394 lines
14 KiB
Markdown
394 lines
14 KiB
Markdown
# 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
|
||
|
||
**中文** | [English](README_EN.md) | [Issues](https://github.com/Deepractice/PromptX/issues)
|
||
|
||
## 🚀 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**
|
||
|
||
```bash
|
||
# 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：
|
||
|
||
```json
|
||
{
|
||
"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.json`<br/>macOS: `~/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
|
||
|
||
📖 **[完整MCP集成指南](docs/mcp-integration-guide.md)**
|
||
|
||
## 🎯 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
|
||
```xml
|
||
<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**
|
||
```mermaid
|
||
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**
|
||
```bash
|
||
# 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**
|
||
```bash
|
||
# 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**
|
||
```bash
|
||
# 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**
|
||
- 📖 **[MCP集成指南](docs/mcp-integration-guide.md)** - 完整的MCP配置和使用指南
|
||
- 🔧 **[MCP适配器设计](docs/mcp-adapter-design.md)** - MCP适配器的技术架构文档
|
||
- 🔀 **[MCP输出适配器](docs/mcp-adapter-design.md#mcpoutputadapter)** - 解决乱码问题的完整方案
|
||
|
||
### **核心技术原理**
|
||
- 🧠 **[DPML协议规范](docs/dpml-protocol.md)** - 提示词标记语言标准
|
||
- 🔄 **[PATEOAS设计理念](docs/PATEOAS.md)** - AI状态机和锦囊架构
|
||
- 📐 **[架构原理文档](docs/promptx-architecture-principle.md)** - 四层双提示词循环架构
|
||
|
||
### **专业能力体系**
|
||
- 🎭 **[角色系统设计](docs/role-system.md)** - 专业角色的设计和扩展
|
||
- 💭 **[记忆架构文档](docs/memory-architecture.md)** - 四层记忆系统设计
|
||
- 📚 **[知识体系文档](docs/knowledge-system.md)** - 领域知识的组织和管理
|
||
|
||
## 🔗 生态系统
|
||
|
||
- **[DPML规范](https://github.com/Deepractice/dpml)** - 提示词标记语言标准
|
||
- **[深度实践](https://www.deepracticex.com/)** - AI工程化实践社区
|
||
- **[MCP官方](https://modelcontextprotocol.io/)** - 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**
|
||
```bash
|
||
# 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**
|
||
- 📋 **[贡献流程](CONTRIBUTING.md)** - 详细的贡献指南和代码规范
|
||
- 🌿 **[分支策略](docs/BRANCHING.md)** - 分支管理和发布流程
|
||
- 🚀 **[发布流程](docs/RELEASE.md)** - 版本管理和发布文档
|
||
|
||
扫码加入技术交流群：
|
||
|
||
<img src="assets/qrcode.jpg" alt="技术交流群" width="200">
|
||
|
||
## 🧪 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！**
|
||
|
||
```bash
|
||
npx dpml-prompt@snapshot mcp-server
|
||
```
|