prompttools

一键对比测试提示词，选对模型和参数不再靠猜

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 254 🐛 待处理 42 👀 关注 27

GitHub ↗

GitHub 星标 ★ 3060

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源工具，完全免费，可自行部署使用。

项目预览

prompttools 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队hegelai

GitHubhttps://github.com/hegelai/prompttools

定价模式🏷️完全免费

价格说明开源工具，完全免费，可自行部署使用。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型deep-learning,developer-tools,embeddings,large-language-models,llms,machine-learning,prompt-engineering,python,vector-search

GitHub 星标★ 3060

上线时间2023-06-25 00:00:00

代码更新2026-02-11

仓库体积33.3 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数2

项目介绍

prompttools 是一个开源的提示词测试与实验工具集，专为 LLM 和向量数据库设计。它解决了提示词工程中缺乏系统化测试和对比的问题，让开发者能快速评估不同模型、参数和提示词组合的效果。核心能力包括：统一接口调用多种 LLM（如 OpenAI、LLaMA）和向量数据库（如 Chroma、Weaviate、LanceDB），支持参数化实验、结果对比、可视化分析，以及通过 Jupyter Notebook 集成实现交互式探索。它提供轻量级的 Python API，无需复杂配置即可开始实验，帮助开发者做出数据驱动的提示词优化决策。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 3060

技术标签

deep-learning developer-tools embeddings large-language-models llms

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

难度：入门约 10 分钟部署方式：库/依赖 5 步

环境要求

Python 环境（已安装 pip）
已安装 Jupyter Notebook，用于运行示例
克隆仓库需要 git
使用 OpenAI 相关示例时需准备对应的 API 凭据

安装与启动步骤

1安装 prompttools

用 pip 从 PyPI 安装 prompttools 库，这是使用工具集的最简方式，无需克隆代码。
```
pip install prompttools
```
2克隆示例仓库

克隆官方仓库以获取 examples 目录下的示例 Notebook，本地运行示例时需要。
```
git clone https://github.com/hegelai/prompttools.git
```
3进入仓库目录

切换到刚克隆的 prompttools 目录，后续命令都需在此目录下执行。
```
cd prompttools
```
4运行示例 Notebook

启动 Jupyter 并打开 OpenAI 聊天实验示例，按单元格逐步执行即可体验提示词实验。
```
jupyter notebook examples/notebooks/OpenAIChatExperiment.ipynb
```
5或用 Colab 在线运行

不想本地配置环境时，可直接打开 README 提供的 Google Colab 链接在线运行该示例。