AI上下文工程平台调研报告
角色体系 · 实现原理 · 技术架构
Platform Overview
平台概述
Role System
核心角色体系
Relationships
角色关系分析
Implementation
实现原理剖析
Architecture
技术架构详解
Summary & Outlook
总结与展望
深入了解 PromptX 平台的角色体系、实现原理和技术架构，为AI上下文工程实践提供技术参考。
Platform Overview
PromptX 是由 Deepractice 社区开发的领先的 AI 智能体上下文平台，基于 MCP（Model Context Protocol）协议构建。
核心理念："Chat is All You Need" —— 通过自然对话让 AI 从通用工具变身为行业专家。
基于认知心理学的记忆体系，让角色真正拥有灵魂
通过鲁班制作工具，给角色提供行动能力
"将 AI 视为人，而非软件"
通过自然对话完成一切操作，无需学习复杂的命令语法或参数配置，PromptX 理解你的意图，并瞬间将 AI 转变为你所需的专家。
Core Role System
AI Role Designer
AI角色设计师，通过自然语言创建专业AI角色
Tool Integration Master
工具集成大师，3分钟内连接任何API或服务
Professional Content Creator
专业内容创作者，具备反AI品味和真实性思维
Other Important Roles
Product Strategist
产品战略、决策支持、协作分析
General Purpose
通用助手角色，基础对话和问题解答
Special Agent
特殊任务执行角色，角色创建和修改工作流
Role Relationships
复用人类协作经验，拟人化底层逻辑，让AI自发涌现协作能力
Implementation Details - MCP Protocol
Model Context Protocol（模型上下文协议）是PromptX的核心通信基础，采用JSON-RPC 2.0标准，实现AI应用与PromptX引擎的标准化交互。
Cognitive Memory System
PromptX实现了受人类记忆机制启发的认知记忆系统，通过语义网络、扩散激活和默认模式网络（DMN）实现真正的AI记忆。
每个Engram保存完整的记忆痕迹，而非碎片化文本，保留上下文和语义结构。
用户问题触发网络中的相关节点
通过网络连接传播激活信号
相关记忆通过权重计算浮出表面
Deepractice Prompt Markup Language
DPML 是 PromptX 专用的提示词标记语言，用于定义角色、组织记忆和管理执行框架。
结构化定义，确保系统兼容性
组织化提示词，支持继承和扩展
跨对话保持状态一致性
Technical Architecture
Layered Architecture Design
桌面客户端、CLI工具
核心库、MCP服务器、资源配置
E2E测试和步骤定义
Summary & Future Outlook
"将AI视为人，而非软件"，通过自然对话完成一切操作
基于语义网络的扩散激活，实现真正的AI长期记忆
女娲+鲁班双角色体系，让每个人都能创建专业AI助手
已提交论文至 WWW Companion '26：
"PromptX: A Cognitive Agent Platform with Long-term Memory"