你的AI在敷衍你?这款2.7万星的开源工具,让小模型也能深度思考-夜雨聆风

你的AI在敷衍你?这款2.7万星的开源工具,让小模型也能深度思考

你是否有过这种感觉：跟AI聊了半天，它全程在”顺杆爬”，你说的每一句话都被点头称是，但回头一看——说的全是废话？

问题可能不在AI，而在于你下的指令太糙了。

最近GitHub上一个叫Prompt Optimizer的项目火了，超过26.8k Star，专门解决”提示词写不好、AI能力直接打折”这个问题。它的核心能力很有意思：能让小模型从”泛泛而谈的附和回答”，变成”有结构、有批判的分析审查”。

一个真实的对比

同样是问AI分析”比特币是不是好的投资”：

优化前（直接问）

“比特币是一种高风险高回报的资产，投资需要谨慎……”

用Prompt Optimizer优化后

“从流动性风险、监管不确定性、机会成本三个维度，对比特币作为主流投资品的可行性进行结构化评估，指出其中最容易被忽视的隐性风险，并给出可量化的判断依据。”

——这是同一个AI、同一个问题，只因为提示词变了，输出质量直接跃升。

差别在哪？前者是”回答”，后者是”分析”。

Prompt Optimizer是什么

Prompt Optimizer是一款开源的AI提示词优化工具，GitHub斩获26.8k Stars、3.2k Forks，支持Web、桌面应用、Chrome插件和Docker四种使用方式，数据全在本地，不经过任何中间服务器。

它的核心逻辑是：把你的大白话提示词，自动改写成AI更易理解的、结构化的版本。

Prompt Optimizer 核心功能一览

核心功能一览

智能优化 + 多轮迭代

输入一个粗糙的提示词，它会先优化一版，然后主动分析这一版的不足，再迭代改进，直到输出质量达标。相当于有一个”提示词教练”在帮你反复打磨。

双模式：系统提示词 vs 用户提示词

系统提示词优化：改造AI的”人格设定”，让它从默认的顺从模式，变成批判者、分析师、顾问等角色。
用户提示词优化：把你每次输入的具体问题，转化成结构化指令。

分析与对比评估

优化完不是直接用，它还支持单结果评估和多结果对比。比如你想知道”这版提示词比上一版好多少”，直接丢给它，让AI给你打分对比，而不是靠感觉。

多模型支持

OpenAI、Gemini、DeepSeek、智谱AI、SiliconFlow等主流模型全部支持，也可以接入Ollama本地模型，完全免费离线使用。

MCP协议支持

这是我觉得最实用的功能之一。支持MCP协议，可以直接集成到Claude Desktop和其他MCP兼容应用里。装好之后，Claude在所有对话里都会自动使用优化过的提示词。

文生图 + 图生图

除了文字提示词，还支持T2I和I2I图像生成提示词的优化。别人分享了一个很棒的Midjourney咒语，你想根据自己的需求改一版？直接丢给AI，告诉它你的额外需求，它会自动迭代改进。

四种用法，总有一款适合你

在线直接用（最简单）

访问 https://prompt.always200.com，纯前端，数据存在浏览器本地，不上传任何服务器。打开即用，不需要注册。

Chrome插件（推荐）

Chrome应用商店搜索”Prompt Optimizer”即可安装。任何网页都能唤起优化功能，随时随手优化提示词。

桌面应用（功能最全）

从 GitHub Releases 下载，支持自动更新、没有CORS限制，可以直连任意AI服务商。

Docker部署（适合自托管）

一行命令启动，加上API Key和密码即可安全部署。

docker run -d -p 8081:80 \

  -e VITE_OPENAI_API_KEY=你的API密钥 \

  -e ACCESS_PASSWORD=你的访问密码 \

  --restart unless-stopped \

  --name prompt-optimizer \

  linshen/prompt-optimizer

为什么这个工具值得重视

大部分人用AI的方式是：想到什么说什么，然后期待AI自己理解。

但AI不是读心者。你给它的提示词质量，直接决定了它输出的上限。

Prompt Optimizer解决的不只是”表达更清楚”的问题，它真正有价值的地方在于：迫使AI从”顺从模式”切换到”分析模式”。

同样一个问题，优化后的提示词会让AI去拆解前提假设、指出隐藏风险、给出结构化依据——而不是单纯地附和你。

这在小模型上尤其明显。用优化过的系统提示词，GPT-4o Mini这样的模型也能写出接近GPT-4质量的回复。省token、省钱、效果还更好。

在 OpenClaw 和 Hermes 里用

Prompt Optimizer 支持 MCP 协议，这意味着只要你的 AI 工具支持 MCP，就能直接接入。以下是 OpenClaw 和 Hermes 的具体接法。

先部署 Prompt Optimizer

Docker 一键启动，MCP Server 会随 Web 服务一起启动：

docker run -d -p 8081:80 \

  -e VITE_OPENAI_API_KEY=你的API密钥 \

  -e ACCESS_PASSWORD=你的访问密码 \

  --restart unless-stopped \

  --name prompt-optimizer \

  linshen/prompt-optimizer

MCP Server 地址：http://localhost:8081/mcp

OpenClaw 接入

OpenClaw 内置了完整的 MCP 管理功能，配置非常统一。

方式一：连接外部 MCP Gateway（适合远程部署的 Prompt Optimizer）

openclaw mcp serve --url wss://服务器地址:8081/mcp --token-file ~/.openclaw/gateway.token --verbose

方式二：直接配置本地 MCP Server

openclaw mcp set prompt-optimizer '{"url":"http://localhost:8081/mcp"}'

openclaw mcp list

openclaw mcp show prompt-optimizer --json

所有配置会写入 openclaw.yaml 的 mcp.servers 段，不需要在每个工具里单独配认证信息。

Hermes 接入

Hermes 支持两种 MCP 接入方式。

方式一：mcporter CLI（适合临时手动调用）

mcporter list

mcporter config add prompt-optimizer --url http://localhost:8081/mcp

方式二：配置文件方式（永久生效）

在 config.yaml 中添加：

mcp:

  servers:

    prompt-optimizer:

      url: http://localhost:8081/mcp

接好之后怎么用

接入了 MCP 之后，在 OpenClaw 或 Hermes 的对话里，你只需要像平常一样输入你的需求，Prompt Optimizer 会自动介入，把你粗糙的指令优化成结构化的版本——让 AI 的回复从”敷衍”变成”分析”。

最后

好的提示词不是”天赋”，是可以学习的方法论。

Prompt Optimizer本质上把这种能力自动化了——你不需要懂什么Few-shot、Chain-of-Thought，把需求丢进去，它帮你翻译成AI能高效执行的结构化指令。

工具链接：
GitHub仓库：https://github.com/linshenkx/prompt-optimizer
在线体验：https://prompt.always200.com
Chrome插件：Chrome应用商店搜索”Prompt Optimizer”

觉得有用，欢迎转发给用AI比较多的朋友。