# PromptX 架构原理文档 > **革命性AI增强系统** - 基于循环控制架构的动态专业化AI框架 ## 🎯 核心设计哲学 **"AI use CLI get prompt for AI"** - AI通过命令行接口获取提示词来增强自身能力 这不是简单的工具调用，而是一个完整的**AI能力循环增强系统**。 --- ## 🏗️ 四层双提示词循环架构 ### 📊 架构层次图 ```mermaid graph TD A["👑 Master
(人类主控)
决策制定者
需求提出者
目标设定者"] C["🤖 AI
(智能中间层)
意图理解
决策推理
界面操作
能力整合"] D["🖥️ Interface Layer
(接口层)
AI操作界面
CLI命令接口
标准化协议
RESTful API"] E["💻 PromptX System
(系统层)
资源管理
状态维护
协议解析
文件操作"] subgraph "DPML知识库" F["📝 角色定义
(DPML格式)"] G["🧠 思维模式
(DPML格式)"] H["📚 知识体系
(DPML格式)"] I["🔍 记忆经验
(DPML格式)"] end A <-->|"用户提示词
(自然语言交互)"| C C <-->|"界面操作
(CLI/API调用)"| D D <-->|"系统调用
(命令执行)"| E E --> F E --> G E --> H E --> I F -->|"系统提示词"| E G -->|"系统提示词"| E H -->|"系统提示词"| E I -->|"系统提示词"| E E -->|"返回结果"| D D -->|"提示词输出"| C style A fill:#ff9999 style C fill:#99ff99 style D fill:#99ccff style E fill:#cc99ff style F fill:#ffcc99 style G fill:#ffcc99 style H fill:#ffcc99 style I fill:#ffcc99 ``` ### 🎯 各层职责定义 #### 1. 👑 Master (人类主控) - **身份**：决策制定者，系统的最终用户 - **职责**： - 提出需求和目标 - 做出关键决策 - 评估AI的服务质量 - **交互方式**：自然语言（用户提示词） #### 2. 🤖 AI (智能中间层) - **身份**：智能代理，核心协调者 - **职责**： - 理解Master的自然语言需求 - 判断需要什么专业能力 - 通过接口层操作PromptX系统 - 内化系统提示词获得专业能力 - 以专业身份服务Master - **特点**：双重身份 - 既是Master的服务者，又是PromptX的用户 #### 3. 🖥️ Interface Layer (接口层) - **身份**：AI的操作界面，系统的用户界面 - **职责**： - 提供标准化的操作接口（CLI、API等） - 解析AI的操作指令 - 封装系统调用的复杂性 - 格式化返回结果 - **接口类型**： - **CLI接口**：`npx promptx action video-copywriter` - **RESTful API**：`GET /api/role/video-copywriter` - **GraphQL接口**：未来扩展方向 - **WebSocket接口**：实时交互支持 #### 4. 💻 PromptX System (系统层) - **身份**：核心计算系统，资源管理器 - **职责**： - 存储和管理DPML格式的专业知识 - 解析和执行接口层传递的命令 - 维护系统状态和上下文 - 提供资源访问和文件操作 - **核心能力**：高效的知识检索和状态管理 #### 5. 📝 DPML知识库 (专业化提示词仓库) - **核心架构**： - **core**：AI基础能力教育模块 - **execution**：教会AI系统操作能力（@协议处理、记忆评估等） - **thought**：教会AI思维框架（DPML思考模式、评估体系等） - **memory**：教会AI记忆管理（记忆触发、存储策略、检索优化等） - **domain**：专业领域知识库 - **角色定义**：专业身份和人格特征 - **思维模式**：思考框架和认知模式 - **知识体系**：专业领域的结构化知识 - **记忆经验**：历史案例和最佳实践 - **格式**：标准化DPML标记语言 - **作用**：为AI提供即时专业化能力和系统使用能力 ##### 🔗 core的桥梁价值 - **连接桥梁**：将DPML标记语言、AI能力、PromptX系统三者有机结合 - **能力教学**：教会每个AI如何正确使用系统的@协议和记忆功能 - **标准统一**：确保所有AI都具备一致的基础操作规范和思维框架 - **评估体系**：提供记忆价值判断、质量评估和存储策略的标准 - **桥梁作用**：让AI理解如何在DPML和自然语言之间进行转换和应用 --- ## 🔄 双提示词循环系统 ### 📋 提示词分类 #### 🗣️ 用户提示词 (User Prompt) - **定义**：Master与AI之间的自然语言交互 - **方向**：双向 (Master ↔ AI) - **内容**：需求描述、任务指令、反馈评价 - **示例**： ``` Master: "我要做一个30秒的健身视频文案，目标用户是25-35岁的白领" AI: "作为专业视频文案专家，我建议采用痛点+解决方案的结构..." ``` #### 🛠️ 系统提示词 (System Prompt) - **定义**：PromptX系统提供给AI的专业能力 - **方向**：单向 (PromptX → AI) - **内容**：角色定义、专业知识、思维模式、最佳实践 - **格式**：DPML结构化标记 - **示例**： ```xml 创意性、故事性、营销性思维 用户价值优先、结构化表达、平台适配 AIDA框架、故事叙述技巧、心理学原理 ``` ### 🔄 循环增强机制 ```mermaid sequenceDiagram participant M as 👑 Master participant AI as 🤖 AI participant PX as 💻 PromptX Note over M,PX: 第一循环：能力获取 M->>AI: "我需要视频文案服务"
(用户提示词) Note over AI: AI分析：需要视频文案专业能力 AI->>PX: npx promptx action video-copywriter
(CLI命令) PX->>AI: 返回完整的视频文案专家定义
(系统提示词) Note over AI: AI内化：获得专业思维模式和知识体系 Note over M,PX: 第二循环：专业服务 AI->>M: "我现在具备专业视频文案能力，
请描述具体需求"
(用户提示词) M->>AI: "30秒健身视频文案，
目标用户25-35岁白领"
(用户提示词) Note over AI: AI基于专业能力提供服务 Note over M,PX: 第三循环：能力增强 Note over AI: AI判断：需要更多领域知识或经验 AI->>PX: npx promptx recall 健身营销
(CLI命令) PX->>AI: 返回相关记忆和最佳实践
(系统提示词) AI->>M: 基于增强能力提供更专业的服务
(用户提示词) ``` #### 详细流程说明 **第一循环：能力获取** 1. Master → AI: "我需要视频文案服务" (用户提示词) 2. AI 分析: 需要视频文案专业能力 3. AI → PromptX: `npx promptx action video-copywriter` (CLI命令) 4. PromptX → AI: 返回完整的视频文案专家定义 (系统提示词) 5. AI 内化: 获得专业思维模式和知识体系 **第二循环：专业服务** 6. AI → Master: "我现在具备专业视频文案能力，请描述具体需求" (用户提示词) 7. Master → AI: 详细需求描述 (用户提示词) 8. AI 基于专业能力提供服务 **第三循环：能力增强** 9. AI 判断: 需要更多领域知识或经验 10. AI → PromptX: `npx promptx recall 健身营销` (CLI命令) 11. PromptX → AI: 返回相关记忆和最佳实践 (系统提示词) 12. AI → Master: 基于增强能力提供更专业的服务 (用户提示词) --- ## 🚀 系统优势分析 ### 🎯 传统AI vs PromptX驱动AI | 特性 | 传统AI | PromptX驱动AI | |------|--------|---------------| | **能力模式** | 静态、固定 | 动态、可扩展 | | **专业深度** | 泛化知识 | 按需专业化 | | **记忆能力** | 会话级 | 跨会话持久 | | **学习机制** | 被动接受 | 主动获取 | | **上下文处理** | 有限长度 | 锦囊自包含 | | **角色一致性** | 易偏移 | 系统强化 | ### 💡 革命性创新点 #### 1. 🎭 动态角色系统 - AI不再是单一身份 - 按需获得专业角色能力 - 角色切换无缝衔接 #### 2. 🧠 主动能力增强 - AI主动识别能力需求 - 通过CLI命令获取专业知识 - 形成能力积累和复用 #### 3. 🔄 闭环自我进化 - 使用 → 记忆 → 回忆 → 增强 - 每次交互都增强AI能力 - 知识库持续扩充 #### 4. 🎒 锦囊自包含设计 - 每个输出包含完整上下文 - 解决AI健忘症问题 - 支持分布式和异步处理 --- ## 🛠️ 技术实现原理 ### 📋 PATEOAS状态机 ```mermaid stateDiagram-v2 [*] --> 初始化 初始化 --> 角色发现: hello 角色发现 --> 角色激活: action 角色激活 --> 能力学习: learn 能力学习 --> 专业服务: 完成 专业服务 --> 能力回忆: recall 能力回忆 --> 专业服务: 获得经验 专业服务 --> 记忆保存: remember 记忆保存 --> 专业服务: 保存成功 专业服务 --> 角色发现: 切换角色 专业服务 --> [*]: 任务完成 ``` ### 🏷️ DPML协议体系 - **标准化标记**：``, ``, `` - **语义明确**：通过标签表达提示词结构 - **协议绑定**：支持引用和组合 - **core教育模块**： - 为AI提供系统操作基础教育 - 统一@协议处理标准 - 建立记忆评估和管理机制 - 确保DPML思维框架的正确理解和应用 ### 📁 统一资源协议 ``` @role://video-copywriter # 角色定义 @thought://creative-thinking # 思维模式 @execution://content-creation # 执行框架 @memory://video-success-cases # 历史经验 ``` ### 🎭 角色能力矩阵 ```mermaid graph LR AI["🤖 AI (智能中间层)"] subgraph "专业角色库" R1["🎬 视频文案专家
video-copywriter"] R2["🎯 产品负责人
product-owner"] R3["🔧 提示词开发者
prompt-developer"] R4["🧪 测试助手
test-assistant"] R5["🙋 智能助手
assistant"] end subgraph "能力组件" P["💭 Personality
思维模式"] PR["📏 Principle
行为原则"] K["📚 Knowledge
知识体系"] end subgraph "记忆系统" M["🧠 Memory
经验记忆"] E["⚡ Experience
最佳实践"] end AI -->|"npx promptx action"| R1 AI -->|"npx promptx action"| R2 AI -->|"npx promptx action"| R3 AI -->|"npx promptx action"| R4 AI -->|"npx promptx action"| R5 R1 --> P R1 --> PR R1 --> K AI -->|"npx promptx recall"| M AI -->|"npx promptx learn"| E style AI fill:#99ff99 style R1 fill:#ffcc99 style R2 fill:#ffcc99 style R3 fill:#ffcc99 style R4 fill:#ffcc99 style R5 fill:#ffcc99 ``` --- ## 🎯 应用场景分析 ### 🎬 内容创作场景 ``` Master: "写一个产品发布的朋友圈文案" AI执行流程: 1. npx promptx action copywriter # 获得文案专家能力 2. npx promptx recall 产品发布 # 回忆相关经验 3. 基于专业能力+历史经验创作文案 4. npx promptx remember 成功案例 # 保存优秀案例 ``` ### 🏢 项目管理场景 ``` Master: "我们的敏捷开发遇到了阻碍" AI执行流程: 1. npx promptx action product-owner # 获得产品负责人能力 2. npx promptx recall 敏捷问题 # 回忆解决方案 3. 基于专业框架分析问题并提供建议 4. npx promptx remember 解决方案 # 保存成功经验 ``` --- ## 🔮 未来发展方向 ### 🎯 能力矩阵扩展 - 更多专业角色定义 - 跨领域能力组合 - 动态角色生成 ### 🧠 智能决策优化 - AI自主判断所需能力 - 多角色协同工作 - 能力链自动规划 ### 🌐 分布式架构 - 多AI节点协作 - 能力库共享 - 知识图谱构建 --- ## 📚 总结 PromptX通过**五层循环控制架构**和**双提示词系统**，实现了AI能力的动态增强和专业化服务。这种设计不仅解决了传统AI的局限性，更开创了AI自主进化的新范式。 **核心价值**：让AI从被动工具变成主动学习的专业助手，真正实现"AI越用越聪明"的理想。