PromptX：开源多端适配型AI提示词管理工具

一、PromptX 是什么

PromptX（Prompt Manager）是一款面向AI时代的轻量级开源提示词管理工具，核心聚焦AI工作流中的提示词资产管控，解决用户提示词存储混乱、版本无法追溯、跨设备同步困难、检索效率低等核心痛点。项目采用前后端分离的工程化架构，后端基于Python+FastAPI实现高效接口服务，前端通过React+TypeScript搭配Tailwind CSS打造现代化交互界面，底层依托MongoDB实现灵活的数据存储，同时支持Docker一键部署与本地开发双模式。该工具并非简单的提示词记事本，而是具备智能分类、版本追踪、快速检索、跨平台适配等专业能力的管理系统，适配个人开发者、AI创作爱好者、小型研发团队等不同用户群体的使用需求，能够有效提升AI提示词的管理效率与复用性，降低AI工作流中的试错成本。

与市面上的简易提示词记录工具不同，PromptX具备完整的工程化架构和专业的管理功能，既兼顾了极致的现代UI/UX设计，让用户获得流畅的操作体验，又实现了智能的版本管理与数据存储，保障提示词资产的安全性与可追溯性；同时支持本地开发调试和Docker一键部署，适配不同用户的使用场景，无论是个人开发者快速上手，还是小型团队内部部署使用，都能满足需求。简单来说，PromptX就是为AI用户打造的“提示词专属管家”，通过标准化的管理流程，让提示词从“零散存储”变为“系统化管理”，最终实现AI工作流效率的提升。

PromptX的核心设计理念可总结为三点：

1. 轻量高效：无复杂的配置门槛，本地开发和部署流程简洁，运行资源占用低，兼顾操作效率与运行效率；

2. 专业实用：聚焦提示词管理的核心需求，剔除冗余功能，让分类、检索、版本管理等核心能力做到极致；

3. 开源可扩展：项目完全开源，代码结构清晰，工程化规范完善，支持用户根据自身需求进行二次开发与功能扩展。

二、功能特色

PromptX围绕提示词管理的核心痛点，打造了一系列贴合用户实际需求的功能，同时在产品体验和部署使用上做了针对性优化，其核心功能特色可总结为六大核心能力，并搭配两大使用优势，具体如下表所示：

除上述核心功能与优势外，PromptX还具备一些贴合实际使用的细节优化：

1. 环境变量配置：提供完善的环境变量示例文件，用户只需根据自身需求修改配置项，即可完成数据库、邮件服务等核心功能的配置，无需修改源码；

2. API文档自动生成：后端基于FastAPI开发，启动后自动生成交互式API文档（Swagger UI），方便用户调试接口、进行二次开发；

3. 工程化代码规范：前端配置ESLint、Prettier等代码检查工具，后端遵循Python PEP8编码规范，代码可读性高，便于社区贡献与维护；

4. 测试数据脚本支持：提供专门的测试数据脚本，可快速创建、删除、填充测试数据，方便用户在不影响真实数据的情况下调试功能。

整体而言，PromptX的功能设计始终围绕“实用、高效、易用”三大原则，不追求华而不实的冗余功能，而是将提示词管理的核心需求做到极致，让不同技术水平的用户都能轻松上手。

三、技术细节

PromptX采用前后端分离的经典软件架构，将前端界面与后端服务完全解耦，既提升了项目的开发效率和可维护性，又方便了前后端的独立部署与扩展。项目的开发语言以TypeScript（前端）和Python（后端）为主，搭配主流的开源技术栈和工具，工程化规范完善，目录结构清晰，以下从整体架构、核心技术栈、目录结构、核心技术实现四个方面，对PromptX的技术细节进行详细解读。

3.1 整体架构

PromptX的整体架构分为前端层、后端层、数据存储层三层，各层级之间通过API接口进行数据交互，层级职责清晰，解耦性强，具体架构逻辑如下：

1. 前端层：作为用户的交互入口，负责页面的渲染、用户操作的响应、数据的展示与提交，通过封装的API客户端与后端层进行HTTP请求交互，支持开发模式和生产模式两种运行状态；

2. 后端层：作为项目的核心服务层，负责处理前端的所有请求，实现业务逻辑（如提示词的增删改查、版本管理、分类管理）、数据校验、身份认证、数据库交互等功能，对外提供标准化的RESTful API接口；

3. 数据存储层：负责项目所有数据的持久化存储，包括提示词数据、用户数据、分类标签数据、版本记录数据等，底层采用MongoDB非关系型数据库，搭配Motor异步驱动实现高效的数据读写。

此外，项目还提供部署层支持，通过Docker Compose实现前后端、数据库、Nginx的容器化编排，一键完成整个项目的部署，无需手动配置各个组件的运行环境，降低部署门槛。

3.2 核心技术栈

PromptX的技术栈选择均为当前开源领域的主流成熟技术，兼顾了开发效率、运行性能和社区支持，不同层级的核心技术栈如下表所示，涵盖开发语言、框架、数据库、工具等多个维度：

3.3 核心目录结构

PromptX的仓库目录结构清晰，按前后端分离的原则划分核心目录，辅助文件单独存放，便于开发者快速定位核心代码和配置文件，同时遵循“高内聚、低耦合”的工程化原则，核心目录结构及说明如下（剔除部分冗余的配置文件和资源文件）：

PromptX/
├── backend/     # 后端服务核心目录（Python+FastAPI）
│  ├── app/     # 后端业务核心代码
│  │  ├── api/   # API路由定义，分模块管理接口
│  │  ├── core/   # 核心配置，如数据库连接、JWT配置、全局设置
│  │  ├── models/  # Pydantic数据模型，实现数据校验和类型定义
│  │  ├── db/    # 数据库操作，MongoDB连接与数据交互
│  │  ├── services/ # 业务逻辑层，实现提示词管理、版本管理等核心功能
│  │  ├── main.py  # 后端应用入口文件，启动FastAPI服务
│  ├── requirements.txt # 后端依赖清单
│  ├── .env.example # 后端环境变量示例文件
├── frontend/     # 前端应用核心目录（React+TypeScript+Vite）
│  ├── src/     # 前端源码目录
│  │  ├── components/ # 通用组件和页面组件
│  │  ├── store/  # Zustand状态管理目录
│  │  ├── api/   # API客户端，封装后端接口请求
│  │  ├── types/  # TypeScript类型定义文件
│  │  ├── App.tsx  # 前端根组件
│  │  ├── main.tsx # 前端应用入口文件
│  ├── package.json # 前端依赖与脚本配置
│  ├── vite.config.ts # Vite构建配置
├── promptx_imgs/   # 项目截图、资源图片目录
├── docker-compose.yml # Docker Compose编排配置文件
├── docker-compose.hub.yml # 基于Docker Hub镜像的编排配置
├── .gitignore    # Git忽略文件配置
├── README.md     # 项目官方说明文档

从目录结构可以看出，PromptX的代码组织非常规范，前后端核心代码各自独立，且内部按功能模块进一步拆分，例如后端的api/（路由）、services/（业务逻辑）、models/（数据模型）分离，前端的components/（组件）、store/（状态）、api/（接口）分离，这种结构不仅便于项目的日常维护，也为开发者的二次开发和功能扩展提供了便利。

3.4 核心技术实现

（1）后端接口与数据校验

后端基于FastAPI开发，采用路由分层的方式管理接口，将提示词管理、用户管理、分类管理等接口分模块定义，例如api/prompt.py专门处理提示词的增删改查、版本管理等请求。同时通过Pydantic数据模型对接口的请求参数和响应数据进行严格校验，例如定义PromptCreate模型，指定提示词名称、内容、分类、标签等字段的类型、是否必填、最大长度等规则，确保接口接收的数据符合预期，避免脏数据进入数据库。

FastAPI的异步特性与Motor（MongoDB异步驱动）完美匹配，后端所有的数据库操作均采用异步方式实现，提升了接口的并发处理能力，减少了请求等待时间。此外，FastAPI会根据路由和数据模型自动生成交互式API文档，启动后端服务后，访问http://localhost:8000/docs即可打开Swagger UI文档，支持在线调试接口、查看接口参数和响应格式，极大提升了开发和调试效率。

（2）前端状态管理与交互

前端采用React 18的函数式组件+Hooks开发模式，搭配Zustand实现轻量的状态管理。与传统的Redux相比，Zustand无需编写繁琐的reducer和action，只需定义一个存储对象即可实现状态的全局共享和修改，简化了前端的状态管理逻辑，适合PromptX这类轻量级项目。

前端通过Axios封装API客户端，将后端的所有接口封装为可调用的函数，统一处理请求头、请求拦截、响应拦截和错误处理，例如在请求拦截中添加身份认证token，在响应拦截中统一处理接口返回的错误信息，提升了代码的复用性和可维护性。同时，前端使用Tailwind CSS实现样式开发，无需编写自定义CSS样式，通过原子化的CSS类名快速实现页面布局和样式调整，且支持响应式设计，让页面在不同尺寸的设备上都能正常显示。

（3）版本管理功能实现

版本追踪是PromptX的核心功能之一，其实现逻辑为：当用户修改并保存提示词时，后端会先将当前的提示词数据（包括内容、分类、标签、修改时间等）作为历史版本存储到数据库的版本集合中，同时记录版本号、修改人、修改日志等信息，再更新主提示词集合中的数据。当用户需要查看历史版本时，后端根据提示词的唯一ID从版本集合中查询所有历史记录并返回给前端；当用户需要回滚版本时，后端将指定版本的提示词数据覆盖主提示词集合中的当前数据，并生成新的版本记录，确保每一次操作都有迹可循。

（4）Docker容器化部署

PromptX提供了完善的Docker Compose配置文件，将前端、后端、MongoDB、Nginx四个服务封装为独立的容器，通过Docker Compose实现容器的编排和启动。其中，Nginx容器负责前端静态资源的托管和后端接口的反向代理，将前端的请求转发到后端服务，实现前后端的统一访问；MongoDB容器作为数据存储服务，挂载本地目录实现数据的持久化；前端和后端容器均基于官方基础镜像构建，确保运行环境的一致性。用户只需安装Docker和Docker Compose，修改对应的环境变量配置，执行一条命令即可启动整个项目，无需手动配置Python、Node.js、MongoDB等运行环境，大幅降低了部署门槛。

四、应用场景

PromptX作为一款通用的开源提示词管理工具，核心适配所有使用AI大模型的用户群体，其功能设计贴合不同场景下的提示词管理需求，无论是个人日常使用，还是小型团队内部协作，都能发挥重要作用。结合用户的使用需求和AI的主流应用场景，PromptX的核心应用场景可总结为以下五类，覆盖个人创作、研发、工作、学习等多个维度：

4.1 个人AI创作爱好者的提示词管理

对于AI绘画、文案创作、小说写作等个人AI创作爱好者而言，通常会针对不同的创作场景设计大量定制化提示词，例如AI绘画的风格提示词、角色提示词、场景提示词，文案创作的产品推广提示词、朋友圈文案提示词等。这类用户的痛点是提示词数量多、场景杂，零散存储后难以查找和复用。

PromptX可帮助这类用户按创作场景对提示词进行分类管理，例如创建“AI绘画-二次元”“AI文案-产品推广”“AI写作-小说开头”等分类，为每个提示词添加标签（如“Midjourney”“ChatGPT”“文心一言”），同时通过版本管理功能记录提示词的修改过程，避免因多次调整丢失优质的创作提示词。此外，快速检索功能可让用户通过关键词快速定位目标提示词，大幅提升创作效率。

4.2 个人开发者的AI开发提示词管理

对于从事AI开发的个人开发者而言，在调试大模型接口、开发AI应用时，需要编写大量的测试提示词、功能提示词，例如针对大模型的函数调用提示词、数据格式化提示词、错误处理提示词等。这类用户不仅需要管理提示词，还需要追溯提示词的修改历史，因为不同的提示词表述会直接影响大模型的输出结果，优质的提示词是开发的重要资产。

PromptX的版本追踪、富文本编辑、API调试适配等功能可完美适配这类用户的需求：开发者可将提示词按开发功能分类，为提示词添加备注说明（如“适用于GPT-4o函数调用”“需搭配参数temperature=0.7”），通过版本管理记录提示词的调试过程，同时结合后端的API文档，快速将调试后的提示词集成到AI应用中，提升开发效率。

4.3 新媒体运营者的AI内容生产提示词管理

新媒体运营者的日常工作中，会大量使用AI生成推文、短视频脚本、标题、评论等内容，需要针对不同的平台（如抖音、小红书、微信公众号）和不同的内容类型（如美食、美妆、职场）设计不同的提示词。这类用户的痛点是跨平台使用提示词时，需要在不同设备间切换，手动复制粘贴提示词，效率低下。

PromptX支持本地部署和跨设备访问（通过局域网或公网部署），新媒体运营者可在电脑上编辑和管理提示词，在手机、平板等设备上通过浏览器访问PromptX，直接复制使用提示词，无需手动同步；同时可按平台、内容类型对提示词进行分类，通过关键词检索快速找到目标提示词，提升AI内容生产的效率。

4.4 教育工作者的AI教学辅助提示词管理

教育工作者可利用AI生成教案、课件、练习题、作业评语等教学内容，需要针对不同的学科、年级、教学场景设计定制化提示词。这类用户对提示词的准确性和复用性要求较高，例如针对小学三年级数学的练习题生成提示词，需要长期复用并根据教学进度进行微调。

PromptX的版本管理和备注功能可满足这类用户的需求：教育工作者可将提示词按学科、年级分类，为提示词添加备注（如“适用于三年级数学两位数乘法练习题”“生成10道基础题+5道拓展题”），通过版本管理记录提示词的微调过程，确保提示词的准确性；同时，快速检索功能可让教育工作者在课堂上快速找到所需的提示词，利用AI快速生成教学内容，提升教学辅助效率。

4.5 小型研发团队的内部提示词资产管理

对于小型AI研发团队、创业团队而言，团队成员在协作开发AI项目时，会积累大量的团队专属提示词，这些提示词是团队的重要资产，需要进行统一管理和共享，避免因团队成员离职导致提示词资产丢失。

PromptX支持本地/内网Docker部署，团队可将PromptX部署在公司的内网服务器上，实现团队内部的提示词共享和统一管理；团队成员可按项目、功能模块对提示词进行分类，为提示词添加标签和备注，通过版本管理记录团队成员的修改过程，确保提示词资产的安全性和可复用性；同时，项目的开源特性支持团队根据自身需求进行二次开发，添加团队专属的功能（如成员权限管理、提示词审核流程），适配团队的协作需求。

五、使用方法

PromptX支持本地开发模式和Docker一键部署模式两种使用方式，其中本地开发模式适合开发者进行二次开发、调试功能，Docker部署模式适合普通用户快速上手使用，无需配置复杂的开发环境。以下将分别详细介绍两种方式的使用步骤，步骤均经过简化，通俗易懂，适合不同技术水平的用户，同时介绍PromptX的基础操作方法（增删改查、分类、版本管理）。

5.1 前置准备

无论采用哪种使用方式，都需要先完成以下前置准备：

1. 拥有一台安装了Windows/macOS/Linux系统的电脑，确保电脑联网；

2. 从GitHub克隆PromptX项目仓库到本地，克隆命令：git clone https://github.com/lwh8915/PromptX.git；

3. 进入项目根目录：cd PromptX。

5.2 方式一：Docker一键部署（推荐普通用户使用）

Docker部署模式是PromptX的推荐使用方式，无需安装Python、Node.js、MongoDB等运行环境，只需安装Docker和Docker Compose，修改简单的配置项，即可一键启动整个项目，步骤如下：

步骤1：安装Docker和Docker Compose

根据自己的电脑系统，参考Docker官方文档安装Docker Desktop（Windows/macOS）或Docker Engine（Linux），Docker Desktop已内置Docker Compose，无需单独安装；Linux系统需额外参考Docker Compose官方文档安装。

安装完成后，启动Docker，打开终端执行docker --version和docker compose --version，若能显示版本号，说明安装成功。

步骤2：配置环境变量

1. 进入后端目录，复制环境变量示例文件为正式环境变量文件：

  cd backend
  cp .env.example .env

2. 打开.env文件，只需修改MongoDB连接配置（其他配置可保持默认，后续使用时再调整）：

  # MongoDB连接串，保持默认即可，因为Docker Compose会启动MongoDB容器
  MONGODB_URI=mongodb://mongo:27017/promptx
  # 数据库名称
  MONGODB_DB_NAME=promptx

其他配置项如JWT密钥、SMTP邮件配置，若只是本地使用，可保持默认值。

步骤3：启动Docker容器

1. 回到项目根目录：cd ..；

2. 执行Docker Compose启动命令，后台运行所有服务：

  docker compose up -d

3. 执行完成后，执行docker compose ps查看容器运行状态，若所有服务的状态均为up，说明启动成功。

步骤4：访问PromptX

启动成功后，打开浏览器，访问http://localhost即可进入PromptX的前端界面，开始使用提示词管理功能。

步骤5：停止Docker容器

若需要停止使用，回到项目根目录，执行以下命令即可停止所有容器：

docker compose down

若需要删除容器和数据卷（谨慎操作，会丢失所有提示词数据），执行：

docker compose down -v

5.3 方式二：本地开发模式（适合开发者/二次开发）

本地开发模式需要分别配置前端和后端的开发环境，适合需要对PromptX进行二次开发、调试功能的开发者，步骤如下：

5.3.1 后端环境配置与启动

步骤1：安装Python 3.10+

PromptX的后端要求Python版本为3.10及以上，参考Python官方文档安装对应版本的Python，安装完成后执行python --version验证。

步骤2：创建并激活虚拟环境

推荐使用Conda或venv创建虚拟环境，避免依赖冲突，以Conda为例：

# 进入后端目录
cd backend
# 创建名为promptx的虚拟环境，Python版本为3.10
conda create -n promptx python=3.10 -y
# 激活虚拟环境
conda activate promptx

若使用venv，命令如下：

python -m venv venv
# Windows激活
venv\Scripts\activate
# macOS/Linux激活
source venv/bin/activate

步骤3：安装后端依赖

pip install -r requirements.txt

步骤4：配置环境变量

同Docker部署模式，复制环境变量示例文件并修改MongoDB连接配置：

cp .env.example .env

注意：本地开发模式需要手动安装并启动MongoDB，因此需要将MONGODB_URI修改为本地MongoDB的连接串，例如：

MONGODB_URI=mongodb://localhost:27017/promptx

步骤5：启动后端服务

执行以下命令启动FastAPI服务，开启热重载（修改代码后自动重启服务）：

uvicorn app.main:app --reload

启动成功后，后端服务运行在http://localhost:8000，访问http://localhost:8000/docs可打开API文档。

5.3.2 前端环境配置与启动

步骤1：安装Node.js与Npm

前端需要安装Node.js（推荐16.x及以上版本），参考Node.js官方文档安装，Npm会随Node.js一起安装，安装完成后执行node --version和npm --version验证。

步骤2：进入前端目录并安装依赖

# 回到项目根目录，进入前端目录
cd ../frontend
# 安装前端依赖
npm install

步骤3：启动前端开发服务

npm run dev

启动成功后，前端服务运行在http://localhost:5173，打开浏览器访问该地址即可进入前端界面，前端会自动代理后端接口请求，无需额外配置跨域。

5.3.3 本地开发模式的停止

1. 前端：在终端中按下Ctrl+C即可停止前端开发服务；

2. 后端：在终端中按下Ctrl+C即可停止后端服务，同时执行conda deactivate（Conda）退出虚拟环境。

5.4 PromptX 基础操作方法

无论采用哪种方式启动PromptX，进入前端界面后，其基础操作流程简洁易懂，核心操作包括创建分类、添加提示词、编辑提示词、查看版本、检索提示词，以下介绍核心操作步骤：

1. 创建分类：点击左侧菜单栏的“分类管理”，点击“新建分类”，输入分类名称（如“AI绘画-Midjourney”）和分类描述，点击“保存”即可创建自定义分类；

2. 添加提示词：点击左侧菜单栏的“提示词管理”，点击“新建提示词”，依次输入提示词名称、选择所属分类、添加标签、编辑提示词内容，可在备注栏添加使用说明，点击“保存”即可完成提示词添加；

3. 编辑提示词：在提示词列表中找到目标提示词，点击“编辑”按钮，修改对应的内容后点击“保存”，系统会自动生成新的版本记录；

4. 查看/回滚版本：在提示词详情页，点击“版本历史”标签，即可查看该提示词的所有历史版本，包括版本号、修改时间、修改内容，点击“回滚”按钮即可将提示词恢复到指定版本；

5. 检索提示词：在顶部的搜索框中输入关键词，系统会实时筛选出包含该关键词的提示词，也可结合左侧的分类、标签进行精准筛选；

6. 删除提示词/分类：在提示词列表或分类列表中，找到目标对象，点击“删除”按钮，确认后即可删除（删除提示词会同时删除其所有历史版本，谨慎操作）。

六、常见问题解答

Q1：Docker Compose启动后，访问http://localhost无法打开前端界面？

解决方案：

1. 首先执行docker compose ps查看所有容器的运行状态，若存在状态为exited的容器，说明容器启动失败，执行docker compose logs 容器名查看容器日志，定位失败原因；

2. 若Nginx容器启动失败，检查项目根目录下的Nginx配置文件是否存在损坏，可重新从仓库克隆项目；

3. 若前端容器启动失败，检查前端的依赖是否安装正常，可执行docker compose build frontend重新构建前端镜像；

4. 若所有容器均正常运行，检查浏览器是否缓存了旧页面，可清除浏览器缓存或使用无痕模式访问；

5. 确认电脑的80端口未被其他程序占用，若80端口被占用，可修改docker-compose.yml中的Nginx端口映射，例如将80:80改为8080:80，然后重新启动容器，访问http://localhost:8080。

Q2：本地开发模式下，前端访问时提示“跨域请求被阻止”？

解决方案：
PromptX的前端Vite配置中已默认配置了跨域代理，无需手动配置，出现该问题的原因通常是前端启动地址与代理配置不一致，解决方案：

1. 确认后端服务正常运行在http://localhost:8000；

2. 检查前端目录下的vite.config.ts文件，代理配置是否为：

  proxy: {
   '/api': {
    target: 'http://localhost:8000',
    changeOrigin: true,
    rewrite: (path) => path.replace(/^\/api/, ''),
   },
  }

3. 若配置正确，重启前端开发服务即可解决。

Q3：使用过程中，提示词的修改无法保存，报“数据库连接失败”错误？

解决方案：
该问题的核心原因是后端无法连接到MongoDB数据库，分两种场景解决：

1. Docker部署模式：检查docker-compose.yml中的MongoDB服务配置是否正常，执行docker compose restart mongo重启MongoDB容器，同时检查后端的.env文件中MONGODB_URI是否为mongodb://mongo:27017/promptx（mongo为Docker容器名，不能修改为localhost）；

2. 本地开发模式：检查本地MongoDB是否正常启动，执行mongo --version验证MongoDB是否安装，执行netstat -an | grep 27017（macOS/Linux）或netstat -ano | findstr "27017"（Windows）检查27017端口是否被占用，同时检查后端的.env文件中MONGODB_URI是否为本地MongoDB的正确连接串。

Q4：Docker部署后，重启电脑后提示词数据丢失？

解决方案：
出现该问题的原因是未为MongoDB容器配置数据卷持久化，PromptX的官方docker-compose.yml已默认配置数据卷，若数据丢失，可能是执行了docker compose down -v命令（删除了数据卷），解决方案：

1. 避免执行docker compose down -v命令，停止容器时只需执行docker compose down；

2. 若需要重新构建容器，先执行docker compose cp mongo:/data/db ./mongo-data将MongoDB的数据复制到本地，构建完成后再将数据复制回容器；

3. 检查docker-compose.yml中的MongoDB服务是否配置了volumes：

  mongo:
   image: mongo:latest
   volumes:
    - mongo-data:/data/db
   ports:
    - "27017:27017"
  volumes:
   - mongo-data:

若未配置，添加后重新启动容器。

Q5：本地开发模式下，安装后端依赖时出现“pip安装失败”？

解决方案：

1. 检查Python版本是否为3.10及以上，PromptX的后端依赖不支持低版本Python；

2. 检查网络是否正常，可切换国内PyPI镜像源安装依赖：

  pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 若为Linux系统，可能缺少系统依赖，执行sudo apt-get install gcc python3-dev（Ubuntu/Debian）或yum install gcc python3-devel（CentOS）安装后再尝试。

Q6：能否将PromptX部署在公网服务器上供多人使用？

解决方案：
可以，但需要进行以下配置，确保安全性和可访问性：

1. 购买一台公网服务器（如阿里云、腾讯云），安装Docker和Docker Compose；

2. 将项目克隆到服务器上，按Docker部署模式配置，修改后端的.env文件，设置复杂的JWT密钥，开启身份认证；

3. 修改docker-compose.yml中的Nginx端口映射，保持80端口即可；

4. 在服务器的安全组中开放80端口（HTTP）和27017端口（仅调试用，生产环境建议关闭）；

5. 若需要使用HTTPS，可在Nginx中配置SSL证书，将80端口重定向到443端口；

6. 生产环境中，建议修改MongoDB的默认端口和密码，提升数据库安全性。

Q7：PromptX是否支持多用户和权限管理？

解决方案：
目前PromptX的官方版本暂未实现多用户和权限管理功能，仅支持单用户使用。但由于项目是开源的，开发者可根据自身需求进行二次开发，在后端添加用户注册、登录、权限管理模块，在前端添加对应的用户管理界面，实现多用户和精细化的权限控制（如管理员、普通用户、只读用户）。

Q8：二次开发时，如何添加新的功能模块？

解决方案：
PromptX的代码结构清晰，工程化规范完善，二次开发的核心步骤为：

1. 后端：在backend/app/api/中添加新的路由文件，在backend/app/services/中添加对应的业务逻辑，在backend/app/models/中添加数据模型，最后在backend/app/main.py中注册新的路由；

2. 前端：在frontend/src/components/中添加新的组件，在frontend/src/api/中封装新的接口函数，在frontend/src/store/中添加对应的状态管理，在frontend/src/App.tsx中添加新的路由；

3. 开发完成后，本地调试通过，可执行docker compose build重新构建Docker镜像，实现新功能的部署。

七、相关链接

• 项目GitHub仓库：https://github.com/lwh8915/PromptX

八、总结

PromptX是一款面向AI时代的轻量级开源提示词管理工具，聚焦于解决AI工作流中提示词存储混乱、版本无法追溯、检索效率低、跨设备同步不便等核心痛点，通过智能分类、版本追踪、快速检索、现代化交互等专业功能，实现了提示词资产的系统化管理，让提示词从“零散存储”变为“可管、可查、可追溯、可复用”。该项目采用前后端分离的工程化架构，后端基于Python+FastAPI实现高效的接口服务和业务逻辑，前端通过React+TypeScript+Tailwind CSS打造流畅的现代化交互界面，底层依托MongoDB实现灵活的数据存储，同时支持Docker一键部署和本地开发双模式，既降低了普通用户的使用门槛，又为开发者的二次开发和功能扩展提供了便利。PromptX的功能设计贴合个人AI创作爱好者、个人开发者、新媒体运营者、教育工作者、小型研发团队等不同用户群体的使用需求，能够有效提升AI提示词的管理效率与复用性，降低AI工作流中的试错成本，是AI用户提升工作效率的优质开源工具。同时，PromptX作为一款完全开源的项目，代码结构清晰、工程化规范完善，具备良好的可扩展性，欢迎广大开发者参与项目的开源维护和二次开发，共同丰富工具的功能，让其更好地服务于AI生态。