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

# 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： ```xml <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> ``` **<span class="mention-invalid">@Reference</span> 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：** ```json { "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：** ```gherkin 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 ```json { "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*