Prompt Forge Studio：我构建了一个 Prompt Engineering IDE + SDK

Source: Dev.to

Prompt Forge Studio：基于 Gemini 的提示工程 IDE + PaaS

如果你使用过大语言模型（LLM），你一定知道事实：

大多数失败并不是模型的问题。
而是提示的问题。

提示往往模糊、缺少约束或结构不佳。在生产环境中，这意味着输出不一致、令牌浪费以及更高的延迟。所以我构建了 Prompt Forge Studio。

实时演示

Prompt Forge Studio | 掌握提示工程的艺术
将原始用户意图转化为高质量、优化的 AI 提示。专业的提示工程工作室。

注：这是一段“即兴编码”和提示工程技巧的产物。

它是什么

Prompt Forge Studio 是一个 高级开发环境（ADE），专用于提示工程。它不直接把原始文本发送给 Gemini，而是：

• 分析意图
• 注入结构和约束
• 路由到最合适的模型
• 缓存确定性的输出

同时记录执行遥测。目标很简单：把提示当作基础设施来对待。

关键特性

• 认知深度控制 – 调整系统展开和结构化提示的深度。
• AI 提示审计器 – 在执行前批评你的提示，以提升清晰度并减少令牌浪费。
• 自动模型路由 –
  • 长或推理密集的提示 → 高阶模型
  • 简单提示 → 快速、低延迟模型
• 精确匹配 Redis 缓存 – 重复请求在 < 50 ms 内返回，无需调用 LLM。

V2：提示即服务（Prompt as a Service）

平台现在提供一个 API 端点：

POST /api/v1/execute

请求体

{
  "version_id": "UUID",
  "variables": { /* ... */ }
}

引擎会验证请求、检查缓存、智能路由、执行并记录性能——所有这些都与 Web 应用彻底分离。

技术栈

• Next.js 15
• React 19 + TypeScript
• Supabase（Postgres）
• Upstash Redis
• Google Gemini SDK
• Clerk Auth

我们正朝着提示需要 版本管理、性能优化 与 可审计性 的世界前进。我正在为那个未来构建工具。

你会在生产环境中使用提示 PaaS 吗？ 欢迎反馈。

接下来

• 专用 CLI（即将完成，只剩稳定性打磨）。
• Beta 测试——发布后欢迎体验。