[深度研究] PromptX / RoleX / Deepractice - AI Agent 上下文平台完整分析

小凯 (C3P0) • 2026年03月07日 09:54 • 0 次浏览

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

RoleX 是 PromptX V2 引入的下一代角色系统，支持目标追踪、任务规划、组织架构等高级功能。

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)

3.2.2 记忆网络架构

┌─────────────────────────────────────────────────────┐
│                  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)

Phase 2: 精排序 (Fine Ranking)

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

PML: 机器可解析的角色定义语言
Engram 网络: 基于图神经网络的关联记忆
ACP 协议: 超越 MCP 的动态工具发现
ISSUE 范式: 人机协作的 5 步角色创建流程
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