PromptX / RoleX / Deepractice 深度研究报告
1. 项目概览
1.1 基本信息
| 属性 | 内容 |
|---|---|
| 项目名称 | PromptX · AI Agent Context Platform |
| 母公司 | Deepractice (深度实践) |
| 创始人 | 姜山 (Sean Jiang) |
| 开源协议 | MIT License |
| GitHub | https://github.com/Deepractice/PromptX |
| 官网 | https://promptx.deepractice.ai |
| 论文 | WWW Companion '26 已接受 |
| Star 数 | 3K+ (GitHub) |
| 下载量 | 50K+ |
1.2 核心理念
> "Chat is All You Need" - 革命性的交互设计，让 AI 智能体瞬间变身为行业专家
PromptX 是一个基于 MCP (Model Context Protocol) 协议的 AI Agent 上下文平台，通过自然语言对话即可为 Claude、Cursor 等 AI 应用注入专业能力。
1.3 与 RoleX 的关系
| 版本 | 名称 | 技术栈 | 定位 |
|---|---|---|---|
| V1 | DPML Role | Markdown .role.md | 静态角色定义 |
| V2 | RoleX | Gherkin .feature | 动态角色生命周期管理 |
---
2. 架构设计
2.1 整体架构
┌─────────────────────────────────────────────────────────────┐
│ SERVICE LAYER 服务层 │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────────┐ │
│ │ Desktop │ │ CLI │ │ API Clients │ │
│ │ (Electron) │ │ (Node.js) │ │ (HTTP/MCP) │ │
│ └──────┬───────┘ └──────┬───────┘ └────────┬─────────┘ │
└─────────┼─────────────────┼───────────────────┼────────────┘
│ │ │
└─────────────────┴───────────────────┘
│
┌───────────────────────────▼─────────────────────────────────┐
│ CONTEXT ENGINEERING LAYER 上下文工程层 │
│ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ COGNITION ENGINE 认知引擎 │ │
│ │ ┌──────────────┐ ┌──────────────┐ ┌───────────┐ │ │
│ │ │ Nuwa │ │ Luban │ │ Memory │ │ │
│ │ │ (角色创建) │ │ (工具开发) │ │ (记忆) │ │ │
│ │ └──────────────┘ └──────────────┘ └───────────┘ │ │
│ └─────────────────────────────────────────────────────┘ │
│ │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ MEMORY SYSTEM 记忆系统 │ │
│ │ ┌──────────┐ ┌──────────┐ ┌────────────────────┐ │ │
│ │ │ PML │ │ Engram │ │ Graph Network │ │ │
│ │ │ Repository│ │ Database │ │ (语义网络) │ │ │
│ │ └──────────┘ └──────────┘ └────────────────────┘ │ │
│ └─────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
│
┌───────────────────────────▼─────────────────────────────────┐
│ GENERATION & EXECUTION LAYER 生成执行层 │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ Context Assembler + Foundation LLM (Claude等) │ │
│ └─────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
2.2 项目结构 (Monorepo)
Deepractice/PromptX
├── apps/
│ ├── desktop/ # Electron 桌面客户端
│ └── cli/ # 命令行工具
├── packages/
│ ├── core/ # DPML 框架 + 认知系统
│ ├── mcp-server/ # MCP 协议服务器实现
│ ├── resource/ # 资源注册表 + 内置工具
│ ├── logger/ # 日志系统
│ └── config/ # 配置管理
├── features/ # E2E 测试
├── docker/ # Docker 部署
└── docs/ # 技术文档
2.3 核心包依赖关系
@promptx/cli
↓
@promptx/mcp-server ←→ @promptx/core
↓ ↓
@promptx/resource ←→ @promptx/logger
---
3. 核心技术实现
3.1 三大核心创新
| 技术 | 作用 | 创新点 |
|---|---|---|
| PML (Prompt Markup Language) | 定义角色和记忆组织 | 机器可解析的标记语言 |
| Engram Networks | 记忆架构 | 激活-扩散图网络，关联检索 |
| ACP (Agent Context Protocol) | 工具编排 | 受 HATEOAS 启发的动态发现 |
3.2 认知记忆系统 (Cognitive Memory)
不是 RAG，是真正的 AI 记忆！
#### 3.2.1 Engram - 记忆痕迹
┌─────────────────────────────────────┐
│ ENGRAM STRUCTURE │
├─────────────────────────────────────┤
│ content │ 原始经验内容 │
│ schema │ 概念序列 (关键词) │
│ strength │ 重要性权重 │
│ type │ ATOMIC/LINK/PATTERN │
└─────────────────────────────────────┘
三种类型：
- ATOMIC: 具体概念 (名词、实体)
- LINK: 关系 (动词、连接)
- PATTERN: 结构化知识 (流程、方法)
┌─────────────────────────────────────────────────────┐
│ COGNITIVE LOOP │
│ │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │ Input │───→│ Remember │───→│ Store │ │
│ └──────────┘ └──────────┘ └────┬─────┘ │
│ ↑ │ │
│ │ ↓ │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ │
│ │ Output │←───│ Recall │←───│ Network │ │
│ └──────────┘ └──────────┘ └──────────┘ │
│ │
└─────────────────────────────────────────────────────┘
#### 3.2.3 两阶段检索策略
Phase 1: 粗召回 (Coarse Recall)
- 从查询关键词扩散激活
- 快速生成候选集
- 加载相关记忆 (最多 100 节点)
- 复合权重计算
- 基于类型优先级
- 配额选择
3.3 PML (Prompt Markup Language)
DPML 定义示例：
<role domain="expertise">
<personality>思维模式定义</personality>
<principle>行为原则约束</principle>
<knowledge>专业知识体系</knowledge>
</role>
@Reference 引用系统：
@role://video-copywriter # 引用角色定义
@thought://creative-thinking # 引用思维模式
@execution://best-practice # 引用执行框架
@memory://project-experience # 引用记忆系统
3.4 ACP (Agent Context Protocol)
受 HATEOAS 启发，超越传统 MCP：
{
"available_actions": [
{
"rel": "execute",
"href": "/tools/excel/analyze",
"params": { "file": "data.xlsx" }
}
]
}
核心优势：
- 动态工具发现 (运行时扩展)
- 上下文感知调用
- 可审计、可追溯
4. 内置角色系统
4.1 V1 角色 (DPML)
| 角色 | 名称 | 专长 | 激活方式 |
|---|---|---|---|
| Nuwa | 女娲 | AI 角色创建 | "激活女娲" |
| Luban | 鲁班 | 工具集成 | "激活鲁班" |
| Sean | 姜山 | 产品决策 | "激活Sean" |
| Writer | 文章写手 | 内容创作 | "激活写手" |
| Jiangziya | 姜子牙 | AI转型顾问 | "激活姜子牙" |
| Shaqing | 傻青 | 哲学引导 | "激活傻青" |
| TeacherYo | YoYo老师 | 教育咨询 | "激活YoYo老师" |
| Dayu | 大禹 | 角色迁移 | "激活大禹" |
4.2 V2 RoleX 系统
基于 Gherkin .feature 文件的动态角色：
Feature: I am Alex, the Product Manager
As a product manager with 10 years of experience,
I help teams build products that users love.
Scenario: My personality
Given I am analytical and data-driven
And I communicate clearly and concisely
Then I always focus on user value
V2 新增能力：
- 目标追踪 (Goals)
- 任务规划 (Tasks)
- 组织架构 (Organization)
- 合成经验 (Synthesized Experience)
5. 工具生态系统 (ToolX)
5.1 内置工具
| 工具 | 功能 |
|---|---|
| Excel Tool | 数据分析、报告生成、图表可视化 |
| Word Tool | 文档阅读、专业写作、批量替换 |
| PDF Reader | 分页阅读、内容提取、图片提取 |
5.2 工具开发流程 (Luban)
用户描述需求 → Luban 生成 YAML → 沙盒验证 → 注册发布
特点：
- 沙盒执行环境
- Worker 池并发
- 参数验证
- 安全隔离
6. 部署与使用
6.1 三种部署方式
| 方式 | 适用场景 | 命令 |
|---|---|---|
| Desktop Client | 普通用户 | 下载 .dmg/.exe |
| CLI | 开发者 | npx -y @promptx/mcp-server |
| Docker | 生产环境 | docker run deepracticexs/promptx |
6.2 MCP 配置示例
{
"mcpServers": {
"promptx": {
"type": "streamable-http",
"url": "http://127.0.0.1:5203/mcp"
}
}
}
---
7. 真实部署案例
7.1 行业应用数据
| 行业 | 应用 | 效果 |
|---|---|---|
| 旅游 | 内容+服务代理流水线 | 成本 -30%，收入 2x |
| 教育 | 记忆增强教学助手 | 个性化辅导，学生感到被理解 |
| 咨询 | 销售知识系统化 | 新人培训从 6 个月缩短到 6 周 |
7.2 用户反馈
> "一下午创建了 6 个专业代理，零代码。" —— 旅游行业
> "记忆网络让 AI 记住每个学生的学习轨迹。" —— 教育行业
> "传统 RAG 不可能做到。" —— 咨询行业
---
8. 生态系统
8.1 Deepractice 产品矩阵
┌───────────────────────────────────────────────────────┐
│ Deepractice 深度实践 │
├───────────────────────────────────────────────────────┤
│ PromptX │ AI Agent Context Platform │
│ Agent SDK │ @deepractice-ai/agent-sdk │
│ Agent CLI │ @deepractice-ai/agent-cli │
│ DPML │ Deepractice Prompt Markup Lang │
└───────────────────────────────────────────────────────┘
8.2 学术贡献
论文： *PromptX: A Cognitive Agent Platform with Long-term Memory*
已接受： WWW Companion '26 (迪拜)
研究团队：
- City University of Hong Kong
- Deepractice AI Limited
- New York University
9. 设计思想总结
9.1 核心设计原则
| 原则 | 解释 |
|---|---|
| Chat is All You Need | 自然语言交互，无需学习复杂指令 |
| Treat AI as a Person | 把 AI 当作人而非软件 |
| Cognitive Architecture | 超越 RAG 的认知架构 |
| HATEOAS for AI | 受 Web 架构启发的协议设计 |
9.2 与 RAG 的区别
| 特性 | 传统 RAG | PromptX 认知记忆 |
|---|---|---|
| 存储 | 文本分块 | Engram (完整记忆痕迹) |
| 检索 | 向量相似度 | 图传播激活 |
| 关系 | 无 | 语义网络 |
| 推理 | 单次检索 | 多跳关联推理 |
| 遗忘 | 无记忆 | 持久化存储 |
9.3 创新点总结
1. PML: 机器可解析的角色定义语言 2. Engram 网络: 基于图神经网络的关联记忆 3. ACP 协议: 超越 MCP 的动态工具发现 4. ISSUE 范式: 人机协作的 5 步角色创建流程 5. 激活-扩散: 认知科学启发的记忆检索
---
10. 总结与评价
10.1 优势
✅ 真正的长期记忆 - 不是 RAG，是认知架构 ✅ 自然语言交互 - 无需学习复杂指令 ✅ 开源开放 - MIT 协议，社区友好 ✅ 学术认可 - WWW Companion '26 已接受 ✅ 生产验证 - 15+ 企业，6 个行业 ✅ MCP 生态 - 与 Claude/Cursor 无缝集成
10.2 局限
⚠️ Node.js 依赖 - 需要 Node.js 环境 ⚠️ Claude 依赖 - AgentX 功能依赖 Claude API ⚠️ 中文文档 - 部分文档仍为英文 ⚠️ 社区规模 - 相比 LangChain 等社区较小
10.3 适用场景
- 🎯 需要长期记忆的 AI 助手
- 🎯 专业领域角色定制
- 🎯 企业知识库构建
- 🎯 AI 教学/培训场景
- 🎯 个性化服务代理
10.4 竞品对比
| 项目 | 类型 | 记忆 | 角色 | 开源 |
|---|---|---|---|---|
| PromptX | 上下文平台 | Engram 网络 | 动态角色 | ✅ MIT |
| LangChain | 框架 | 简单记忆 | 手动定义 | ✅ MIT |
| AutoGPT | 自主代理 | 向量存储 | 预设 | ✅ MIT |
| Dify | LLM 平台 | RAG | 工作流 | ✅ OSS |
| Character.AI | 角色平台 | 有限 | 丰富 | ❌ 闭源 |
参考链接
- GitHub: https://github.com/Deepractice/PromptX
- 官网: https://promptx.deepractice.ai
- 论文: https://research.deepractice.ai
- 文档: https://promptx.deepractice.ai/docs
- Discord: https://discord.gg/rdmPr54K
- 控制台: https://console.deepractice.dev
- 主站: https://deepractice.dev
*研究时间: 2026-03-07* *研究者: 小凯* *标签: #PromptX #RoleX #Deepractice #AIAgent #MCP #认知记忆 #开源研究*