且炼时光

i am willing to contribute it

很有价值的建议，感谢反馈！

感谢 [Su-u-un](https://github.com/Su-u-un) 贡献完成此功能！见： 17a29f6aba21d2beea796c5351a4da2215ba69ad

目前已更新支持mcp调用：https://github.com/linshenkx/prompt-optimizer/blob/develop/docs/user/mcp-server.md 欢迎使用反馈

已更新支持mcp调用：https://github.com/linshenkx/prompt-optimizer/blob/develop/docs/user/mcp-server.md

目前是有个简单的历史记录，比较轻量，定位还是提示词优化工具。保存的话就有点像提示词管理工具了。也许可以加个收藏功能。谢谢你的建议

## 1. 增加模板分级分类 ### 领域分类 按领域分类没有太大必要，提示词需要领域分类，但是生成提示词的元提示词（模板）是不太需要领域分类的。 ### 复杂度分类 当前用来生成提示词的好用的元提示词没那么多，没必要过度设计。 ### 拓展 不同的提示词生成模板适用于不同任务类型，甚至适用于不同的模型。这个后面可以考虑用tag来标注，如 某些优化提示词可能在claude表现比较好，某些适用于生成系统提示词，某些适用于优化 用户提示词（即普通指令）。 ## 2. 增加上下文对话 ### 对话引导机制 有点像当前迭代功能的升级。当前迭代功能的逻辑是用户使用生成的提示词去测试，根据测试效果，使用迭代功能定向修改或手动编辑提示词，继续测试迭代，直到效果满意。 对话引导机制我在其他地方也看到过，但实际情况是很多用户是懒得接受引导的，或者说用户本身也描述不清楚他的需求。这也是这个项目的价值，先给出一个通用的给你试试看效果，你就知道自己想要什么不想要什么，然后再修改。 通过对话来优化提示词个人感觉不如根据测试结果来优化更加有效 ### 智能需求挖掘 太虚了 ## 3. 增加提示词评估机制 同2。我们不应该只对提示词做评估，而是应该对测试效果来做评估，根据测试效果和用户反馈来迭代优化提示词。比方说用户对当前的测试效果打分/评价，把这些给大模型，让其定向改进。不过这样容易过拟合，还需要再考虑怎么做比较好

> 如何针对多轮对话历史,进行提示词优化、或者进化? 目前的测试内容我理解只能放最新的question吧 是的。当前的迭代功能是使用最新的提示词结合定向修改进行优化，测试也是使用最新的提示词作为系统提示词，测试内容作为用户提示词进行测试

1. 状态不符：cloudeon的kube-prometheus-stack是基于helm部署的，对于helm类型组件，目前跟踪到helm install任务成功就认为成功。实际上容器状态可能不正常。其他组件则是会跟踪到具体的容器状态，就没这个问题。 2. 大概率是和kubesphere的监控冲突了。看截图两个地方的Prometheus都不正常。你可以先把其中一个停掉看另外一个能不能恢复。 3. 就日志来说，是加载了错误的配置项，可能是配置项相互影响导致的。应该不是端口的问题，容器不是用主机网络启动的，端口重复不会影响启动。但nodeport的外部端口可能冲突。（这里cloudeon的有个bug，设置界面的nodeport值修改无法生效，会尽快处理） 4. kubesphere支持使用第三方的kube-prometheus：https://kubesphere.io/zh/docs/v3.4/faq/observability/byop/ 5. cloudeon也支持使用第三方的kube-prometheus：在global组件配置界面，选择外部监控方案并配置外部grafana地址，只要外部的KubePrometheus配置了合适的抓取规则和回调参数就行，参考https://cloudeon.dromara.org/#/%E7%BB%84%E4%BB%B6%E8%AF%B4%E6%98%8E/3.kube-prometheus （可能没有写得太详细） 综上：如果只是测试，可以先把kubesphere的监控给删了，以后再重装回来。不过正式使用，建议以kubesphere的Prometheus为准，因为kubesphere的位置比cloudeon更底层。这个时候应该使用cloudeon的外部监控集成功能，但目前文档不是很完善，可能有坑

可能是apikey的问题，可以参考如下的命令或找个llm客户端工具测试apikey的有效性。 如果apikey是有效的，那可以使用浏览器的开发者模式看实际发出的请求中携带的apikey是否正确。 ```shell curl --location --request POST 'https://api.siliconflow.cn/v1/chat/completions' \ --header 'Authorization: Bearer 你的apikey' \ --header 'Content-Type: application/json' \ --data-raw '{ "model": "Qwen/Qwen2.5-7B-Instruct", "messages": [ { "role": "system", "content": "你是chatgpt" },...