项目预览
项目数据
项目介绍
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 2026-08-10 · 当前星标 ★ 1286
使用教程
环境要求
- Python 环境(用 pip 安装 prompty)
- Node.js/npm 环境(使用 TypeScript 接口时需要)
- OpenAI API Key,或兼容端点的密钥
- VS Code(可选,用于在编辑器内按 F5 调试)
安装与启动步骤
-
1安装 Python 依赖
安装 prompty 及 jinja2 模板、openai 提供方扩展,用于在 Python 中调用。
pip install "prompty[jinja2,openai]" -
2安装 TS 依赖
使用 TypeScript/Node.js 时安装核心包与 openai 适配包。
npm install @prompty/core @prompty/openai -
3编写 .prompty 文件
把提示词、模型参数和模板格式写进 greeting.prompty,apiKey 从环境变量读取。
cat > greeting.prompty << 'EOF' --- name: greeting model: id: gpt-4o-mini provider: openai connection: kind: key apiKey: ${env:OPENAI_API_KEY} template: format: kind: jinja2 parser: kind: prompty --- system: You are a friendly assistant. user: Say hello to {{name}}. EOF -
4设置 API Key
prompty 文件通过 ${env:OPENAI_API_KEY} 读取密钥,运行前需先导出该环境变量。
export OPENAI_API_KEY=sk-xxxxxxxx -
5用 Python 运行
创建脚本并调用 prompty.invoke,传入 name 变量,打印模型返回结果。
cat > run.py << 'EOF' import prompty result = prompty.invoke("greeting.prompty", inputs={"name": "Jane"}) print(result) EOF python run.py -
6用 TypeScript 运行
在代码中从 @prompty/core 引入 invoke,并导入 @prompty/openai 注册提供方后调用。
-
7VS Code 调试
用 VS Code 打开 .prompty 文件,直接按 F5 即可运行调试该提示词。
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
model.connection.apiKey | 是 | 模型调用密钥,示例从环境变量注入 | ${env:OPENAI_API_KEY} |
model.id | 是 | 调用的模型标识 | gpt-4o-mini |
model.provider | 是 | 模型提供方,示例为 openai | openai |
model.connection.kind | 是 | 连接鉴权方式,示例为 key | key |
template.format.kind | 是 | 模板语法类型,示例为 jinja2 | jinja2 |
model.connection.endpoint | 否 | 改为 OpenAI 兼容网关或自托管服务地址 | https://your-endpoint/v1 |
如何确认成功
执行 python run.py(或 TypeScript 脚本)后,终端能打印出模型返回的问候内容,即说明调用成功。
常见问题
Q:报错找不到 OPENAI_API_KEY 怎么办?
A:prompty 文件里用 ${env:OPENAI_API_KEY} 引用环境变量,需先在当前终端 export OPENAI_API_KEY=sk-xxx 再运行脚本。
Q:可以接非 OpenAI 官方服务吗?
A:可以。openai provider 支持 OpenAI 兼容的控制面、网关或自托管模型服务,设置 model.connection.endpoint 指向对应地址即可。
Q:提示模板格式不支持?
A:示例使用的是 jinja2 模板,安装时需带上 jinja2 扩展,例如 pip install "prompty[jinja2,openai]"。
Q:不想写脚本怎么快速试?
A:用 VS Code 打开 .prompty 文件,直接按 F5 运行。
注意事项
- 当前为 v2 alpha 分支,API、文件格式和工具链仍在开发中,可能发生变化。
- 欢迎通过 GitHub Issues 反馈问题。
核心亮点
- 标准化提示词格式,支持变量和模板,提升可移植性
- 内置调试与评估工具,可对比不同模型和参数效果
- Rust 实现性能好,提供 Python/CLI 接口易集成
不足之处
- 项目较新,生态和文档仍在完善中
- 与主流框架(如 LangChain)的集成尚不成熟
适用场景
- 团队协作开发 LLM 应用,需要统一管理提示词版本
- 对多个 LLM 进行提示词效果对比和回归测试
- 在 CI/CD 流程中自动化评估提示词质量
替代项目
LangChain、Promptfoo、LangSmith
上一篇:SkillForge
下一篇:texar
同类项目推荐
learn-harness-engineering
开源
从零上手 Harness 工程,快速构建生产级 AI Agent
Harness engineering beginner tutorial, from 0 to 1
swifty-creatives
开源
用 Swift 在 Apple 设备上轻松创作生成艺术与交互视觉
Creative coding framework for Swift. Built on Apple's Metal. Inspired by Processing.···
sd-api
开源
用 TypeScript 优雅调用 Stable Diffusion WebUI,快速集成图像生成能力
A Typescript API client for AUTOMATIC111/stable-diffusion-webui
ollama-rs
开源
Rust 里几行代码接入本地大模型
A simple and easy-to-use library for interacting with the Ollama API.
claude-code-mastery
开源
手把手玩转 Claude Code,从配置到自动化提效
The complete guide to Claude Code: CLAUDE.md, hooks, skills, MCP servers, and comman···
diagram-of-thought
开源
把思维链升级成思维图,让AI推理更灵活纠错
Official implementation of paper "On the Diagram of Thought" (https://arxiv.org/abs/···
langchainrb
开源
用 Ruby 快速构建 LLM 应用,像搭积木一样组合 AI 能力
Build LLM-powered applications in Ruby
pipecat
开源
几行代码搭出能实时对话、可打断的语音 AI 助手
Open Source framework for voice agents, multimodal apps, and realtime AI. Maintained···
ten-framework
开源
像搭积木一样组装实时语音AI助手
Open-source framework for conversational voice AI agents
