:80 --restart unless-stopped --name prompt-optimizer linshen/prompt-optimizer

# 运行容器（配置API密钥和访问密码）
docker run -d -p 8081:80 \
  -e VITE_OPENAI_API_KEY=your_key \
  -e ACCESS_USERNAME=your_username \  # 可选，默认为"admin"
  -e ACCESS_PASSWORD=your_password \  # 设置访问密码
  --restart unless-stopped \
  --name prompt-optimizer \
  linshen/prompt-optimizer

# 1. 克隆仓库
git clone https://github.com/linshenkx/prompt-optimizer.git
cd prompt-optimizer

# 2. 可选：创建.env文件配置API密钥和访问认证
cp env.local.example .env
# 编辑 .env 文件，填入实际的 API 密钥和配置

# 3. 启动服务
docker compose up -d

# 4. 查看日志
docker compose logs -f

# 5. 访问服务
Web 界面：http://localhost:8081
MCP 服务器：http://localhost:8081/mcp

services:
  prompt-optimizer:
    # 使用Docker Hub镜像
    image: linshen/prompt-optimizer:latest
    # 或使用阿里云镜像（国内用户推荐）
    # image: registry.cn-guangzhou.aliyuncs.com/prompt-optimizer/prompt-optimizer:latest
    container_name: prompt-optimizer
    restart: unless-stopped
    ports:
      - "8081:80"  # Web应用端口（包含MCP服务器，通过/mcp路径访问）
    environment:
      # API密钥配置
      - VITE_OPENAI_API_KEY=your_openai_key
      - VITE_GEMINI_API_KEY=your_gemini_key
      # 访问控制（可选）
      - ACCESS_USERNAME=admin
      - ACCESS_PASSWORD=your_password

Prompt Optimizer 现在支持 Model Context Protocol (MCP) 协议，可以与 Claude Desktop 等支持 MCP 的 AI 应用集成。

当通过 Docker 运行时，MCP Server 会自动启动，并可通过 http://ip:port/mcp 访问。

环境变量配置

MCP Server 需要配置 API 密钥才能正常工作。主要的 MCP 专属配置：

# MCP 服务器配置
MCP_DEFAULT_MODEL_PROVIDER=openai  # 可选值：openai, gemini, deepseek, siliconflow, zhipu, custom
MCP_LOG_LEVEL=info                 # 日志级别

Docker 环境下使用 MCP

在 Docker 环境中，MCP Server 会与 Web 应用一起运行，您可以通过 Web 应用的相同端口访问 MCP 服务，路径为 /mcp。

例如，如果您将容器的 80 端口映射到主机的 8081 端口：

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

那么 MCP Server 将可以通过 http://localhost:8081/mcp 访问。

Claude Desktop 集成示例

要在 Claude Desktop 中使用 Prompt Optimizer，您需要在 Claude Desktop 的配置文件中添加服务配置。

1. 找到 Claude Desktop 的配置目录：

   • Windows: %APPDATA%\Claude\services
   • macOS: ~/Library/Application Support/Claude/services
   • Linux: ~/.config/Claude/services

2. 编辑或创建 services.json 文件，添加以下内容：

{
  "services": [
    {
      "name": "Prompt Optimizer",
      "url": "http://localhost:8081/mcp"
    }
  ]
}

请确保将 localhost:8081 替换为您实际部署 Prompt Optimizer 的地址和端口。

可用工具

• optimize-user-prompt: 优化用户提示词以提高 LLM 性能
• optimize-system-prompt: 优化系统提示词以提高 LLM 性能
• iterate-prompt: 对已经成熟/完善的提示词进行定向迭代优化

更多详细信息，请查看 MCP 服务器用户指南。

方式一：通过界面配置（推荐）

1. 点击界面右上角的"⚙️设置"按钮
2. 选择"模型管理"选项卡
3. 点击需要配置的模型（如OpenAI、Gemini、DeepSeek等）
4. 在弹出的配置框中输入对应的API密钥
5. 点击"保存"即可

支持的模型：OpenAI、Gemini、DeepSeek、Zhipu智谱、SiliconFlow、自定义API（OpenAI兼容接口）

除了API密钥，您还可以在模型配置界面为每个模型单独设置高级LLM参数。这些参数通过一个名为 llmParams 的字段进行配置，它允许您以键值对的形式指定LLM SDK支持的任何参数，从而更精细地控制模型行为。

高级LLM参数配置示例：

• OpenAI/兼容API: {"temperature": 0.7, "max_tokens": 4096, "timeout": 60000}
• Gemini: {"temperature": 0.8, "maxOutputTokens": 2048, "topP": 0.95}
• DeepSeek: {"temperature": 0.5, "top_p": 0.9, "frequency_penalty": 0.1}

有关 llmParams 的更详细说明和配置指南，请参阅 LLM参数配置指南。

方式二：通过环境变量配置

Docker部署时通过 -e 参数配置环境变量：

-e VITE_OPENAI_API_KEY=your_key
-e VITE_GEMINI_API_KEY=your_key
-e VITE_DEEPSEEK_API_KEY=your_key
-e VITE_ZHIPU_API_KEY=your_key
-e VITE_SILICONFLOW_API_KEY=your_key

# 多自定义模型配置（支持无限数量）
-e VITE_CUSTOM_API_KEY_ollama=dummy_key
-e VITE_CUSTOM_API_BASE_URL_ollama=http://localhost:11434/v1
-e VITE_CUSTOM_API_MODEL_ollama=qwen2.5:7b

📖 详细配置指南: 查看 多自定义模型配置文档 了解完整的配置方法和高级用法

# 1. 克隆项目
git clone https://github.com/linshenkx/prompt-optimizer.git
cd prompt-optimizer

# 2. 安装依赖
pnpm install

# 3. 启动开发服务
pnpm dev               # 主开发命令：构建core/ui并运行web应用
pnpm dev:web          # 仅运行web应用
pnpm dev:fresh        # 完整重置并重新启动开发环境

API连接问题

Q1: 为什么配置好API密钥后仍然无法连接到模型服务？

A: 大多数连接失败是由跨域问题（CORS）导致的。由于本项目是纯前端应用，浏览器出于安全考虑会阻止直接访问不同源的API服务。模型服务如未正确配置CORS策略，会拒绝来自浏览器的直接请求。

Q2: 如何解决本地Ollama的连接问题？

A: Ollama完全支持OpenAI标准接口，只需配置正确的跨域策略：

1. 设置环境变量 OLLAMA_ORIGINS=* 允许任意来源的请求
2. 如仍有问题，设置 OLLAMA_HOST=0.0.0.0:11434 监听任意IP地址

Q3: 如何解决商业API（如Nvidia的DS API、字节跳动的火山API）的跨域问题？

A: 这些平台通常有严格的跨域限制，推荐以下解决方案：

1. 使用Vercel代理（便捷方案）

   • 使用在线版本：prompt.always200.com
   • 或自行部署到Vercel平台
   • 在模型设置中勾选"使用Vercel代理"选项
   • 请求流向：浏览器→Vercel→模型服务提供商
   • 详细步骤请参考 Vercel部署指南

2. 使用自部署的API中转服务（可靠方案）

   • 部署如OneAPI等开源API聚合/代理工具
   • 在设置中配置为自定义API端点
   • 请求流向：浏览器→中转服务→模型服务提供商

Q4: Vercel代理有什么缺点或风险？

A: 使用Vercel代理可能会触发某些模型服务提供商的风控机制。部分厂商可能会将来自Vercel的请求判定为代理行为，从而限制或拒绝服务。如遇此问题，建议使用自部署的中转服务。

Q5: 我已正确配置本地模型（如Ollama）的跨域策略，为什么使用在线版依然无法连接？

A: 这是由浏览器的混合内容（Mixed Content）安全策略导致的。出于安全考虑，浏览器会阻止安全的HTTPS页面（如在线版）向不安全的HTTP地址（如您的本地Ollama服务）发送请求。

解决方案： 为了绕过此限制，您需要让应用和API处于同一种协议下（例如，都是HTTP）。推荐以下几种方式：

1. 使用桌面版：桌面应用没有浏览器限制，是连接本地模型最稳定可靠的方式。
2. docker部署：docker部署也是http
3. 使用Chrome插件：插件在某些情况下也可以绕过部分安全限制。

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m '添加某个特性')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 提交 Pull Request

提示：使用cursor工具开发时，建议在提交前:

1. 使用"code_review"规则进行代码审查
2. 按照审查报告格式检查:
   • 变更的整体一致性
   • 代码质量和实现方式
   • 测试覆盖情况
   • 文档完善程度
3. 根据审查结果进行优化后再提交