PromptBox：一个本地优先的 AI 提示词管理工具
很多人真正开始高频使用 AI 之后，都会遇到同一个问题：提示词越来越多，但越来越难管理。
它们可能散落在聊天记录、备忘录、文档、截图、项目说明里。你知道自己曾经写过一段很好用的提示词，却很难在下一次需要时准确找到；你也可能在社区里收藏了很多模板，但真正用起来时，还要重新整理变量、改写场景、测试模型效果。
PromptBox 要解决的，就是这个「提示词长期使用」的问题。
它不是一个简单的提示词收藏夹，而是一个本地优先的提示词工作台。你可以用它创建、分类、搜索、运行、优化、对比、版本管理和备份提示词，也可以从提示词广场导入文本或绘图提示词，再整理成自己的本地资料库。
换句话说，PromptBox 关心的不只是「把 prompt 存下来」，而是让提示词真正进入你的日常工作流。
为什么提示词需要被认真管理
如果你只是偶尔让 AI 写一段文案，随手复制一份提示词到备忘录里就够了。
但当你开始在工作、学习、写作、绘图、开发或运营中反复使用 AI，提示词就会慢慢变成一种新的生产资料。它们记录着你的表达习惯、任务流程、输出标准和模型调试经验。
这时，传统的保存方式就不太够用了：
提示词散落在不同聊天里，找起来靠记忆；
同一个提示词改了很多版，却不知道哪版效果最好；
有些提示词需要替换变量，每次都要手动改好几处；
文本提示词和绘图提示词混在一起，缺少不同的展示方式；
从社区看到的好提示词，只是收藏了，却没有真正变成自己的模板；
想测试不同模型的输出效果，还要来回切换工具；
重要提示词只存在云端平台里，迁移和长期保存都不够安心。
PromptBox 的思路很直接：把提示词当作一套可以长期维护的资产来管理。
本地优先：提示词库先放在你自己的文件夹里
PromptBox 最重要的设计之一，是本地优先。
首次进入工作台时，你需要授权一个本地文件夹作为提示词库。之后，PromptBox 会在这个文件夹中维护自己的数据结构：
manifest.json：记录提示词库的基础信息；taxonomy.json：记录分类、标签和集合；prompts/*.json：每一条提示词都是独立文件。
这意味着，你的提示词数据首先保存在你授权的本地目录中，而不是默认散落在某个不可见的云端数据库里，同时你还可以为不同的浏览器用户设置不同的文件夹，管理不同的提示词库。
对普通用户来说，这个设计有几个好处：
你知道自己的数据在哪里；
可以复制整个文件夹完成迁移；
可以把不同用途的提示词库放在不同目录；
可以在需要时切换到另一个本地库；
即使暂时不使用云端备份，也能保留完整资料。
浏览器会保存目录授权信息，方便下次继续访问。云端能力则更像一层可选保险，而不是主数据源。
一个提示词，不只是一段正文
在 PromptBox 里，一条提示词不是孤立的一段文字。
你可以为它补充更完整的信息，例如标题、头像、类型、描述、分类、标签、备注、示例图或运行示例图、提示词正文、收藏状态，以及当前版本和历史版本。
这些信息看似琐碎，但当提示词数量变多之后，它们会决定你能不能真正把提示词用起来。
比如，标题和描述帮助你快速理解用途；分类和标签帮助你定位场景；备注可以记录使用心得；示例图适合保存绘图提示词效果，或者记录某次运行结果；版本则能让你知道这条提示词是如何一步步改好的。
PromptBox 把提示词从「一段文字」变成了「一张可维护的卡片」。
文本提示词和绘图提示词，用不同方式管理
PromptBox 同时支持文本提示词和绘图提示词。
文本提示词更适合写作、总结、翻译、代码、分析、客服、办公等场景。它们在工作台中以卡片形式展示，方便快速浏览、复制、运行、编辑和进入对话。
绘图提示词则更依赖视觉结果。PromptBox 为绘图提示词提供了瀑布流展示方式，示例图会成为卡片的重要视觉内容。对于经常调试 Midjourney、Stable Diffusion、图片生成模型或视觉风格提示词的用户来说，这种展示方式比纯文本列表更直观。
你可以在同一个工作台中管理两类提示词，也可以通过类型切换快速查看文本或绘图内容。
分类和标签：让提示词库真正有秩序
提示词少的时候，搜索就够了。提示词多起来之后，分类和标签会更可靠。
PromptBox 的侧边栏支持管理分类和标签。分类可以按你的实际工作方式来组织，例如写作、代码、产品、运营、绘图、学习等。
标签则适合补充更细的使用维度，例如常用、GPT-4、中文输出、短视频、海报、工作汇报等。
分类和标签都支持颜色和图标，也可以直接在侧边栏中新增、编辑、删除。你可以按分类筛选，也可以按标签筛选，还可以单独查看收藏内容。
这里有一个需要注意的细节：删除分类会删除该分类下的提示词；删除标签则只会把标签从提示词中移除，不会删除提示词本身。
这个逻辑更接近真实资料管理：分类像文件夹，标签像标记。
创建提示词：可以手写，也可以让 AI 帮你起步
创建提示词时，PromptBox 会打开一个完整的编辑弹窗。
你可以选择文本或绘图类型，填写标题、描述、分类、标签、备注和正文，也可以上传头像和示例图。
如果你还没有写正文，只需要先写好标题和描述，点击「生成」，PromptBox 会调用内置的提示词工程系统提示词，流式生成一份完整提示词。
如果你已经有一段正文，按钮会自动变成「优化」。这时它会结合标题、描述和原始提示词，帮你补全结构、明确约束、整理输出要求，同时尽量保留原始意图。
这个设计适合两类场景：
你知道自己想做什么，但不知道怎么写成完整提示词；
你已经有一版提示词，但想让它更清晰、更稳定。
生成和优化过程都是流式写入正文框的，也可以中途停止。
变量占位符：把一次性提示词变成模板
很多高频提示词，本质上都是模板。
比如：
TEXT
请根据 {{文章主题}}，面向 {{目标读者}}，写一份结构清晰的内容大纲。
其中 {{文章主题}} 和 {{目标读者}} 就是变量。下一次使用时，你不需要改整段提示词，只要填写变量即可。
PromptBox 会识别提示词正文中的 {{变量名}}。在详情页中，变量会被高亮展示；进入运行弹窗时，系统会自动为每个变量生成输入框。运行前，PromptBox 会把你填写的变量值替换到提示词中。
这让提示词从一次性文本变成了可复用模板。
对于内容写作、代码生成、产品分析、绘图风格、学习总结这些场景，变量化会明显减少重复修改的成本。
运行提示词：不止能保存，还能测试
PromptBox 内置了一个运行弹窗，用来验证提示词效果。
打开运行后，提示词正文会自动填入 System Input。你可以填写变量，也可以补充 User Input。如果 User Input 留空，系统会直接使用提示词内容作为用户输入。
运行器支持 OpenAI-compatible 的 Chat Completions 接口。你可以选择远程模型列表中的供应商，也可以添加自定义供应商，填写端点、API Key 和模型名称。
更重要的是，PromptBox 支持最多选择 4 个模型并行运行。
这让它不只是一个「执行 prompt」的小窗口，而是一个轻量的多模型测试台。你可以同时观察不同模型对同一条提示词的理解和输出差异。
运行结果会同时呈现模型输出正文、Markdown 渲染结果、深度思考或 reasoning 内容、完整响应 JSON、首 token 时间、总耗时、正文 token、思考 token、总 token、token/s 速度、错误信息和一键复制输出等信息。
如果你经常调试提示词，这些信息会比单纯看结果更有价值。它能帮助你判断：提示词是否稳定、变量是否设计合理、输出格式是否容易跑偏，以及哪个模型更适合当前任务。
运行器里的供应商配置可以保存到浏览器本地，方便下次继续使用。需要注意的是，这部分配置是运行测试所用的本地浏览器配置，并不等同于 PromptBox 的提示词库数据。
版本管理：每一次有效修改都能回头看
提示词不是写完就结束的。
你可能今天补了一段输出格式，明天加了限制条件，后天发现某个模型对某句话理解有偏差，又重新调整表达。
PromptBox 会在你编辑提示词的关键内容时保存历史版本，并自动递增版本号。例如从 v1.0.0 到 v1.0.1。
在版本管理中，你可以查看当前版本和历史版本，阅读或复制某个历史版本的正文，也可以把历史版本与当前版本进行对比。对比时支持并排或逐行 diff 视图，diff 结果可以复制，必要时也能把某个历史版本重新切换为当前生效版本。
这比普通的「撤销」更适合长期维护提示词。
当一条提示词被用于真实工作，版本记录就会变成很重要的安全网。你可以大胆试错，也可以随时回到效果更好的旧版本。
提示词详情：复制、运行、编辑、对话都在这里
点击工作台里的提示词卡片，可以打开详情。
详情页会集中展示标题、头像、分类、标签、描述、备注、正文、示例图和版本信息。如果正文里有变量，PromptBox 会把变量片段识别出来，方便你快速确认这条提示词需要哪些输入。
在详情中，你可以直接复制提示词正文，收藏或取消收藏，也可以继续编辑、删除、打开运行测试、查看版本管理，或对文本提示词发起对话。
对普通用户来说，详情页就是一条提示词的控制中心。
提示词对话：把文本提示词变成聊天场景
除了运行测试，PromptBox 还可以把文本提示词接入对话。
登录后，你可以在工作台中打开提示词对话，或者从某条文本提示词详情中进入对话。系统会把文本提示词作为聊天场景传入对话界面，让你基于已有提示词继续交流。
这适合一些需要反复交互的提示词，比如写作助手、产品顾问、代码审查、学习教练等。
目前，对话能力主要面向文本提示词。绘图提示词暂不支持作为聊天场景。
提示词广场：从社区发现，再导入本地
从零开始整理提示词库并不容易。PromptBox 提供了提示词广场，帮助你发现现成的灵感。
广场分为文本和绘图两类。
文本提示词广场支持搜索、分类筛选、排序和分页。你可以查看提示词详情，复制内容，也可以在不同语言版本之间切换，例如中文、English 或原文。看到合适的提示词，可以直接添加到我的提示词。
绘图提示词广场则使用图片瀑布流展示，更适合浏览视觉风格。它支持搜索、中英文切换、最新或随机排序，也可以打开详情、复制提示词，或添加到我的本地库。
导入之后，社区提示词会转成本地提示词结构。你可以继续编辑标题、描述、分类、标签、备注、正文和示例图，把它真正整理成自己的模板。
这比单纯收藏更进一步：收藏只是「以后可能用」，导入到本地库才是「纳入我的工作流」。
云端备份：不是自动同步，而是可控快照
PromptBox 支持云端能力，但它更准确地说是「手动云端备份与恢复」，不是实时自动同步。
本地文件夹仍然是主数据源。登录后，你可以打开云同步入口，为当前本地提示词库创建一个云端备份。备份时可以填写名称，系统会记录备份时间、提示词数量和对应的本地路径。
之后，你可以查看云端备份列表，手动备份当前本地库，选择某个备份恢复到当前本地文件夹，也可以删除不再需要的云端备份。
恢复时需要特别注意：云端备份会覆盖当前本地文件夹中的分类和提示词数据，但会保留当前本地文件夹身份。
这种设计没有自动同步那么「无感」，但更可控。对于提示词这种需要长期沉淀、经常试错的资料来说，可控往往比自动更重要。
登录与本地使用的边界
PromptBox 的本地提示词管理并不完全依赖登录。你可以授权本地文件夹，创建和管理自己的提示词库。
但有些能力需要登录：
云端备份与恢复；
提示词对话；
用户账户相关入口，例如资料、点数记录、订阅和邀请。
这种边界比较清楚：本地库是基础能力，登录后可以使用更多云端和账户相关能力。
一条推荐的使用路径
如果你是第一次使用 PromptBox，可以按这个顺序开始：
选择一个本地文件夹作为提示词库；
建立几个常用分类，比如写作、代码、绘图、产品、学习；
创建第一条文本提示词，或者从广场导入一条；
用
{{变量名}}把可替换内容改成变量；打开运行器，选择一个或多个模型测试输出；
根据结果优化提示词；
把效果好的版本收藏起来；
需要长期维护的提示词，用版本管理记录变化；
绘图提示词可以上传示例图，用瀑布流方式管理；
定期手动备份到云端，保留阶段性快照。
这个流程跑通之后，PromptBox 就不只是一个存放提示词的地方，而会逐渐变成你的 AI 工作流资料库。
PromptBox 适合谁
PromptBox 面向的不是少数专业提示词工程师，而是所有开始认真使用 AI 的普通用户。
它尤其适合：
经常用 AI 写作、总结、改稿的人；
需要整理团队通用提示词的人；
产品经理、运营、内容创作者和知识工作者；
经常调试绘图提示词的设计师或 AI 绘图用户；
想把提示词沉淀成模板的开发者；
需要比较不同模型输出效果的人；
希望数据可迁移、可备份、可长期保存的人。
如果你只是偶尔向 AI 提一个问题，PromptBox 可能显得有些重。但如果你已经开始反复使用同一类提示词，或者希望把 AI 使用经验积累下来，它就会很有价值。
一些使用前需要知道的事
PromptBox 的设计比较强调数据边界和可控性，因此有些地方值得提前了解：
本地文件夹是主数据源，请尽量选择一个稳定、不容易误删的目录；
切换本地库时，工作台会读取新的文件夹数据；
删除分类会删除分类下的提示词，删除标签只会移除标签；
云端能力是手动备份和恢复，不是实时同步；
恢复云端备份会覆盖当前本地库内容；
运行器主要面向文本 Chat Completions 接口，不是直接生成图片；
绘图提示词可以管理正文和示例图，但暂不作为对话场景；
API Key 等运行器配置保存在浏览器本地；
社区导入的内容建议二次整理后再长期使用。
这些限制并不复杂，但它们能帮助你更安全地管理自己的提示词库。
结语：提示词也值得拥有自己的工作台
过去，我们习惯把提示词看作聊天框里的临时输入。
但随着 AI 使用越来越深入，提示词正在变成一种新的个人知识资产。它包含你的经验、方法、偏好和模型调试记录。如果这些内容一直散落在各处，就很难真正积累起来。
PromptBox 的意义，是把这些散落的提示词收回来。
它用本地文件夹建立数据边界，用分类和标签整理结构，用变量提升复用性，用运行器验证效果，用版本管理保留演进，用广场提供灵感，再用手动云备份保存阶段性成果。
它不是要让普通用户学习复杂的提示词工程概念，而是提供一个更接近日常使用习惯的工作台：让你能找到、能复用、能测试、能迭代，也能放心保存。
当提示词不再只是一次性输入，而是可以被长期维护的资料库时，AI 工作流才真正开始沉淀下来。
