PromptQuorum 如何运作
4 阶段工作流程：编写结构化提示词，用自己的 LLM 优化，分发到 25+ 个 AI 服务，然后分析每个回答以寻找共识。
/prompt构建您的提示词
从 9 个内置提示词工程框架中选择，或创建自己的框架。每个框架都会引导您填写任务所需的正确字段。
- ✓Single Prompt Line — 快速、非结构化的提示词
- ✓CRAFT — Context, Role, Action, Format, Target
- ✓CO-STAR — 新加坡 GPT-4 竞赛冠军
- ✓RISEN — 带有顺序步骤的企业任务
- ✓TRACE — 需要 few-shot 示例时
- ✓APE, SPECS, Google Prompt, RTF + 2 个自定义插槽
/optimize使用您自己的 LLM 精炼
您连接的 LLM 将框架的原始字段转化为精准的提示词。然后通过 8 个一键精炼功能迭代改进——无需提示词工程专业知识。
- ✓智能温度 — 自动检测事实性、平衡或创意意图
- ✓版本历史 — 每次精炼都已保存，随时可以恢复
- ✓质量评估 — 1–5 星评分，附具体改进建议
- ✓教学模式 — 精确解释每次修改的原因
- ✓使其简洁、扩展细节、分解步骤、简化、添加质量控制…
- ✓自定义指令 — 用自然语言进行自由文本精炼
/dispatch一次发送给所有 AI
一键将优化后的提示词发送到多个 AI 服务。PromptQuorum 通过 URL 将您的提示词预加载到每个目标——无需复制粘贴。
- ✓自动分发：ChatGPT, Gemini, Perplexity, Claude, Copilot, DeepSeek, Mistral…
- ✓复制粘贴：Grok, Qwen, Meta AI, Poe, Kimi, LM Studio, Jan AI, GPT4All…
- ✓Perplexity 立即运行 — 到达时自动提交提示词
- ✓2 个自定义 URL 插槽，适用于列表中没有的任何 AI 服务
- ✓分发前可选通过您的 LLM 进行最终增强
- ✓共 25+ 个目标
/quorum找出所有 AI 的共识
将回答粘贴回 PromptQuorum。选择您的分析类型。您的 LLM 读取所有回答并综合出重要内容。
- ✓共识摘要 — 所有模型的共同主题和一致意见
- ✓矛盾检测 — 模型分歧所在，明确标记
- ✓幻觉检测 — 标记潜在的错误声明
- ✓置信度评分 — 每个模型的确定性水平
- ✓最佳答案选择 — 选出最强的单一回答
- ✓加权合并 — 综合所有模型精华的混合回答
9 个内置提示词框架
每个框架以不同方式构建您的输入。框架向导帮助您选择——或者您可以创建两个完全自定义的框架。
| 框架 | 最适合 |
|---|---|
| Single Prompt Line | 快速、非结构化提示词 |
| APE | 简单的 3 字段桥接 |
| CRAFT | 创意写作、通用 |
| CO-STAR | 商务沟通、营销 |
| SPECS | 分析与研究 |
| RISEN | 企业顺序任务 |
| TRACE | 需要示例时 |
| Google Prompt | 商业和专业任务 |
| RTF | 极简 — 3 个最具影响力的字段 |
13 种 Quorum 分析类型
自由组合。同时运行 2 种或全部 13 种。每种分析由您连接的 LLM 驱动，而非 PromptQuorum 服务器。
- →共识摘要
- →加权合并
- →原子事实提取
- →重叠映射
- →矛盾检测
- →置信度评分
- →完整性检查
- →幻觉检测
- →冗余消除
- →最佳答案选择
- →多模型集成
- →争议标记
多种格式 → 下载为 .zip 压缩包。文件夹选择使用 File System Access API（Chrome/Edge/Safari 16+）。
核心概念
- 多模型分发
- 一键将一个提示词同时发送给 25+ 个 AI 模型。PromptQuorum 通过 URL 将您的提示词预加载到每个目标 — 无需复制粘贴，所有标签页并行打开。
- Quorum 分析
- 对多个 AI 模型的回答进行结构化比较，以识别共识、矛盾和置信度。PromptQuorum 提供 13 种分析类型，包括幻觉检测和最佳答案选择。
- 共识评分
- 从多个模型回答的一致程度推导出的置信度评级。共识越高 = 可靠性越高。共识越低则标志着不确定性或潜在幻觉区域。
- 幻觉检测
- 识别仅出现在一个或少数模型中的事实性声明，表明可能存在 AI 捏造。与 5+ 个独立模型交叉验证可大幅降低未检测到的幻觉比率。
- BYOM — 带来您自己的模型
- 将您自己的 API 密钥直接连接到 AI 提供商。密钥仅存储在您浏览器的 localStorage 中，直接连接到提供商 — 任何 PromptQuorum 服务器都不会接收或传输您的凭据。
带来您自己的模型（BYOM）
PromptQuorum 从不使用自己的密钥调用任何 LLM。每次调用都直接从您的浏览器发送到您选择的提供商。您的 API 密钥保存在浏览器的 localStorage 中——从不传输到任何 PromptQuorum 服务器。
- OpenAI (GPT-4, GPT-4o)
- Anthropic (Claude 3.5)
- Google Gemini 1.5
- Grok (xAI)
- DeepSeek
- Mistral
- Cohere
- Together AI
- Groq
- OpenRouter (free tier)
- Ollama (localhost:11434)
- LM Studio (localhost:1234)
- Jan AI (localhost:1337)
- GPT4All (localhost:4891)
- Open WebUI
- KoboldCpp
- vLLM
- oobabooga
- Any OpenAI-compatible endpoint
零遥测
无分析、无追踪、无数据收集。甚至没有匿名使用统计。
零注册
无需账户，无需邮箱，无需登录。打开应用即可开始工作。
本地运行
通过 Electron 的桌面应用，通过 Capacitor 的移动应用。使用本地 LLM 完全离线运行。
测试方法
PromptQuorum 文章中引用的性能数据基于使用 PromptQuorum 进行的受控分发会话。当文章引用具体数字（提示质量评分、温度对比、基准测试数值）时，这些数据反映的是编辑测试或公开基准数据，除非明确标注，否则并非 PromptQuorum 专有测量数据。
- →提示分发：通过 PromptQuorum 一键分发功能同时发送至指定模型
- →样本量：编辑测试每个条件至少使用 30 个提示，除非文章另有说明
- →评估：回答由至少 2 名独立评审员进行盲审评分
- →第三方基准（HumanEval、SWE-bench、MBPP）：来源于官方模型论文或社区排行榜；每篇文章注明评估日期
- →本地模型测试：在文章所述量化级别下的消费级硬件上运行
- →披露：凡引用 PromptQuorum 内部测试数据之处，文章正文中均标注"Tested in PromptQuorum"