9.0 KiB
9.0 KiB
PromptX 锦囊串联设计理念
核心理念：AI use CLI get prompt for AI
PromptX = AI的诸葛锦囊，每个命令是一个锦囊，锦囊串联解决AI注意力分散
🎯 设计哲学
核心模式
诸葛锦囊模式：AI通过CLI获取连环锦囊，分阶段专注解决问题
通用AI → PromptX CLI → 获取专业提示词 → 变身专家AI → 提供专业服务
理论框架
PATEOAS - Prompt as the Engine of Application State
中文理念：诸葛锦囊 | 英文框架：PATEOAS
- 中文表达："诸葛锦囊" - 形象化的AI工具箱概念
- 英文框架："PATEOAS" - 标准化的技术设计模式
- 核心一致：Prompt驱动AI状态转换，每个锦囊通过输出的Prompt引导AI发现下一步操作
锦囊串联理念
- AI获取锦囊：每个CLI命令都是一个专业锦囊
- 锦囊相互串联：命令间形成连贯的解决链条
- 分阶段注意力：每个阶段专注当前任务，忘记也无妨
设计原则
- 锦囊自包含：每个命令包含完整的执行信息
- 串联无依赖：即使AI忘记上文，也能继续执行
- 分阶段专注：每个锦囊只关注当前阶段任务
PATEOAS设计原则
借鉴RESTful的HATEOAS设计模式，创新性地应用于AI认知状态管理：
- Prompt驱动状态转换：每个锦囊的Prompt输出引导AI执行下一步操作
- 超媒体发现机制：通过输出内容让AI发现可用的状态转换路径
- 无状态导航：AI无需记住所有命令序列，跟随Prompt指引即可
- 自适应流程：根据当前状态动态推荐最佳下一步操作
🎒 五大锦囊设计
锦囊状态机
🏗️init锦囊 → 👋hello锦囊 → ⚡action锦囊 → 📚learn锦囊 → 🔍recall锦囊 → 循环
状态机设计： 锦囊串联本质上是一个状态机，每个锦囊是一个状态，状态间有明确的转换路径。即使AI忘记当前处于哪个状态，每个锦囊都能根据输入独立判断和执行。
stateDiagram-v2
[*] --> 未初始化
未初始化 --> 项目准备: promptx init
项目准备 --> 角色发现: promptx hello
角色发现 --> 角色激活: promptx action
角色激活 --> 专家学习: promptx learn
专家学习 --> 经验应用: promptx recall
%% 循环路径
经验应用 --> 角色发现: 切换角色
专家学习 --> 角色激活: 重新激活
角色激活 --> 专家学习: 继续学习
经验应用 --> 专家学习: 深化学习
%% 状态内循环
经验应用 --> 经验应用: 持续工作
专家学习 --> 专家学习: 增量学习
%% 重置路径
角色发现 --> 项目准备: 重新配置
角色激活 --> 项目准备: 环境重置
%% 状态描述
未初始化: 🚀 系统启动<br/>无任何配置
项目准备: 🏗️ init锦囊<br/>环境配置<br/>资源准备
角色发现: 👋 hello锦囊<br/>浏览角色库<br/>选择专业角色
角色激活: ⚡ action锦囊<br/>解析角色结构<br/>生成学习计划
专家学习: 📚 learn锦囊<br/>获取专业能力<br/>加载知识体系
经验应用: 🔍 recall锦囊<br/>检索应用经验<br/>提供专业服务
锦囊功能
🏗️ promptx init - 项目准备锦囊
- 为AI准备项目环境，自包含的初始化指令
👋 promptx hello - 角色发现锦囊
- 告诉AI有哪些专家角色可用，输出完整角色清单
⚡ promptx action - 角色激活锦囊
- 分析选定角色结构，生成专家学习计划
- 准备角色初始化序列和执行环境
📚 promptx learn - 专家变身锦囊
- AI获取专业提示词，即时获得专家能力
- 每个learn就是一次专家附身
🔍 promptx recall - 经验检索锦囊
- AI回忆相关经验，自包含的记忆查询
锦囊串联示例（PATEOAS模式）
用户："帮我优化产品文案"
PATEOAS驱动的状态转换：
1. 👋 promptx hello
↓ (Prompt输出包含状态指引)
"✅ 可用角色：[列表]
💡 下一步：promptx action <role>"
2. ⚡ promptx action copywriter
↓ (Prompt输出包含学习计划)
"✅ 角色已激活：文案专家
📚 建议学习：promptx learn
🔍 快速开始：promptx recall"
3. 📚 promptx learn
↓ (Prompt输出包含应用指引)
"✅ 专家能力已加载
🔍 开始工作：promptx recall --task 文案优化
📚 深化学习：promptx learn advanced"
4. 🔍 promptx recall --task "文案优化"
↓ (Prompt输出包含持续指引)
"✅ 已检索相关经验
🔄 继续优化：promptx recall
🎯 切换任务：promptx action <new_role>"
每个锦囊的Prompt输出都引导AI发现下一步最佳操作
✨ 核心价值
"诸葛锦囊"的力量（中文理念）
- 🎒 锦囊妙计库：每个命令都是自包含的专业锦囊
- 🔗 锦囊串联：命令间形成连贯的解决链条
- 🎯 分阶段专注：每个锦囊专注当前任务
- 💭 忘记无妨：即使AI遗忘上文，锦囊仍可独立执行
PATEOAS的优势（英文框架）
- 🔄 状态发现：每个Prompt输出包含下一步操作指引
- 🎯 智能导航：AI跟随超媒体链接自动发现最佳路径
- 📊 自适应流程：根据当前状态动态调整推荐操作
- 🔗 松耦合设计：状态转换逻辑与具体命令实现解耦
解决AI痛点
- 上下文遗忘 → PATEOAS让AI无需记忆，跟随指引即可
- 注意力分散 → 每个阶段专注单一任务，Prompt引导下一步
- 能力局限 → 通过锦囊即时获得专家能力，Prompt指引最佳应用路径
- 流程困惑 → 超媒体发现机制让AI总能找到正确的下一步操作
🚀 实施策略
锦囊设计要求
- 自包含性：每个锦囊包含完整执行信息
- 无状态性：不依赖AI的上下文记忆
- 专注性：每个锦囊只解决一个核心问题
PATEOAS实现要求
每个锦囊的Prompt输出必须包含：
1. 当前状态描述
"✅ 已激活：高级文案专家角色"
"🔄 当前状态：角色发现阶段"
2. 下一步操作指引
"💡 推荐操作：
→ promptx learn (加载专业知识)
→ promptx recall (直接开始工作)"
3. 状态转换选项
"🔄 其他选择：
→ promptx action <other_role> (切换角色)
→ promptx hello (重新选择)"
4. 上下文信息
"📋 当前上下文：文案专家 | 已加载基础能力"
"🎯 工作模式：专业优化 | 目标任务：产品文案"
5. 智能推荐逻辑
- 基于上下文：根据当前状态推荐最相关的下一步
- 多路径支持：提供主要路径和备选路径
- 回退机制：总是提供回到上一状态的选项
- 循环检测：避免AI陷入无限循环
锦囊优先级
- 高：⚡action激活锦囊、📚learn专家锦囊（核心能力）
- 中：👋hello发现锦囊、🔍recall记忆锦囊
- 低：🏗️init准备锦囊
🔄 PATEOAS vs RESTful HATEOAS
设计模式对比
| 特性 | RESTful HATEOAS | PromptX PATEOAS |
|---|---|---|
| 核心驱动 | 超媒体链接 | Prompt指引 |
| 状态载体 | HTTP响应 | CLI输出 |
| 状态管理 | 应用状态 | AI认知状态 |
| 导航方式 | URL链接 | 命令推荐 |
| 使用者 | Web客户端 | AI智能体 |
| 无状态性 | 服务器无状态 | AI无需记忆历史 |
相同的设计哲学
- 无状态导航：客户端/AI无需硬编码路径
- 状态发现：通过响应/输出发现下一步操作
- 松耦合：状态转换逻辑与实现分离
- 自描述：响应/输出包含完整导航信息
PromptX的创新点
- 认知状态管理：专门为AI注意力限制设计
- 分阶段专注：解决AI注意力分散问题
- 专家能力切换：动态角色状态管理
- 中英文双重表达：诸葛锦囊(感性) + PATEOAS(理性)
📝 总结
PromptX = AI的诸葛锦囊 + PATEOAS设计模式
双重表达体系
- 中文理念："诸葛锦囊" - 让开发者直观理解AI工具箱概念
- 英文框架："PATEOAS" - 为技术实现提供标准化设计模式
核心创新
每个CLI命令都是一个自包含的锦囊，通过Prompt as the Engine of Application State实现：
- 🎯 状态驱动：Prompt输出引导AI状态转换
- 🔄 智能导航：AI跟随超媒体指引自动发现下一步
- 💭 无需记忆：即使AI忘记上文，仍可继续执行
- 🎒 分阶段专注：每个锦囊专注当前任务
革命性意义
这是首个将RESTful设计哲学应用于AI认知状态管理的创新框架，为AI工具标准化提供了新的设计范式。
"给AI最好的工具，就是让AI忘记也能继续的锦囊。" "The best tools for AI are those that work even when AI forgets - through PATEOAS."