14 KiB
14 KiB
PromptX
AI应用原生的专业能力增强系统 - 通过MCP协议为Claude Desktop等AI应用提供专业角色、记忆管理和知识体系
🚀 一键启动 - AI应用直连
🔌 MCP标准化接入
让AI应用获得原生专业能力，无需环境配置，即插即用
# 1. 启动PromptX MCP Server
npx dpml-prompt@snapshot mcp-server
# 2. 在AI应用中配置MCP连接
MCP配置示例
在AI应用的MCP配置文件中添加：
{
"mcpServers": {
"promptx": {
"command": "npx",
"args": ["dpml-prompt@snapshot", "mcp-server"],
"cwd": "/path/to/your/workspace"
}
}
}
支持MCP的AI应用
| AI应用 | 状态 | 配置文件位置 | 特性 |
|---|---|---|---|
| Claude Desktop | ✅ 官方支持 | Windows: %APPDATA%\Claude\claude_desktop_config.jsonmacOS: ~/Library/Application Support/Claude/claude_desktop_config.json |
Anthropic官方客户端，MCP原生支持 |
| Cursor | ✅ 支持 | 通过MCP设置面板配置 | 智能代码编辑器，开发者友好 |
| Windsurf | ✅ 支持 | IDE内MCP配置面板 | Codeium推出的AI原生IDE |
| Cline | ✅ 支持 | VS Code插件配置 | 强大的AI编程助手 |
| Augment | ✅ 支持 | 桌面应用配置 | AI原生代码编辑器 |
| Trae | ✅ 支持 | IDE插件配置 | AI驱动的代码生成和重构工具 |
| 通义灵码 | 🟡 计划支持 | 阿里云IDE插件 | 阿里云推出的AI编程助手 |
| Zed | ✅ 支持 | 配置文件：~/.config/zed/settings.json |
高性能代码编辑器 |
| Continue | ✅ 支持 | VS Code插件配置 | VS Code AI助手插件 |
| Replit Agent | 🟡 实验支持 | Replit平台内置 | 在线编程环境 |
| Jan | 🟡 开发中 | 本地AI客户端 | 隐私优先的本地AI助手 |
| Ollama WebUI | 🟡 社区支持 | 第三方MCP适配器 | 本地大模型界面 |
| Open WebUI | 🟡 社区支持 | 插件系统 | 开源AI界面 |
| 百度 Comate | 🟡 计划支持 | 百度IDE插件 | 百度推出的AI编程助手 |
| 腾讯 CodeWhisperer | 🟡 计划支持 | 腾讯云IDE | 腾讯云AI编程工具 |
说明：
- ✅ 官方支持：原生支持MCP协议
- 🟡 实验/社区支持：通过插件或实验性功能支持
- 更多AI应用正在接入MCP协议...
🎯 配置完成后，AI应用将获得6个专业工具：
promptx_init- 🏗️ 系统初始化promptx_hello- 👋 角色发现promptx_action- ⚡ 角色激活promptx_learn- 📚 知识学习promptx_recall- 🔍 记忆检索promptx_remember- 💾 经验保存
🎯 核心价值
AI应用专业化的完整解决方案
1. 🔗 标准化接入 → 消除集成障碍
传统痛点：AI应用无法访问外部专业能力，环境配置复杂
PromptX方案：基于MCP协议的标准化工具接口，零配置接入
实际效果：5分钟内AI应用获得完整专业能力体系
2. 🧠 专业角色体系 → 领域专家级能力
传统痛点：AI助手缺乏领域专业性和深度能力
PromptX方案：涵盖管理、技术、创意的完整专业角色库
实际效果：AI瞬间变身产品经理、技术专家、设计师等
3. 💭 智能记忆系统 → 持续学习积累
传统痛点：AI无法保持跨会话的经验积累和知识沉淀
PromptX方案：四层记忆架构和智能检索系统
实际效果：AI主动记忆项目经验、最佳实践，越用越专业
4. ⚡ 即时专业化 → 5秒角色转换
传统痛点：需要复杂的提示词工程才能获得专业输出
PromptX方案：一键激活专业角色，自动加载完整能力体系
实际效果：从通用AI到领域专家，5秒完成转换
🔬 技术架构
🔌 MCP原生集成
基于Model Context Protocol的标准化AI应用接入
- 标准协议：遵循MCP规范，与主流AI应用兼容
- 工具化封装：将专业能力封装为MCP工具
- 零环境依赖：AI应用无需安装配置，直接获得能力
🧠 DPML协议驱动
Deepractice Prompt Markup Language - 标准化提示词架构
<role domain="product-management">
<personality>产品思维：用户导向、数据驱动、迭代优化</personality>
<principle>产品原则：需求第一、体验至上、价值闭环</principle>
<knowledge>产品知识：用户研究、需求分析、数据指标</knowledge>
</role>
🔄 PATEOAS状态机
Prompt as the Engine of Application State
- 智能导航：每个输出都包含下一步操作指引
- 状态保持：即使AI忘记对话历史，仍可独立执行
- 无缝切换：在不同专业角色间平滑转换
📚 @Reference引用系统
统一资源定位和模块化能力组装
@role://product-manager # 角色定义引用
@thought://systems-thinking # 思维模式引用
@execution://agile-process # 执行框架引用
@memory://project-experience # 记忆系统引用
🎭 专业角色生态
PromptX内置完整的专业角色库，通过MCP直接调用：
管理类角色
- 🎯 产品经理 - 需求分析、用户研究、数据驱动决策
- 📊 项目经理 - 敏捷管理、风险控制、团队协调
- 💼 业务分析师 - 业务建模、流程优化、解决方案设计
技术类角色
- ☕ Java后端专家 - Spring生态、微服务架构、性能调优
- 🌐 前端工程师 - React/Vue、UI/UX、性能优化
- 🔧 DevOps工程师 - CI/CD、容器化、云原生架构
创意类角色
- ✍️ 内容创作专家 - 文案策划、品牌传播、内容营销
- 🎨 UI设计师 - 视觉设计、交互体验、设计系统
- 📱 产品设计师 - 用户体验、原型设计、设计思维
🔥 持续扩展中 - 专业角色库持续增长，覆盖更多领域
💡 应用场景
🏢 企业AI助手增强
场景：企业内部AI助手需要专业领域能力
方案：通过MCP接入PromptX专业角色系统
效果：AI助手具备产品、技术、设计等专业能力
价值：员工生产力提升50%，专业决策质量显著改善
🎬 内容创作工作流
场景：内容团队需要AI协助创作和优化
方案：激活内容创作角色，学习品牌调性
效果：AI生成符合品牌风格的专业内容
价值：内容创作效率提升3倍，品牌一致性100%保证
💻 开发团队协作
场景：技术团队需要AI协助代码审查和架构设计
方案：激活技术专家角色，记忆项目架构
效果：AI提供专业的技术建议和最佳实践
价值：代码质量提升，技术债务减少80%
📚 知识管理体系
场景：团队需要沉淀和传承专业经验
方案：使用记忆系统保存最佳实践和经验教训
效果：AI主动检索和应用团队知识库
价值：知识传承效率提升10倍，新人上手时间减半
🔄 MCP集成工作流
完整使用流程
graph TD
A[AI应用启动] --> B[MCP协议连接]
B --> C[PromptX MCP Server]
C --> D[🏗️ promptx_init<br/>环境初始化]
D --> E[👋 promptx_hello<br/>角色发现]
E --> F[⚡ promptx_action<br/>角色激活]
F --> G[📚 promptx_learn<br/>知识学习]
G --> H[🔍 promptx_recall<br/>经验检索]
H --> I[💾 promptx_remember<br/>记忆保存]
I --> J[🎯 专业能力输出]
J --> K[持续优化循环]
K --> G
典型对话示例
用户：帮我分析这个产品需求
AI：我来为您激活产品经理角色...
[调用 promptx_action: product-manager]
[调用 promptx_recall: 产品需求分析]
🎯 产品经理模式已激活！基于以往项目经验，我将从以下维度分析：
1. 用户价值评估 - 真实需求vs伪需求识别
2. 商业价值分析 - ROI预期和资源投入评估
3. 技术可行性 - 实现复杂度和风险评估
4. 竞争优势 - 差异化价值和护城河分析
请提供具体的需求描述，我将进行专业分析...
🎯 核心优势
🔌 标准化接入
- MCP协议：业界标准，与主流AI应用原生兼容
- 零配置门槛：无需环境搭建，5分钟完成集成
- 跨平台支持：Windows、macOS、Linux全平台兼容
🧠 专业深度
- 完整角色体系：涵盖20+专业领域的深度角色
- 知识体系化：每个角色包含完整的专业知识架构
- 持续迭代：专业角色和知识持续更新优化
💭 智能记忆
- 四层记忆架构：声明性、程序性、情景性、语义性记忆
- 智能检索：基于语义相似度的精准记忆召回
- 主动学习：AI自主管理和积累专业经验
⚡ 即时生效
- 5秒角色切换：从通用AI到领域专家的瞬间转换
- 上下文保持：专业能力与通用对话的无缝衔接
- 多角色并行：支持同时激活多个专业角色
🎯 企业级特性
- 数据隔离：企业数据完全本地化，不上传云端
- 定制扩展：支持企业专有角色和知识体系定制
- 审计追踪：完整的操作记录和效果评估体系
🛠️ 开发和部署
快速开发环境
# 克隆项目
git clone https://github.com/Deepractice/PromptX.git
cd PromptX
# 安装依赖
pnpm install
# 运行测试
pnpm test
# 启动MCP Server (开发模式)
pnpm dev:mcp
生产环境部署
# 全局安装
npm install -g dpml-prompt
# 启动MCP Server
dpml-prompt mcp-server
# 或使用npx (推荐)
npx dpml-prompt@snapshot mcp-server
Docker部署
# 构建镜像
docker build -t promptx-mcp .
# 运行容器
docker run -d --name promptx-mcp -p 3000:3000 promptx-mcp
📚 深度技术文档
MCP集成系列
核心技术原理
- 🧠 DPML协议规范 - 提示词标记语言标准
- 🔄 PATEOAS设计理念 - AI状态机和锦囊架构
- 📐 架构原理文档 - 四层双提示词循环架构
专业能力体系
🔗 生态系统
- DPML规范 - 提示词标记语言标准
- 深度实践 - AI工程化实践社区
- MCP官方 - Model Context Protocol标准
- 角色生态 - 持续增长的专业AI角色生态
- 最佳实践库 - 提示词工程和AI应用案例分享
🤝 参与共建
PromptX是开源项目，欢迎贡献专业能力：
核心贡献方向
- 🔌 MCP生态扩展：开发新的MCP工具和应用场景
- 🎭 专业角色贡献：设计新的专业AI角色和能力体系
- 🧠 记忆系统优化：改进记忆效率和智能检索算法
- 📚 知识体系扩展：丰富各领域的专业知识库和最佳实践
快速开始贡献
# 1. Fork并克隆项目
git clone https://github.com/YOUR_USERNAME/PromptX.git
# 2. 安装依赖
pnpm install
# 3. 运行测试确保环境正常
pnpm test
# 4. 创建功能分支
git checkout -b feature/your-feature
# 5. 开发功能并添加changeset
pnpm changeset
# 6. 提交PR到develop分支
贡献指南
扫码加入技术交流群：
🧪 设计哲学
"让AI应用获得专业灵魂"
PromptX致力于成为AI应用专业化的标准解决方案：
🔌 标准化理念
- MCP原生：基于行业标准协议，确保长期兼容性
- 零门槛接入：消除技术壁垒，让所有AI应用都能获得专业能力
- 开放生态：建立可持续的专业能力共享生态
🧠 专业化核心
- 深度专业：不是简单的提示词模板，而是完整的专业能力体系
- 知识体系化：系统性的专业知识组织和传承机制
- 持续进化：专业角色和知识随着领域发展持续迭代
💭 智能化记忆
- 经验积累：让AI具备持续学习和经验积累能力
- 知识传承：将专业经验转化为可复用的AI能力
- 智能检索：在恰当时机主动调用相关专业经验
⚡ 即时化价值
- 零学习成本：用户无需学习复杂配置，即可获得专业AI能力
- 即插即用：5分钟完成配置，立即享受专业化服务
- 持续优化：使用过程中AI能力持续提升
核心愿景：让每个AI应用都能拥有专业的灵魂和深度的能力，成为真正的领域专家助手
📄 许可证
MIT License - 让AI专业能力触手可及
🚀 立即体验：启动MCP Server，让您的AI应用获得专业能力增强！
npx dpml-prompt@snapshot mcp-server