Mindket

PROMPT++

新上架第 1 版 · 更新于

概览

用元提示路由器和精炼器,调用 Zephyr、Llama 等开放模型来优化你写给 AI 模型的提示词。适合想让提示词更清晰的人。

PROMPT++ 是一款工具包,属于写作类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python 和 pip
  • Windows、macOS 或 Linux
  • requirements.txt 里列出的包
  • 访问这个 Space 指定的模型,来源没有描述具体方式
用在
  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • Windows、macOS 或 Linux,用 Python 运行本地副本
先运行
pip install -U huggingface_hub
hf download baconnier/prompt-plus-plus --repo-type space --local-dir prompt-plus-plus
cd prompt-plus-plus

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

PROMPT++ 帮你改进写给 AI 模型的提示词。仓库里有一个元提示路由器、一组示例元提示和一个提示词精炼器,这个 Space 还指定了 Zephyr 和 Llama 等几个开放的聊天模型。README 只有一行,所以具体的控件没有在那里说明。

适合谁

它适合经常写提示词、想要再过一遍的人,比如写作者、营销人员和开发者。想看看基于元提示的精炼器是怎么搭建的提示词工程师也适合用它。

行业谁在用怎么用例子
写作内容写作者在使用之前把粗糙的提示词打磨紧凑粘贴一个草稿提示词,阅读精炼后的版本
营销营销人员让活动文案的提示词更清晰精炼一个要求写广告文字的提示词
软件开发者改进放进应用里的提示词测试同一条指令的几个版本
研究提示词工程师研究元提示路由器和精炼器阅读路由器和精炼器文件

已经有经过测试的提示词库的人可以跳过它,因为这是一个初步精炼工具。

用在哪里

这个应用可以在两个地方运行。

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • Windows、macOS 或 Linux,用 Python 运行本地副本
Use caseWhoWhat they get back
提示词精炼写作者你写的提示词的更清晰版本
模型选择开发者用不同开放模型试精炼的方式
代码学习提示词工程师可以阅读的路由器、示例元提示和精炼器

如何设置

在线页面不需要安装任何东西。本地副本需要下面这些。

  • Python 和 pip
  • Windows、macOS 或 Linux
  • requirements.txt 里列出的包
  • 访问这个 Space 指定的模型,来源没有描述具体方式
  1. 安装 Python。
  2. 安装 Hugging Face 的 hub 包,并下载这个 Space 的副本。
  3. 进入新文件夹,安装 Gradio 4.44.1 和 requirements.txt 里的包。
  4. 用 python app.py 启动应用。
pip install -U huggingface_hub
hf download baconnier/prompt-plus-plus --repo-type space --local-dir prompt-plus-plus
cd prompt-plus-plus
pip install gradio==4.44.1
pip install -r requirements.txt
python app.py

如何使用

打开页面,粘贴你想改进的提示词,如果页面提供模型选项就选一个,然后运行。来源没有描述这些控件。在本地副本上,用下面这条命令启动页面。

python app.py
工具作用
prompt_refiner.py精炼提示词的文件
metaprompt_router.py为任务挑选元提示的文件
metaprompt_sample.py应用可以使用的示例元提示
app.py存放 Gradio 页面

示例

你粘贴一个简短含糊的提示词,要求写一段产品描述。应用会返回一个把任务说得更清楚的改写版提示词,你可以把它复制到自己的 AI 工具里。

新手与专家

如果你刚接触这类工具,先用一个你已经在用的提示词,看看精炼后的版本有什么不同。有用的保留,没用的丢掉。

如果你熟悉这个领域,仓库把工作分成选择元提示的路由器、示例元提示和应用其中一个的精炼器。这个 Space 指定了 Zephyr 和 Llama 系列的模型。这个 Space 运行在基础 CPU 硬件上,所以指定的模型大概是通过托管服务访问的,来源没有说明。

  1. 粘贴一个粗糙的提示词
  2. 路由器挑选一个元提示
  3. 精炼器改写提示词
  4. 你复制改进后的版本

注意事项

Space 页面只有一行描述。设置请读代码,依赖输出之前请查看模型的条款。

  • License: Apache 2
  • Cost to run: 未提及
  • Data it reaches: 你输入的提示词,会被传给这个 Space 指定的某个模型
  • Hardware: Hugging Face 上的基础 CPU

README 和文件

README

PROMPT++

用元提示路由器和精炼器,调用 Zephyr、Llama 等开放模型来优化你写给 AI 模型的提示词。适合想让提示词更清晰的人。

由 baconnier 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:PROMPT++ 帮你改进写给 AI 模型的提示词。仓库里有一个元提示路由器、一组示例元提示和一个提示词精炼器,这个 Space 还指定了 Zephyr 和 Llama 等几个开放的聊天模型。README 只有一行,所以具体的控件没有在那里说明。

适合谁:它适合经常写提示词、想要再过一遍的人,比如写作者、营销人员和开发者。想看看基于元提示的精炼器是怎么搭建的提示词工程师也适合用它。

行业 | 谁在用 | 怎么用 | 例子
写作 | 内容写作者 | 在使用之前把粗糙的提示词打磨紧凑 | 粘贴一个草稿提示词,阅读精炼后的版本
营销 | 营销人员 | 让活动文案的提示词更清晰 | 精炼一个要求写广告文字的提示词
软件 | 开发者 | 改进放进应用里的提示词 | 测试同一条指令的几个版本
研究 | 提示词工程师 | 研究元提示路由器和精炼器 | 阅读路由器和精炼器文件

已经有经过测试的提示词库的人可以跳过它,因为这是一个初步精炼工具。

用在哪里:这个应用可以在两个地方运行。

  • 网页浏览器,打开 Hugging Face 上这个 Space 的页面
  • Windows、macOS 或 Linux,用 Python 运行本地副本
Use case | Who | What they get back
提示词精炼 | 写作者 | 你写的提示词的更清晰版本
模型选择 | 开发者 | 用不同开放模型试精炼的方式
代码学习 | 提示词工程师 | 可以阅读的路由器、示例元提示和精炼器

如何设置:在线页面不需要安装任何东西。本地副本需要下面这些。

  • Python 和 pip
  • Windows、macOS 或 Linux
  • requirements.txt 里列出的包
  • 访问这个 Space 指定的模型,来源没有描述具体方式
  1. 安装 Python。
  2. 安装 Hugging Face 的 hub 包,并下载这个 Space 的副本。
  3. 进入新文件夹,安装 Gradio 4.44.1 和 requirements.txt 里的包。
  4. 用 python app.py 启动应用。
pip install -U huggingface_hub
hf download baconnier/prompt-plus-plus --repo-type space --local-dir prompt-plus-plus
cd prompt-plus-plus
pip install gradio==4.44.1
pip install -r requirements.txt
python app.py

如何使用:打开页面,粘贴你想改进的提示词,如果页面提供模型选项就选一个,然后运行。来源没有描述这些控件。在本地副本上,用下面这条命令启动页面。

python app.py
工具 | 作用
prompt_refiner.py | 精炼提示词的文件
metaprompt_router.py | 为任务挑选元提示的文件
metaprompt_sample.py | 应用可以使用的示例元提示
app.py | 存放 Gradio 页面

示例:你粘贴一个简短含糊的提示词,要求写一段产品描述。应用会返回一个把任务说得更清楚的改写版提示词,你可以把它复制到自己的 AI 工具里。

新手与专家:如果你刚接触这类工具,先用一个你已经在用的提示词,看看精炼后的版本有什么不同。有用的保留,没用的丢掉。

如果你熟悉这个领域,仓库把工作分成选择元提示的路由器、示例元提示和应用其中一个的精炼器。这个 Space 指定了 Zephyr 和 Llama 系列的模型。这个 Space 运行在基础 CPU 硬件上,所以指定的模型大概是通过托管服务访问的,来源没有说明。

粘贴一个粗糙的提示词
路由器挑选一个元提示
精炼器改写提示词
你复制改进后的版本

注意事项:Space 页面只有一行描述。设置请读代码,依赖输出之前请查看模型的条款。

  • License: Apache 2
  • Cost to run: 未提及
  • Data it reaches: 你输入的提示词,会被传给这个 Space 指定的某个模型
  • Hardware: Hugging Face 上的基础 CPU

Hugging Face 上的数据(2026年11月13日)

  • 点赞:247
  • 构建方式:gradio
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/baconnier/prompt-plus-plus
  • 文件:https://huggingface.co/spaces/baconnier/prompt-plus-plus/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
PROMPT++ 本页247gradioapache-2.0
Hum to Song共有 gradio124gradiocc-by-nc-4.0
humanizer共有 gradio51gradioapache-2.0
Arabic Poetry Generator共有 gradio30gradiocc-by-nc-4.0
Essay_generator_app共有 gradio4gradioapache-2.0
Sakil_text_summarization_app共有 gradio3gradioapache-2.0
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

写作类的相似商品

查看写作类的全部商品

t5-base-grammar-correction

vennify · 工具包

用在 JFLEG 数据集上训练的 T5 模型改写英文文本,减少语法错误。由 vennify 制作,适合想在 Python 里加入语法修正步骤的写作者、学生和开发者。

新上架

Hy-MT2-1.8B-1.25Bit-GGUF

tencent · 工具包

在你自己的设备上用压缩到 1.25 比特的 1.8B 模型进行 33 种语言之间的翻译,GGUF 文件约 440 MB,适用于 llama.cpp。适合给应用加入离线翻译的开发者。

新上架

Qwen3.8-27B-Longbook27-v2

summerAIO · 工具包

用经过微调、采用 Gated DeltaNet 层的 27B 模型,对整本书长度的文字做摘要、问答和续写,支持英语和日语。适合处理长文档的人。

新上架