我为AI提示词做了个迷你Git

你在迭代一个 LLM 的 prompt。每次改一个词，输出就变好一点。再改一个，又变差了。粘贴到 ChatGPT 里，勉强能用。把"简洁地"改成"用 3 条要点"，突然总结就完美了。

然后第二天来了。你完全不知道哪个版本是好的那个。

你的文件夹看起来是这样的：

prompts/
├── summarize.txt
├── summarize_old.txt
├── summarize_v2.txt
├── summarize_v2_final.txt
├── summarize_v2_final_FINAL.txt
├── summarize_REALLY_final.txt
└── summarize_use_this_one.txt

最糟糕的是？"好的"那个可能在它们当中任意一个。😭

你无法 diff 它们。你说不出 v2_final 和 v2_final_FINAL 之间改了什么。你也无法回滚到那个真正起作用的版本。

🤔 为什么不用 git？

好问题。我也问过自己同样的问题。

可以用。技术上，PromptVault 借用了 git 的整套模型——内容寻址对象、树、提交。但实际上，prompts 是和代码混在一起的。它们混合在仓库、笔记本、聊天导出文件，还有你桌面上的各种 .txt 文件里。

Prompts 值得拥有自己的版本控制，要满足：

📂 专门跟踪 .txt/.md/.prompt/.j2/.yaml 文件

📁 存在于 .pv/ 文件夹里，不会和你代码仓库的 .git/ 冲突

🔄 为 prompt 工程实际上的"迭代—对比"工作流而生

🚫 不需要 GitHub 仓库，不同步到云端，不需要注册账号

PromptVault 就是专为 prompts 打造的 git。它用 Rust 编写，打包成单个约 2MB 的静态二进制文件，完全运行在你自己的机器上。无账号、无云端、无遥测。

$ pv init
Initialized empty prompt vault in ./.pv

$ pv add prompts/summarize.md
added: prompts/summarize.md

$ pv commit -m "refine: summarize now reports tone + title"
[main 791151d] refine: summarize now reports tone + title
 1 prompt

现在可以迭代了。精确看到改了什么：

$ pv diff prompts/summarize.md
diff -- prompts/summarize.md
 You are a precise summarizer.

-Summarize the text below in 3 concise bullets, then propose a title.
+Summarize the text below in 3 concise bullets, propose a title, and note the tone.

 {{text}}

回溯每一步迭代：

$ pv log
commit 791151d…
parent 4100199…
Date:   Mon Aug 10 10:04:33 2026 +0000

    refine: summarize now reports tone + title

commit 4100199…
Date:   Mon Aug 10 10:04:33 2026 +0000

    feat: initial prompt set

通过 hash、tag 或 branch 恢复任意历史版本：

$ pv show 4100199   # prefix also works 🔍
$ pv revert v1.0    # restore working tree to a tagged version ⏪

🌿 用于 A/B 测试的分支

这是 prompt 工程的杀手功能。想要测试同一个 prompt 的两个变体？建分支。

$ pv branch experiment
$ pv checkout experiment
# ... tweak the prompt, commit it ...
$ pv checkout main       # working tree restores to main's version
$ pv checkout experiment # ...and back to experiment's version

切换分支，工作树立即恢复。不用复制文件，不用重命名，不用"等等，experiment 在哪个文件夹来着？" 🎯

做完了，用数据集对比它们：

$ pv ab main:summarize.md experiment:summarize.md -d cases.jsonl --show
A/B:  A=main:summarize.md  B=experiment:summarize.md  (3 cases)

[1/3] DIFF  differs
--- A vs B ---
-A You are a precise summarizer.
+B You are a concise summarizer.

  hello world
--- end ---

Summary: 0 identical, 3 differing (of 3)

纯本地。不调用模型。不需要 API key。🔒

💸 不花 API 钱的 Eval

现有 prompt 工具让我不爽的一点：什么都想调用模型。每次 eval 运行都要花钱。每次测试都往 OpenAI 发送数据。

PromptVault 采取了不同立场：它从不调用模型。它只渲染模板和检查断言。

$ pv eval summarize.md --dataset cases.jsonl --show
Eval: summarize.md  (3 cases)

[1/3] PASS  contains "3 concise bullets"
--- rendered prompt ---
You are a precise summarizer.
...
--- end ---

Summary: 2/2 passed (100%)

你写一个 JSON Lines 数据集，每行填充 prompt 的 {{variables}}，PromptVault 渲染并做断言。✅

如果你真的想通过模型运行 prompt，把渲染后的输出 pipe 给你信任的任意 runner（curl、OpenAI CLI、ollama、你自己的脚本）。

这分开了现有工具混为一谈的两个关注点：

我的模板渲染正确吗？（便宜、本地、确定性）⚡

模型输出质量好吗？（昂贵、非确定性、依赖模型）💰

PromptVault 做第 1 点。第 2 点由你决定怎么做。

📋 完整功能列表

作为一个"prompts 的小型 git"，最后它比我计划的要多：

📸 带消息的快照（类似 git commit）

📊 行级 diff，可以看到你具体改了哪条指令。pv diff --stat 输出每个文件的一行摘要。

🌿 分支与合并——pv branch experiment, pv merge experiment（快进或三方合并，带冲突标记）

🏷️ Tag 和回滚——pv tag v1.0, pv revert v1.0

🚫 .pvignore——gitignore 风格，让草稿不进入保险库

🔀 Ref 到 ref 的 diff——pv diff v1 v2 比较任意两个 commit/tag/branch

📂 Ref:path 访问——pv show HEAD:summarize.md 读取任意 ref 下的任意文件

🧰 Stash / reset / clean / grep / export / stats / blame——日常 git 类工具

🖥️ TUI——pv tui 启动交互式提交浏览器

🐚 Shell 补全——bash / zsh / fish / elvish / powershell

☁️ 远程同步——pv push / pv pull 将保险库同步到任意 git 主机作为后端存储

🤖 模型 runner（可选，编译时加 --features run）——pv run 对接 OpenAI/Anthropic/Ollama。API key 只存在于 env 变量中；从不记录或存储任何内容。

⚖️ A/B 测试——pv ab main:x experiment:x -d dataset.jsonl 对同一数据集渲染两个版本并 diff

🔧 内部原理

PromptVault 就是一个小型 git。pv init 后创建：

.pv/
├── HEAD              → "ref: refs/heads/main"
├── index.json        → staging area (path → blob hash)
├── objects/          → content-addressed store (SHA-256)
│   └── ab/cdef…      → "<type>\0<data>"  (blob / tree / commit)
└── refs/heads/main   → latest commit hash

每个 prompt 版本都是一个 blob，通过 SHA-256(blob\0<content>) 寻址。树将路径映射到 blob。提交指向一棵树 + 父提交 + 消息。相同内容只存储一份。除非你显式执行 pv push，否则任何内容都不会离开你的机器。📦

它使用 Myers diff 算法做行级更改（与 git 相同算法），.pvignore 的 glob 匹配器是动态规划实现，避免了朴素递归匹配器在 aaa 这类模式上遭遇的指数级回溯。🧠

# 1. 预编译二进制（无需 Rust 工具链）📥
#    从 https://github.com/lululuhu/PromptVault/releases 下载
#    支持：Linux/macOS/Windows，x86_64 和 aarch64

# 2. cargo 🦀
cargo install promptvault

# 3. 从源码编译 🔧
git clone https://github.com/lululuhu/PromptVault
cd PromptVault
cargo build --release
# binary: target/release/pv  (加入 PATH)

然后，在任何存放 prompts 的文件夹里：

pv init

就这样。你在给 prompts 做版本控制了。🎉

简单说一下这个，因为我觉得这很重要。

PromptVault 是本地优先的。一切都存在于你机器上的 .pv/ 里。无账号、无云端、无遥测、无分析、无"回家看看"。唯一的网络调用是你显式发起的：

☁️ pv push / pv pull 同步到你配置的 git 远程仓库

🤖 pv run（可选功能）将渲染后的 prompt 发送到模型 API

pv run 命令只从环境变量读取 API key。不记录任何内容。除了渲染后的 prompt 本身，不存储任何内容。🔐

重要警告：如果你的 prompts 包含密钥、个人身份信息或机密内容，将它们提交到保险库会将这些数据以明文形式存储在磁盘上（内容寻址的，但未加密）。推送到远程会将数据发送到那个 git 主机。和 git 一样的规则——不要 commit 你不会放进 git 的秘密。⚠️

当前是 v0.2.0。后续路线图：

🤝 更好的冲突解决 UX（目前三方合并会产生冲突标记；计划做 pv mergetool）

📜 带条件/循环的 prompt 模板（目前只是 {{var}} 替换）

🌐 历史浏览 Web UI（TUI 不错，但浏览器分享体验更好）

🪝 Hooks（pre-commit、post-checkout）用于自动化

如果你有意见，issue 跟踪器开放。🚪

如果你曾经丢失过一个好的 prompt，只因"v2_final_FINAL.txt"综合症，试一下：

🐙 GitHub: https://github.com/lululuhu/PromptVault

📦 crates.io: cargo install promptvault

🚀 Releases（预编译二进制）: https://github.com/lululuhu/PromptVault/releases

⭐ 如果有用就 star 一下。🐛 如果不好用就开 issue。我公开开发，好点子上线很快。

PromptVault 采用 MIT 许可证，用 Rust 🦀 编写，运行在 Linux/macOS/Windows 上。作者与任何 AI 实验室均无关联。