NAS、键盘、路由器······年轻就要多折腾，我是爱折腾的熊猫，今天又给大家分享最近折腾的内容了，关注是对我最大的支持，阿里嘎多

引言

作为当前互联网的热门话题，AI没有使用门槛，也不需要高昂的费用，但普通人真的会用AI吗？相信大部分人都是简单的问答的方式去使用AI，但实际上AI拥有非常强的发散思维，如果不加以预设限制，那么得到的结果大概率会偏离你想要得到的内容，亦或者不是那么满意。

那么如何设置预设就成了关键，这时候就可以用到这个项目——Prompt Optimizer，一款AI提示词项目，他能通过提示词帮你提高AI的输出质量，支持原内容和优化内容的对比，让你能直接看到优化后的效果。

项目预览

众所周知，极空间可以直接部署基于本地的deepseek大模型，熊猫使用的是Z423旗舰版，在使用7b的deepseek大模型时，CPU的占用在50%左右，内存占用为23%。生成速度还行，也能看到深度思考的内容，作为个人使用，平时用来作为本地的AI完全够用了。

当然，Z423旗舰版的性能也可以部署14b的模型，不过占用会更高，作为个人NAS其实没必要了。除了Z423旗舰版，像是Z4Pro、Z4Pro+部署7b的模型其实也都不会有太大的占用，毕竟N305处理器跑跑简单的AI还是没什么问题的。

Prompt Optimizer的界面非常通俗易懂，左边是系统提示词，右边则是输出测试内容，顶部能看到功能提示词、历史记录、模型管理以及数据管理。

在左侧输入我们需要做的事，例如我现在要让AI作为一名值得买产品推荐员，输入需求点击优化，AI会帮我们自动给到相关的提示词。

输出的内容还是蛮多的，支持直接复制到其他AI项目中使用，也可以在右边输入测试内容先行进行预设测试，同时能看到直接输出的内容与通过优化之后输出的内容。

优化之后的内容的确比原本的内容好很多，在功能提示词中我们还可以编辑优化词的模版以及迭代优化模板，如果觉得优化内容不够好还能继续进行二次优化。

项目部署

Prompt Optimizer的部署并不难，可以用compose也可以直接部署，这里为了方便变量的设置，咱们用极空间的compose进行部署。

在compose中输入代码，其中变量中的API Key以及地址和模型根据自身的情况更改，端口也记得不要和已有端口冲突。

services:

  prompt-optimizer:

    image: linshen/prompt-optimizer:latest

    container_name: prompt-optimizer

    restart: unless-stopped

    ports:

      - "8081:80"  # 修改端口映射

    environment:

      - VITE_CUSTOM_API_KEY=your_custom_api_key

      - VITE_CUSTOM_API_BASE_URL=your_custom_api_base_url

      - VITE_CUSTOM_API_MODEL=your_custom_model_name

确认好无误之后创建项目即可，这时候就能直接通过极空间的远程访问直接访问项目了，非常简单。

总结

通过AI来优化提示词，随后再用提示词来生成AI内容，感觉有点套娃的意思，不过整体效果还是非常不错的，可通过多轮的优化来逐步达到自己理想的AI内容。

以上便是本次分享的全部内容了，如果你觉得还算有趣或者对你有所帮助，不妨点赞收藏，最后也希望能得到你的关注，咱们下期见！