Latitude LLM项目中的Prompt共享功能设计与实现
2025-07-05 17:59:16作者:仰钰奇
在Latitude LLM项目中,团队设计并实现了一套类似Notion的Prompt共享系统,允许用户通过表单提交请求并获取LLM生成的响应。该系统不仅支持Prompt的发布、分享和复用,还提供了丰富的交互功能,如参数化配置、对话跟踪和分支创建等。以下将详细解析该功能的技术实现与设计思路。
核心功能模块
1. Prompt的发布与共享
用户可以将编写好的Prompt发布为公开文档,其他用户通过唯一URL访问。系统通过publishedDocumentUuid生成固定路径(如/share/d/:publishedDocumentUuid),并确保仅已发布的文档可被访问(草稿状态返回404)。发布状态通过开关按钮控制,支持实时切换。
2. 参数化与动态URL
Prompt支持参数化输入,用户提交的参数会动态更新URL,便于直接分享特定配置。例如,表单中的输入字段会映射为URL查询参数,实现“一次配置,直接复用”的效果。
3. 分支(Fork)机制
用户可对共享Prompt创建分支,系统会完整复制原Prompt及其嵌套的所有关联Prompt(深度克隆)。分支流程与登录/注册流程无缝集成,新用户注册后自动完成Prompt的克隆操作。
4. 交互与事件追踪
- 运行记录:每次执行Prompt会触发运行事件,记录调用详情。
- 访问统计:独立记录文档访问次数,帮助作者分析使用情况。
- 分支事件:跟踪Prompt被分支的次数,反映其复用价值。
5. 用户界面优化
- 模态框设计:分享功能通过多标签页模态框实现,包含URL预览、权限设置等选项。
- 侧边栏参数:运行时可折叠的侧边栏集中展示参数配置,提升表单填写效率。
- 响应展示:默认折叠Prompt历史消息,仅显示AI助手的最终响应,简化界面复杂度。
技术实现细节
状态管理与安全控制
- 发布校验:后端严格校验文档状态,未发布的请求返回定制化404页面,提示用户联系作者。
- 权限分离:编辑权限与查看权限解耦,确保分享链接仅允许查看或运行,避免未授权修改。
数据持久化与克隆逻辑
分支操作涉及深层数据复制,需递归处理Prompt内部的嵌套引用(如子Prompt),确保克隆后的功能完整性。实现时采用UUID重映射技术,避免数据冲突。
前端交互优化
- 工具提示:禁用分享按钮时显示原因提示(如“请先发布文档”)。
- URL同步:使用前端路由库(如React Router)监听参数变化,实时更新URL而不触发页面刷新。
总结
Latitude LLM的Prompt共享系统通过模块化设计平衡了灵活性与易用性,其核心在于参数化、事件追踪和分支机制的结合。这种设计不仅适用于LLM应用场景,也可为其他需要协作编辑和复用的工具提供参考。未来可进一步扩展权限粒度或集成版本控制,以支持更复杂的团队协作需求。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 VSdebugChkMatch.exe:专业PDB签名匹配工具全面解析与使用指南 ZLIB 1.3 静态库 Windows x64 版本:高效数据压缩解决方案完全指南 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 32位ECC纠错Verilog代码:提升FPGA系统可靠性的关键技术方案 谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 Python案例资源下载 - 从入门到精通的完整项目代码合集 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 深入解析Windows内核模式驱动管理器:系统驱动管理的终极利器
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
664
152
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
659
298
Ascend Extension for PyTorch
Python
216
236
React Native鸿蒙化仓库
JavaScript
255
320
仓颉编译器源码及 cjdb 调试工具。
C++
133
866
仓颉编程语言运行时与标准库。
Cangjie
140
875
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.18 K
648
仓颉编程语言开发者文档。
59
818