UNPKG

dpml-prompt

Version:

DPML-powered AI prompt framework - Revolutionary AI-First CLI system based on Deepractice Prompt Markup Language. Build sophisticated AI agents with structured prompts, memory systems, and execution frameworks.

github.com/Deepractice/PromptX

Deepractice/PromptX

104 lines (85 loc) • 3.58 kB
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
# PromptX进化知识体系 <reference protocol="knowledge" resource="promptx-evolution"> ## PromptX技术演进历程 ### 发展阶段概览 ``` 阶段1(2024 Q2)：基础角色系统 → 解决AI专业能力不足 阶段2(2024 Q3)：DPML协议诞生 → 实现结构化AI知识管理 阶段3(2024 Q4)：MCP集成 → 连接AI生态，获得执行能力 阶段4(2025 Q1)：PATEOAS突破 → 智能化决策，自驱工作流 ``` ### 核心技术突破 #### 1. DPML(Declarative Prompt Markup Language)协议 **创新点**：将非结构化提示词转化为结构化标记语言 ``` 传统方式：长文本提示词，难以维护和复用 DPML方式：<role><thought><execution><knowledge>结构化组织 价值：可组合、可继承、可维护的AI角色系统 ``` #### 2. 统一资源协议架构 **解决问题**：不同类型资源的统一访问和管理 ``` 支持协议： - role://域专家角色 - thought://思维模式 - execution://执行技能 - knowledge://专业知识 - package://工具包 - project://项目资源 ``` #### 3. MCP(Model Context Protocol)适配器 **技术价值**：连接AI对话与真实世界执行能力 ``` MCP作用：AI建议 → 实际行动 适配器职责：协议转换、状态管理、错误处理 典型应用：DACP服务调用、文件操作、API集成 ``` #### 4. PATEOAS(Hypermedia as the Engine of Application State) **突破性创新**：将提示词从静态输入转变为动态状态引擎 ``` 传统模式：人工选择工具 → AI执行 PATEOAS模式：AI自主发现 → 自主选择 → 自主执行 技术实现：超媒体驱动的状态转换 产品价值：零配置的智能工作流 ``` ### 架构演进路径 #### 从工具集合到生态平台 ``` V1.0：角色工具 → 提供专业AI角色 V2.0：协议体系 → 统一资源管理 V3.0：MCP生态 → 连接外部服务 V4.0：PATEOAS引擎 → 智能化决策 ``` #### 核心设计哲学 - **用户中心**：从用户需求出发，技术服务体验 - **渐进演进**：每个版本解决一个核心矛盾 - **生态思维**：不是单一产品，而是协作平台 - **简洁优雅**：奥卡姆剃刀原则的技术体现 ### 关键里程碑事件 #### 2024年核心突破 - **6月**：首个AI角色系统上线，获得用户验证 - **8月**：DPML协议设计完成，奠定技术基础 - **10月**：MCP集成成功，连接Claude Desktop - **12月**：多平台适配，生态初具规模 #### 2025年创新突破 - **1月**：PATEOAS架构突破，实现智能化工作流 - **预期目标**：从工具平台升级为生态操作系统 ### 技术价值与影响 #### 对AI行业的贡献 - **标准化角色系统**：为AI专业化提供了可复制模式 - **协议化资源管理**：解决了AI知识管理的结构化问题 - **生态化集成方案**：推动了AI工具间的互操作性 - **智能化决策引擎**：探索了AI自主工作流的技术路径 #### 技术优势总结 ``` 结构化：DPML协议实现知识结构化 生态化：MCP适配连接外部世界 智能化：PATEOAS实现自主决策 简洁化：奥卡姆剃刀指导架构设计 ``` ### 未来发展方向 - **深度集成**：与更多AI平台和工具的深度融合 - **智能化升级**：更强的自主决策和学习能力 - **生态繁荣**：第三方开发者的广泛参与 - **标准制定**：推动行业级协议标准的建立 </reference>