PromptX / RoleX / Deepractice 深度研究报告

1. 项目概览

1.1 基本信息

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

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

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>

<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：

{
  "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)

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

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

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

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

9.2 与 RAG 的区别

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

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