Prompt Optimizer

MCP 提示词优化器

🚀 专业的云端 MCP 服务，用于 AI 驱动的提示词优化，具备智能上下文检测、模板管理、团队协作和企业级可靠性。起价为每月 $0。

初次使用？ 免费 API 密钥无需信用卡，每月包含 20 次优化。免费开始使用，或先无需账户试用一次优化。

✨ 主要功能

🧠 AI 上下文检测 — 自动检测代码、创意写作、图像生成、沟通等内容并进行优化 📁 模板管理 — 自动保存高置信度优化结果，搜索并复用模式 👥 团队协作 — 共享配额、团队模板、基于角色的访问控制 📊 置信度评分 — 诚实的质量信号，并附有各层级的注释 ☁️ 云端处理 — 通过后端 LLM 流水线使用始终保持最新的 AI 模型 🔧 弹性回退 — 后端不可用时执行结构化的本地优化 🎛️ 个性化模型选择 — 通过 WebUI 配置使用自己的 OpenRouter 模型 🔧 通用 MCP — 适用于 Claude Desktop、Cursor、Windsurf、Cline、VS Code、Zed、Replit

---

🚀 快速开始

1. 获取 API 密钥：

• 🆓 免费版（sk-opt-*）：每月 20 次 LLM 优化，1 个 API 密钥 — 无需信用卡
• ⭐ Pro（sk-opt-*）：每月 500 次优化，完整模型配置、Context Engineer
• 🏢 Enterprise（sk-team-*）：无限次优化、团队密钥、共享配额

在 promptoptimizer.xyz/dashboard 注册并生成密钥。

2. 安装：

npm install -g mcp-prompt-optimizer

3. 连接到 Claude Desktop（一个命令）：

npx mcp-prompt-optimizer connect

此向导会读取你的 API 密钥，并自动将 MCP 服务条目写入 Claude Desktop 配置。支持跨平台（macOS、Windows、Linux）。

或者手动配置 — 添加到 ~/.claude/claude_desktop_config.json：

{
  "mcpServers": {
    "mcp-prompt-optimizer": {
      "command": "npx",
      "args": ["-y", "mcp-prompt-optimizer"],
      "env": {
        "OPTIMIZER_API_KEY": "sk-opt-your-key-here"
      }
    }
  }
}

4. 重启 MCP 客户端并开始优化。

注意： API 密钥会通过后端服务验证。需要连接互联网（为确保可靠性，响应最多缓存 2 小时）。

---

⚙️ 优化工作原理

提示词会根据复杂度和上下文，通过三级流水线进行处理。每个层级都会生成不同的输出格式和置信度范围。

第 1 层 — LLM 优化（后端，置信度 70–95%）

后端会将复杂或要求较高的提示词交由 Gemini Flash LLM 处理，真正改写并丰富提示词。这是质量最高的输出。

# 🎯 Optimized Prompt

My Python script crashes with a KeyError on line 47. I need help diagnosing
the root cause. I am using Python 3.11 with pandas 2.0. The error occurs
when accessing dictionary keys after a merge operation.

**Confidence:** 82.0%
**AI Context:** code_generation

第 2 层 — 后端规则优化（后端，置信度 < 25%）

对于较简单或要求较低的提示词，后端会在不使用 LLM 的情况下应用基于规则的优化。发生这种情况时，置信度会低于 25%，并显示一条说明，告知你在预期获得完整 LLM 增强时应检查的内容。

# 🎯 Optimized Prompt

My Python script crashes with a KeyError. Please provide the error message
and relevant code.

> ℹ️ *Low confidence indicates the backend applied rules-based optimization
> (no LLM). Ensure `OPENROUTER_API_KEY` is configured in the backend for
> full LLM enhancement.*

**Confidence:** 18.0%
**AI Context:** code_generation

第 3 层——本地规则回退（npm，置信度 35–55%）

如果无法访问后端，npm 包会使用领域专属模板库在本地进行优化。输出为结构化、面向用户的提示词，不含 XML 脚手架。置信度标注会明确说明质量等级。

# 🔧 Rules-Based Optimization Applied

⚠️ *Backend unreachable — your prompt has been structured using local rule
templates (no LLM). Re-run when the backend is available for full LLM
optimization.*

**Template:** `debugging_request`

**Optimized Prompt:**

我的 Python 脚本因 KeyError 崩溃

要有效地解决这个问题：

• 根据错误描述，确定最可能的根本原因。
• 请求提供完整的错误消息和堆栈跟踪，以及相关代码片段。
• 询问预期行为与实际行为、编程语言和库版本。

响应格式：逐步调试说明，并提供具体修复方法或后续诊断步骤。

**Confidence:** 51.0% *(rules-based — LLM optimization typically 70–95%)*
**AI Context:** code_generation

---

🧠 AI 上下文检测

服务器会自动检测提示词类型，并将其路由至相应的优化模板。

上下文	ai_context 值	示例模式
代码与调试	code_generation	debug、fix、error、python、sql、refactor
Web 开发	code_generation	landing page、react、css、html、tailwind
API 与集成	api_automation	api、rest、endpoint、oauth、webhook
DevOps 与自动化	technical_automation	deploy、docker、ci/cd、terraform、bash
数据与架构	structured_output	json、schema、csv、yaml、transform
分析与研究	llm_interaction	analyze、explain、compare、research
创意写作	creative_writing	story、poem、script、blog、copywriting
电子邮件与沟通	human_communication	email、letter、memo、formal、reply
图像生成	image_generation	photorealistic、midjourney、dall-e、portrait
商业与战略	business_strategy	market analysis、swot、business plan
技术战略	technical_strategy	architecture、system design、migration plan
法律与合规	legal_compliance	contract、gdpr、terms of service、audit
医疗与健康	medical_healthcare	clinical、diagnosis、treatment、hipaa
教育	educational_content	lesson plan、syllabus、curriculum、quiz
通用	general_assistant	其他所有内容

图像生成

图像提示词会单独处理。本地回退会将风格匹配的质量增强词直接附加到提示词中（以逗号分隔），而不是生成结构化项目符号。这与图像生成模型处理提示词的方式一致。

Input:  "Draw a photorealistic portrait of an astronaut"
Output: "Draw a photorealistic portrait of an astronaut, ultra realistic,
         sharp focus, professional photography, dynamic lighting, balanced
         composition, high quality, 4K"

---

🛠️ 可用的 MCP 工具

optimize_prompt

通过上下文检测、自动保存和洞察功能进行 AI 优化。

{
  "prompt": "Your prompt text",
  "goals": ["clarity", "specificity"],
  "ai_context": "code_generation"
}

detect_ai_context

检测给定提示词的 AI 上下文。

{
  "prompt": "The prompt text for which to detect the AI context"
}

create_template

将优化结果保存为可重复使用的模板。

{
  "title": "Template title",
  "description": "Optional description",
  "original_prompt": "The original prompt",
  "optimized_prompt": "The optimized prompt",
  "optimization_goals": ["clarity"],
  "confidence_score": 0.9,
  "ai_context_detected": "code_generation",
  "is_public": false,
  "tags": ["debugging", "python"]
}

get_template

按 ID 检索已保存的模板。

{
  "template_id": "the-template-id"
}

update_template

更新现有模板。

{
  "template_id": "the-template-id",
  "title": "Updated title",
  "is_public": true
}

search_templates

搜索已保存的模板库。

{
  "query": "debugging",
  "ai_context": "code_generation",
  "limit": 5,
  "sort_by": "confidence_score",
  "sort_order": "desc"
}

get_quota_status

查看订阅状态和配额使用情况。无需参数。

get_optimization_insights (条件启用)

此功能为实验性功能，默认关闭（设置 ENABLE_BAYESIAN_OPTIMIZATION=true 后才会列出）。它会调用一个托管服务目前尚未提供的分析端点，因此会报告洞察不可用；绝不会返回虚构数据。

{
  "analysis_depth": "detailed",
  "include_recommendations": true
}

get_real_time_status (条件启用)

实时优化状态和 AG-UI 功能。需要在后端启用此功能；否则会返回模拟数据。无需参数。

---

🤖 上下文工程师（CE）工具

免费账户每月可在默认模型上使用有限的上下文工程额度；Pro 和 Enterprise 账户的额度更高，而 generate_harness_bundle 需要 Pro 或 Enterprise 账户。CE 工具可直接在 IDE 中生成 Agent 脚手架产物（SOP、技能包、框架代码）。

generate_agent_sop

根据目标描述为 AI Agent 生成结构化 SOP 文档。返回可直接使用的 Markdown SOP。

{
  "goal": "What the agent should accomplish",
  "context": "Additional context, constraints, or domain info (optional)",
  "model_id": "Model to use (optional)"
}

generate_skill_package

根据指定的 Agent 目标生成完整的技能包（SOP + SKILL.md + 参考资料 + 示例 + helper.py）。需要 30–90 秒（异步执行，需轮询）。

{
  "goal": "What the agent should accomplish",
  "format": "knowledge_doc",
  "model_id": "Model to use (optional)"
}

format 目前仅接受 knowledge_doc（默认值），且为可选项。

generate_harness_bundle

为指定平台生成可供部署的 Agentic Harness ZIP 包。队列中有待下载的包时，会返回确认信息。

{
  "goal": "The workflow goal the harness is built for",
  "deploy_target": "claude_code",
  "sop_content": "The SOP markdown content (required if no session_id)",
  "session_id": "Optional: session ID from a prior generate_skill_package call"
}

deploy_target 接受单个字符串（Pro+），或字符串数组（Enterprise，可同时面向多个平台）。支持的目标包括 claude_code、langchain、autogen、crewai、amazon_q、aider、continue_dev 等。amazon_q、aider、continue_dev、crewai 需要 Enterprise。

explore_sop_approaches

并行生成 3 个 SOP 变体（流程导向、决策树、角色导向），供比较后选定一个。返回 HTML 对比网格、variants 数组和推荐变体。需要 Enterprise。

{
  "goal": "The workflow goal to generate SOP variants for",
  "context": "Optional background context",
  "blend_description": "Optional: blend all 3 variants into one SOP using this description"
}

也接受 IntentFrame 字段（perspective、out_of_scope、success_definition），用于界定生成范围。

transform_for_framework

将 SOP 转换为适用于 Agent 框架的原生代码：LangChain 工具、AutoGen Agent 或 Claude Code 技能。

{
  "sop_content": "The SOP markdown content",
  "goal": "What the agent should accomplish",
  "framework": "langchain_tool"
}

framework 的取值为 langchain_tool、autogen_agent 或 claude_skill。

get_ce_quota_status

查看 Context Engineer 积分余额，以及当前套餐等级可用的工作流。无需参数。

---

🎛️ 高级模型配置（可选）

在 WebUI 中配置自定义模型后，MCP 服务会自动使用这些模型。

步骤 1 — 在 WebUI 中配置：

1. 访问仪表板
2. 前往 Settings → User Settings
3. 添加你的 OpenRouter API 密钥（来自 openrouter.ai）
4. 选择用于优化和评估的模型

步骤 2 — 照常使用 npm 包。 WebUI 中的模型设置会自动应用，无需更改 MCP 配置。

模型选择优先级

1. Your WebUI-configured models  (highest priority)
2. Request-specific model override
3. System default (google/gemini-flash-1.5-8b)

模型推荐示例

使用场景	优化模型	评估模型
创意 / 复杂	anthropic/claude-3-5-sonnet	google/gemini-pro-1.5
快速 / 简单	openai/gpt-4o-mini	openai/gpt-3.5-turbo
代码 / 技术	anthropic/claude-3-5-sonnet	anthropic/claude-3-haiku

两种不同的 API 密钥：

• 服务密钥（sk-opt-* 或 sk-team-*）— 你的 MCP Prompt Optimizer 订阅
• OpenRouter 密钥 — 你的个人 OpenRouter 账户，用于支付模型使用费用

---

💰 订阅计划

套餐	价格	每月优化次数	CE 积分	API 密钥
🆓 免费	$0	20 LLM	—	1
⭐ Pro	$19/mo	500	5	1
🏢 Enterprise	自定义	无限	50	10（共享）

所有套餐均包含 AI 上下文检测、模板管理、个人模型配置和优化分析。

免费开始使用 →

---

🔧 CLI 命令

npx mcp-prompt-optimizer connect        # Interactive wizard: add API key to Claude Desktop config
mcp-prompt-optimizer check-status       # Check API key and quota status
mcp-prompt-optimizer validate-key       # Validate API key with backend
mcp-prompt-optimizer diagnose           # Run comprehensive diagnostic
mcp-prompt-optimizer clear-cache        # Clear validation cache
mcp-prompt-optimizer help               # Show help and setup instructions
mcp-prompt-optimizer version            # Show version information

---

🏢 团队协作

团队 API 密钥（sk-team-*）

• 团队成员共享配额
• 集中计费与管理
• 团队模板库，确保一致性
• 基于角色的访问控制

个人 API 密钥（sk-opt-*）

• 个人配额与计费 — Free 和 Pro 套餐均可使用
• 个人模板库
• 自主管理账户

---

🔐 安全与隐私

• 加密数据传输
• 通过安全的后端身份验证验证 API 密钥
• 配额执行与实时用量跟踪
• 你优化的提示词及其结果会通过 HTTPS 发送到 Prompt Optimizer API，并存储在你账户的优化历史记录中。你可以在控制面板中删除这些历史记录和已保存的模板，也可以申请删除账户。请参阅隐私政策
• 如果无法访问后端，软件包会回退到在你的计算机上运行的有限优化
• 符合 GDPR

此软件包会在你的计算机上写入的文件

• ~/.mcp-cloud-api-cache.json 和 ~/.mcp-cloud-health.json：用于缓存你的密钥验证结果和网络健康计数器。mcp-prompt-optimizer clear-cache 会将其删除。
• generate_harness_bundle 会将生成的 ZIP 文件保存到 OPTIMIZER_OUTPUT_DIR 下（默认值：系统临时目录中的 mcp-prompt-optimizer 文件夹），文件名带有时间戳；绝不会覆盖已有文件。该工具的可选 output_dir 参数只能指定该位置下的子文件夹。若要保存到其他位置，请在你自己的环境中设置 OPTIMIZER_OUTPUT_DIR。
• npx mcp-prompt-optimizer connect 会编辑你的 MCP 客户端配置文件（会先写入 .bak 备份文件）。

---

🔧 通用 MCP 客户端支持

Claude Desktop

{
  "mcpServers": {
    "mcp-prompt-optimizer": {
      "command": "npx",
      "args": ["-y", "mcp-prompt-optimizer"],
      "env": { "OPTIMIZER_API_KEY": "sk-opt-your-key-here" }
    }
  }
}

Cursor IDE

添加到 ~/.cursor/mcp.json：

{
  "mcpServers": {
    "mcp-prompt-optimizer": {
      "command": "npx",
      "args": ["-y", "mcp-prompt-optimizer"],
      "env": { "OPTIMIZER_API_KEY": "sk-opt-your-key-here" }
    }
  }
}

其他客户端

Windsurf、Cline、VS Code、Zed、Replit、JetBrains IDE 和 Neovim 均可通过标准 MCP 服务配置使用。

---

📦 更新日志

v3.7.2

• Stdout / JSON-RPC 安全性 — 所有 MCP 服务启动日志（横幅、状态、模式指示信息、密钥验证）现在都会输出到 stderr，而不是 stdout。对于 stdio 传输，stdout 是 JSON-RPC 通道；此前，任何非协议内容写入该通道都可能破坏数据流。除日志记录外，没有面向用户的变化。
• 契约测试 — npm run test:contract 会根据规范 fixture 固定 /optimize 的响应结构（Pydantic 字段 + 运行时注入的 quota_used/quota_limit + 元数据 routing_score/routing_tier/model_used）。可在发布前捕获后端偏差。
• CI 工作流 — .github/workflows/ci.yml 会在推送/PR 时针对 Node 18、20 和 22 运行 npm ci + 健康检查 + 契约检查。

v3.6.0

• 免费版 MCP 访问 — 免费用户现在可以创建 API 密钥（sk-opt-*），并免费使用 MCP 服务（目前每月可进行 20 次大模型优化）。此前，由于免费版上线时引入的一个错误出现在未使用的模块中，线上服务禁止创建密钥。现在，subscription_status: NULL 的密钥（所有免费账户）都可以通过验证。
• connect 向导 — npx mcp-prompt-optimizer connect 会在 macOS、Windows 和 Linux 上以交互方式将你的 API 密钥写入 Claude Desktop 配置。新用户无需再手动编辑 JSON。
• 升级提示 — 如果未配置 API 密钥，本地规则回退结果现在会包含简洁的升级提示，并提供一条命令即可完成的引导流程。

v3.5.0

• 在本地回退结果中添加大模型升级提示
• 添加 connect 子命令（交互式 Claude Desktop 配置向导）

v3.4.1

• 将套餐名称从 Explorer/Creator/Innovator 迁移为 Free/Pro/Enterprise（D6 定价）

v3.4.0

• explore_sop_approaches 工具：生成 3 种并行的 SOP 变体（流程导向型、决策树型、角色型），供比较后再确定。可选接受 blend_description，以直接融合这些变体。需要 Enterprise 套餐。

v3.3.0

• generate_harness_bundle 工具：为 14+ 个平台生成可直接部署的 ZIP harness。单一部署目标（Pro+）或多平台数组（Enterprise）。
• 在 generate_agent_sop 中添加意图框架字段（perspective、out_of_scope、success_definition），用于生成范围明确的 SOP。

v3.2.x

• transform_for_framework 工具：将 SOP 转换为原生 LangChain 工具、AutoGen Agent 或 Claude Code 技能
• CE 测试框架的 HTML 审核层，包含交互式 DAG 可视化

v3.0.3

• 重写规则回退输出——本地优化现在会生成面向用户的提示词，而不是原始 XML 脚手架。输出无需修改即可直接用作提示词。
• 重写全部 18 个本地模板——模板原则现在会作为用户请求指导来表述，而非面向 AI 助手的指令，从而生成更自然、更具可操作性的结构化提示词。
• creative_writing 上下文现在会正确路由到创意写作模板（此前会回退到通用模板）。
• general_assistant 上下文现在会明确映射到 LLM 交互模板。
• 后端规则层检测——当后端返回低于 25% 的置信度（表示它在没有 LLM 的情况下运行了自己的规则层）时，会显示说明原因及解决方法（配置 OPENROUTER_API_KEY）。
• 置信度量表注释——基于规则的回退置信度现在会显示 *(rules-based — LLM optimization typically 70–95%)*，帮助用户了解自己的结果相对于完整 LLM 优化所处的位置。

v3.0.2

• 改进跨平台二进制兼容性
• 集成贝叶斯优化
• 支持 AG-UI 功能标志

v3.0.0

• 所有操作现在都需要 API 密钥
• 出于安全考虑，移除了开发模式和离线模式
• 所有密钥都由后端服务器验证

---

🛠️ 支持与资源

• 📖 文档： promptoptimizer.xyz/docs
• 📊 仪表板与模型配置： promptoptimizer.xyz/dashboard
• 🚀 定价与 API 密钥： promptoptimizer.xyz/pricing
• 🐛 问题反馈： GitHub Issues
• 📄 许可证： 商业许可证
• 🔒 安全： 安全策略
• 🤝 参与贡献： 贡献指南
• 📜 行为准则： 贡献者公约
• 📝 更新日志： 发布历史
• 📧 邮件支持： [email protected]

---

在 promptoptimizer.xyz 免费开始——每月可进行 20 次 LLM 优化，无需信用卡。