一、它是什么：把「粗糙想法」直接打磨成专业级提示词
Prompt Optimizer（linshenkx/prompt-optimizer，AGPL-3.0，3.5 万星）是一个 AI 提示词优化工具。它跟只给框架的「模板工具」不是一回事——你丢进去一句粗糙想法（比如「夜空里悬浮的图书馆」），它不是套个模板，而是直接帮你打磨出结构清晰、可直接产出好结果的专业级提示词：补上主体线索、空间关系、情绪锚点，还能多轮迭代优化 + 测试对比，判断优化后是不是真的更好。
二、四种用法：网页 / 桌面 / Chrome 扩展 / Docker
口播说的多端属实，实查 README：
- 网页端：prompt.always200.com（另有 Prompt Garden 提示词素材库 garden.always200.com）
- 桌面端：打包好的桌面应用
- Chrome 扩展：装在浏览器里随时调优
- Docker：
linshen/prompt-optimizer自托管；也支持 Vercel / Cloudflare Pages 一键部署
提示词来源可以是手写、模板、本地导入，或从 Prompt Garden 导入。架构上强调纯客户端处理——数据直接跟 AI 服务商交互、不经中间服务器，还支持密码保护和 MCP 协议（可接 Claude Desktop 等 MCP 客户端）。
三、模型支持（实查口径，别照搬口播）
这里要跟口播划一条线：
- 文本 / 大模型：支持 OpenAI、Gemini、DeepSeek、Grok、智谱（Zhipu AI）、SiliconFlow、MiniMax 等主流模型。
- 图像：支持文生图（T2I）、图生图（I2I）、多图生成，接 Gemini / Seedream / Grok 等图像模型。
- 视频：⚠️ 口播说它支持视频模型，但仓库 README 全文没有出现 video / Kling / Veo / Sora / Runway 等任何视频相关字样——现况实查下来，图像生成是有明确支持的，「视频」目前 README 里查不到。本文按仓库实查写「图像支持、视频暂未见于文档」，不照搬口播。
核心能力还包括：双模式优化（system prompt / user prompt）、分析与多结果对比评测、上下文变量管理 + 多轮对话测试 + Function Calling、智能收藏（带版本历史、可复现示例、媒体支持）。它部分借鉴了 LangGPT 的提示词工程与结构化设计。
四、商用红线：AGPL-3.0（copyleft，务必留意）
协议是 AGPL-3.0（GitHub API 显示 NOASSERTION，README 与 LICENSE 明确写 AGPL-3.0）。README 给了大白话翻译：
- ✅ 可以做的事：个人/学习/研究、公司内部使用（不对外提供服务）、为商业项目改代码、对产品/服务收费
- 📖 必须做的事：如果你把它分发出去或做成对外的网络服务，就必须把源码开源；保留原作者版权声明
- 核心原则：商用可以，但不能闭源。
简单说：自己用、内部用、拿来做产品功能都免费；但要是你把它包装成对外 SaaS / 网站给别人用，AGPL 的传染性会要求你连自己那份改动也开源。有对外服务打算的，先掂量这条。
五、适合谁
想提升提示词质量、又不想手写一堆结构化提示词的人；需要「优化 + 测试 + 对比」闭环、判断改动是否真有效的前端 / 产品 / 独立开发者。多端 + 纯客户端 + MCP 让它能嵌进各种工作流。
数据红线：星标 / 协议 / 日期均以 GitHub API 与 README 实查为准（3.5 万星 / AGPL-3.0 / 2025-02 创建 / 2026-09-11 最后推送，2026-09-18）；模型与功能清单引自仓库 README；「视频支持」口播有、仓库文档未见，本文按实查标注差异。