使用Cursor写了个Ai提示词管理工具PromtManage
前言
两天时间使用Cursor搓了一个用于创建、管理和共享 AI 提示词的平台。
支持多用户协作、版本控制和分类管理。
开源地址:https://github.com/DEKVIW/prompt-manager
演示站点:https://prompt.yilanbk.me/
功能特性
- 提示词管理:创建、编辑、删除和分享 AI 提示词
- 用户系统:支持用户注册和登录,需要邀请码
- 标签分类:通过标签组织和分类提示词
- 收藏功能:收藏常用提示词便于快速访问
- 公开与私有:设置提示词为公开或私有模式
- 搜索功能:按标题、描述和标签搜索提示词
- 响应式设计:适配电脑、平板和手机等各种设备屏幕
- 管理员面板:管理用户和邀请码
技术栈
- 后端:Flask (Python)
- 前端:Bootstrap 5, JavaScript
- 数据库:SQLite (可扩展到其他数据库)
- 容器化:Docker 与 Nginx 集成
Docker 部署
本应用提供了优化的 Docker 部署方案,集成了 Nginx 和 Flask 应用到单一容器中:
一键部署
1 | # 从Docker Hub拉取镜像 |
Dockerhub拉取的镜像:
用户名:admin@example.com
密码:aaaaaaaa
或者拉取项目后自动构建和部署
1 | docker-compose up -d --build |
自建镜像:
用户名:admin@example.com
密码:admin123
优化特性
- 单容器设计: Nginx 和 Flask 应用在单一容器中运行,简化部署和管理
- 静态资源优化: 所有静态文件由 Nginx 直接提供服务,配置了 7 天缓存
- 高效请求处理:
- 静态资源请求不经过 Python 应用
- 动态请求被代理到内部 Gunicorn 服务器
- 资源利用优化:
- Gunicorn 配置了 4 个工作进程和 2 个线程
- 只暴露 80 端口,内部 5000 端口不对外开放
数据持久化
应用数据自动保存在以下本地目录:
./data
: 数据库文件./logs
: 应用日志./uploads
:头像图片
访问应用
部署完成后,通过浏览器访问:
1 | http://ip:8080 |
本地开发环境设置
前提条件
- Python 3.6+
- pip (Python 包管理器)
安装步骤
克隆仓库:
1
2git clone https://github.com/yourusername/prompt-manager.git
cd prompt-manager创建并激活虚拟环境:
1
2
3
4
5
6
7# 在Linux/macOS上
python -m venv venv
source venv/bin/activate
# 在Windows上
python -m venv venv
venv\Scripts\activate安装依赖:
1
pip install -r requirements.txt
初始化数据库:
1
python simple_db.py
启动应用:
1
python simple_app.py
访问应用:
打开浏览器访问http://127.0.0.1:5000
使用便捷脚本
项目提供了便捷脚本简化安装和启动过程:
在 Linux/macOS 上:
1
2
3chmod +x install.sh
./install.sh
./start.sh在 Windows 上:
1
2install.bat
start.bat
评论