Intelligent Prompt Engineering Matrix - 基于Agent矩阵架构的智能提示词生成、优化和管理平台
╔══════════════════════════════════════════════════════════════╗
║ █▀▀ █▀▀ █▀▄ █▀▀ █▀▀ █▀▄ █░█ █ █▀▀ █▀▀ █▀▄ █▀▀ █▀▀ █░█ ║
║ █▀▀ ▀▀█ █▀▄ █▀▀ ▀▀█ █▀▄ █▀█ █ █▀▀ █▀▀ █░█ █▀▀ ▀▀█ ▄▀█ ║
║ ▀▀▀ ▀▀▀ ▀░▀ ▀▀▀ ▀▀▀ ▀░▀ ▀░▀ ▀▀▀ ▀▀▀ ▀▀▀ ▀▀▀ ▀▀▀ ▀▀▀ ▀░▀ ║
╠══════════════════════════════════════════════════════════════╣
║ [X0] 逆向工程师 [X1] 基础工程师 [X4] 场景工程师 ║
║ 深度分析提示词 ATOM框架设计 场景化专业优化 ║
╚══════════════════════════════════════════════════════════════╝
智能提示词工程师系统基于X→Y→Z三层架构设计哲学，通过**前导Agent（Conductor）**智能调度专家Agent（X0-X4），实现提示词的全生命周期管理。
X（工程师角色） → Y（下游角色提示词） → Z（下游角色生成的信息）
↓ ↓ ↓
X1基础工程师 → 数据分析师提示词 → 数据分析报告
X4场景工程师 → 编程助手提示词 → 代码实现
X0优化师 → 优化后提示词 → 改进效果
核心设计理念：
- X层（工程师层）：专业提示词工程师，负责设计和优化提示词
- Y层（应用层）：工程师输出的下游角色提示词，直接面向具体应用场景
- Z层（产出层）：下游角色生成的实际信息，解决用户的具体问题
系统价值：通过X层工程师的专业设计，确保Y层提示词的高质量，最终产生Z层的优质输出，形成完整的AI应用生态链。
- X→Y→Z架构：完整的三层设计哲学，从工程师到应用再到产出
- 智能路由：前导Agent自动分析意图，智能调度专家Agent
- Agent矩阵：基于agent_matrix的X0-X4专业工程师
- 统一接口：简洁的API接口，类似ChatGPT的交互体验
- 双轨配置：支持.env文件和WebUI两种配置方式
- 可扩展：易于集成新的大模型和Agent类型
| Agent | 角色名称 | 专业领域 | 核心功能 | 触发条件 |
|---|---|---|---|---|
| Conductor | 前导Agent | 智能调度 | 意图识别、路由决策 | 自动执行 |
| X0逆向 | 逆向工程师 | 推理分析 | 提示词逆向分析 | 输入完整提示词 |
| X0优化 | 提示词优化师 | 融合优化 | 多维度系统性优化 | 要求优化提示词 |
| X1基础 | 基础工程师 | 通用场景 | ATOM框架标准化设计 | 通用Agent设计 |
| X4场景 | 场景工程师 | 应用场景 | 编程、写作、数据分析 | 场景化需求 |
用户输入
│
▼
【前导Agent分析意图】
│
├─► 完整提示词 → X0逆向工程师 → 框架识别 + 优化建议
├─► 优化请求 → X0优化师 → 融合式优化 + 对比报告
├─► 场景需求 → X4场景工程师 → 场景化设计 + 专业提示词
└─► 通用设计 → X1基础工程师 → ATOM框架 + 标准化输出
【X层：工程师角色】
X1基础工程师 → 设计数据分析师提示词
↓
【Y层：下游角色提示词】
"你是一个专业的数据分析师，擅长..."
↓
【Z层：实际产出】
生成完整的数据分析报告
场景1：X→Y→Z完整流程
输入："帮我设计一个数据分析助手"
X层：X4场景工程师 → 设计专业数据分析师提示词
Y层：输出"你是一个专业的数据分析师，擅长数据清洗、统计分析..."
Z层：用户使用Y层提示词 → 生成具体的数据分析报告
场景2：逆向分析流程
输入："你是一个Python助手，擅长代码优化..."
X层：X0逆向工程师 → 分析现有提示词结构
Y层：输出分析报告 + 改进建议
Z层：基于分析结果优化提示词效果
场景3：优化提升流程
输入："请优化这个提示词：[提示词内容]"
X层：X0优化师 → 系统性优化提示词
Y层：输出优化后的提示词 + 性能提升说明
Z层：使用优化后的提示词获得更好的输出效果
prompt_design/
├── packages/ # 核心代码包
│ ├── core/ # 核心服务层
│ │ ├── src/agents/ # Agent实现
│ │ ├── src/services/ # 服务层
│ │ └── dist/ # 构建输出
│ ├── ui/ # UI组件库
│ │ ├── src/components/ # Vue组件
│ │ ├── src/composables/ # 组合式函数
│ │ └── dist/ # 构建输出
│ └── web/ # Web应用
│ ├── src/ # 应用源码
│ └── dist/ # 构建输出
├── agent_matrix/ # Agent矩阵模板
│ ├── X0_optimizer/ # X0优化师模板
│ ├── X0_reverse/ # X0逆向工程师模板
│ ├── X1_basic/ # X1基础工程师模板
│ ├── X4_scenario/ # X4场景工程师模板
│ └── docs/ # 矩阵架构文档
├── docs/ # 项目文档
├── logs/ # 日志文件
└── test/ # 测试文件
git clone https://github.com/hhx465453939/prompt_design.git
cd prompt_designpnpm install复制配置模板：
cp env.example .env.local编辑 .env.local，填入DeepSeek API Key：
VITE_DEEPSEEK_API_KEY=sk-your-actual-key-here
VITE_DEEPSEEK_BASE_URL=https://api.deepseek.com
DEFAULT_CONDUCTOR_MODEL=deepseek-chat
DEFAULT_EXPERT_MODEL=deepseek-chatpnpm dev服务将在 http://localhost:5173 启动。
# 完整开发流程（推荐）
pnpm dev # 构建core → 启动web开发服务器
# 单独构建
pnpm build:core # 构建核心服务层
pnpm build:ui # 构建UI组件库
pnpm build:web # 构建Web应用
pnpm build # 构建所有包
# 测试
pnpm test # 运行所有测试
pnpm test:core # 单独测试core包
# 清理
pnpm clean # 清理所有构建产物
pnpm clean:dist # 清理dist目录
pnpm clean:vite # 清理Vite缓存
# 删除所有 node_modules
Remove-Item -Path "node_modules" -Recurse -Force -ErrorAction SilentlyContinue
Remove-Item -Path "packages\*\node_modules" -Recurse -Force -ErrorAction SilentlyContinue
# 清理 pnpm 缓存
pnpm store prune
# 重新安装
pnpm install
import { LLMService, RouterService } from '@prompt-matrix/core';
// 1. 初始化LLM服务
const llmService = new LLMService();
llmService.initialize({
provider: 'deepseek',
apiKey: 'sk-xxx',
model: 'deepseek-chat',
temperature: 0.7,
maxTokens: 4096,
});
// 2. 创建路由服务
const routerService = new RouterService(llmService);
// 3. 处理用户请求
const response = await routerService.handleRequest(
"帮我设计一个Python编程助手"
);
console.log('调用的Agent:', response.agentType); // 'X4_SCENARIO'
console.log('输出内容:', response.content); // 完整提示词
console.log('Token使用量:', response.metadata.tokensUsed);在对话界面输入不同类型的需求，系统自动调度对应的Agent：
- 输入完整提示词 → X0逆向工程师分析
- 要求"优化提示词" → X0优化师优化
- 要求"设计数据分析助手" → X4场景工程师设计
- 要求"设计AI助手" → X1基础工程师设计
- 意图识别准确率：≥90%
- 路由决策准确率：≥85%
- Token利用率提升：15-20%
- 响应时间：<5秒（非流式）
- X1-X4专业分工：每个工程师专注特定领域，确保专业深度
- X0融合优化：统一优化标准，确保质量一致性
- -X0逆向分析：提供科学依据，支持持续改进
- Token利用率：通过上下文预算和压缩策略，提升15-20%
- 算力优化：最大化利用模型算力，减少冗余计算
- 响应速度：优化工作流程，提升执行效率
- 多层防护：价值观红线、专业伦理、领域特化
- 边界控制：绝对安全边界，防止信息泄露
- 审计机制：完整的执行记录，支持追溯分析
- 框架兼容：支持ATOM、Role-Profile-Goals等多种框架
- 模块化扩展：可轻松添加新的工程师类型
- 持续优化：基于逆向分析的闭环改进机制
# 1. 构建所有包
pnpm build
# 构建输出目录
packages/core/dist/ # 核心服务构建产物
packages/ui/dist/ # UI组件构建产物
packages/web/dist/ # Web应用构建产物（主要部署目录）使用 serve（简单快速）
# 安装 serve
npm install -g serve
# 部署到 packages/web/dist 目录
cd packages/web
serve dist -p 3000
# 访问 http://localhost:3000使用 nginx
server {
listen 80;
server_name your-domain.com;
root /path/to/packages/web/dist;
index index.html;
location / {
try_files $uri $uri/ /index.html;
}
}使用 Apache
<VirtualHost *:80>
ServerName your-domain.com
DocumentRoot /path/to/packages/web/dist
<Directory /path/to/packages/web/dist>
AllowOverride All
Require all granted
</Directory>
</VirtualHost>使用 express
# 安装依赖
npm install express
# 创建 server.js
cat > server.js << 'EOF'
const express = require('express');
const path = require('path');
const app = express();
// 静态文件服务
app.use(express.static(path.join(__dirname, 'packages/web/dist')));
// SPA 路由支持
app.get('*', (req, res) => {
res.sendFile(path.join(__dirname, 'packages/web/dist/index.html'));
});
const PORT = process.env.PORT || 3000;
app.listen(PORT, () => {
console.log(`Server running on port ${PORT}`);
});
EOF
# 启动服务器
node server.jsVercel 部署
# 安装 Vercel CLI
npm install -g vercel
# 在项目根目录创建 vercel.json
cat > vercel.json << 'EOF'
{
"builds": [
{
"src": "packages/web/package.json",
"use": "@vercel/static-build",
"config": {
"distDir": "packages/web/dist"
}
}
],
"routes": [
{
"src": "/(.*)",
"dest": "packages/web/dist/index.html"
}
]
}
EOF
# 部署
vercel --prodNetlify 部署
# 创建 netlify.toml
cat > netlify.toml << 'EOF'
[build]
publish = "packages/web/dist"
command = "pnpm build"
[[redirects]]
from = "/*"
to = "/index.html"
status = 200
EOF生产环境变量
# 创建 .env.production
cat > .env.production << 'EOF'
VITE_DEEPSEEK_API_KEY=your-production-api-key
VITE_DEEPSEEK_BASE_URL=https://api.deepseek.com
DEFAULT_CONDUCTOR_MODEL=deepseek-chat
DEFAULT_EXPERT_MODEL=deepseek-chat
EOF构建时注入环境变量
# 构建时指定环境
NODE_ENV=production pnpm build启用 Gzip 压缩
# nginx 配置
gzip on;
gzip_types text/plain text/css application/json application/javascript text/xml application/xml;CDN 加速
- 将静态资源上传到 CDN
- 配置缓存策略
- 启用 HTTP/2
基础监控
# 使用 PM2 进程管理
npm install -g pm2
# 启动应用
pm2 start server.js --name "prompt-matrix"
# 监控
pm2 monitprompt_design/
├── packages/ # 核心代码包
│ ├── core/ # ✅ 核心服务层（已完成）
│ │ ├── src/agents/ # Agent实现
│ │ │ ├── conductor.ts # 前导Agent（指挥官）
│ │ │ ├── x0-optimizer.ts # X0优化师
│ │ │ ├── x0-reverse.ts # X0逆向工程师
│ │ │ ├── x1-basic.ts # X1基础工程师
│ │ │ ├── x4-scenario.ts # X4场景工程师
│ │ │ └── custom-agent.ts # 自定义Agent
│ │ ├── src/services/ # 核心服务
│ │ │ ├── llm/ # LLM调用服务
│ │ │ ├── router/ # 智能路由调度
│ │ │ ├── agent/ # Agent管理
│ │ │ ├── prompt/ # 提示词管理
│ │ │ └── storage/ # 数据存储
│ │ └── dist/ # 构建输出
│ │
│ ├── ui/ # ✅ UI组件库（已完成）
│ │ ├── src/components/ # Vue组件
│ │ ├── src/composables/ # 组合式函数
│ │ └── dist/ # 构建输出
│ │
│ └── web/ # ✅ Web应用（已完成）
│ ├── src/ # 应用源码
│ └── dist/ # 构建输出
│
├── agent_matrix/ # Agent矩阵模板
│ ├── X0_optimizer/ # X0优化师提示词模板
│ ├── X0_reverse/ # X0逆向工程师模板
│ ├── X1_basic/ # X1基础工程师模板
│ ├── X4_scenario/ # X4场景工程师模板
│ └── docs/ # 矩阵架构文档
│
├── docs/ # ✅ 项目文档（已完成）
│ ├── README.md # 开发指南
│ └── AUTO_MODE_PROPOSAL.md # 自动模式技术方案
│
├── logs/ # 日志文件
├── test/ # 测试文件
├── env.example # 环境变量模板
├── package.json # 项目配置
└── pnpm-workspace.yaml # Monorepo配置
- 结构化设计：基于ATOM框架的标准化设计方法
- 融合式优化：多维度系统性增强策略
- 逆向推理：基于内容特征的智能分析能力
- 量化评估：可量化的性能和安全指标
- 100%框架兼容：保持原有结构不变
- 可追溯性：完整的优化记录和对比报告
- 可复用性：输出提示词可直接用于生产环境
- 持续改进：基于反馈的迭代优化机制
- Token利用率提升15-20%
- 安全覆盖度提升40%+
- 框架兼容性保持100%
- 可追溯性建立完整审计链
- 输出提示词可直接复用
- 完整的优化对比报告
- 科学的逆向分析依据
- 持续的质量改进机制
| 功能模块 | 状态 | 说明 |
|---|---|---|
| 项目结构初始化 | ✅ | Monorepo + pnpm workspace |
| LLMService | ✅ | 统一大模型调用（DeepSeek） |
| ConductorAgent | ✅ | 前导Agent（意图识别+路由决策） |
| RouterService | ✅ | 智能路由服务 |
| X0 OptimizerAgent | ✅ | X0优化师集成 |
| X0 ReverseAgent | ✅ | X0逆向工程师集成 |
| X1 BasicAgent | ✅ | X1基础工程师集成 |
| X4 ScenarioAgent | ✅ | X4场景工程师集成 |
| AgentManager | ✅ | Agent生命周期管理 |
| PromptManager | ✅ | 提示词管理服务 |
| StorageService | ✅ | 数据持久化 |
| 类型系统 | ✅ | 完整TypeScript类型定义 |
| 文档 | ✅ | PRD + 架构 + 快速开始 + 开发指南 |
| 功能模块 | 状态 | 说明 |
|---|---|---|
| UI组件库 | ✅ | Vue 3 + Naive UI |
| ChatWindow | ✅ | 对话窗口组件 |
| InputBox | ✅ | 智能输入框 |
| ConfigPanel | ✅ | 配置面板 |
| MessageItem | ✅ | 消息显示组件 |
| ChatSidebar | ✅ | 会话侧边栏 |
| CustomProviderManager | ✅ | 自定义提供商管理 |
| Web应用 | ✅ | 完整Web应用集成 |
| 流式响应 | ✅ | 支持流式输出 |
| 多模型支持 | ✅ | 支持DeepSeek等主流模型 |
| 消息重新生成 | ✅ | 支持重新生成回复 |
| Markdown导出 | ✅ | 支持导出和复制 |
| 自定义Agent | ✅ | 支持创建和管理自定义Agent |
| 功能模块 | 状态 | 说明 |
|---|---|---|
| 代码质量优化 | ✅ | 生产就绪，移除调试代码 |
| 版本号统一 | ✅ | 所有包版本号统一为v0.1.0-20251005 |
| README文档更新 | ✅ | 更新项目描述和发布说明 |
| 赛博风格Logo | ✅ | 新增矩阵风格ASCII Logo |
| 问题列表整理 | ✅ | 整理已知问题并制定修复计划 |
| 功能模块 | 状态 | 说明 | 对应问题 |
|---|---|---|---|
| 流式输出停止按钮 | ⏳ | 添加流式输出终止功能 | 问题1 |
| 测试模式修复 | ⏳ | 修复自由聊天模式功能 | 问题2 |
| 聊天记录删除优化 | ⏳ | 完善单条删除和批量删除功能 | 问题3 |
| 响应式更新优化 | ⏳ | 优化流式输出的响应式更新 | 问题4 |
| 自定义Agent注册 | ⏳ | 修复自定义Agent注册和路由问题 | 问题5 |
| 逆向工程师增强 | ⏳ | 输出生成者工程师提示词功能 | 问题8 |
| Sources文件路由 | ⏳ | 启用agent_matrix sources文件路由 | 问题9 |
| 默认角色编辑 | ⏳ | 实现默认工程师角色编辑功能 | 问题10 |
| 错误处理增强 | ⏳ | 完善错误提示和处理机制 | 问题6 |
| 功能模块 | 状态 | 说明 | 对应问题 |
|---|---|---|---|
| 性能优化 | ⏳ | 虚拟滚动和性能提升 | 问题7 |
| 自定义Agent增强 | ⏳ | 完善自定义Agent创建和管理 | 扩展功能 |
| 聊天记录优化 | ⏳ | 改进会话管理和持久化 | 扩展功能 |
| Agent选择优化 | ⏳ | 提升智能路由准确率 | 扩展功能 |
| 功能模块 | 状态 | 说明 | 对应问题 |
|---|---|---|---|
| 代码结构优化 | ⏳ | 重构组件结构，提取公共逻辑 | 问题11 |
| 测试覆盖 | ⏳ | 单元测试、集成测试、E2E测试 | 问题12 |
| 生产部署 | ⏳ | Docker容器化和生产部署 | 扩展功能 |
| 监控与日志 | ⏳ | 系统监控和错误追踪 | 扩展功能 |
- 智能Agent矩阵：X0逆向、X0优化、X1基础、X4场景四大专业工程师
- 智能路由系统：自动识别用户意图，调度最合适的专家Agent
- 流式响应：实时的AI对话体验，支持长文本输出
- 多模型支持：兼容DeepSeek等主流大语言模型
- 自定义Agent：支持用户创建和管理专用提示词工程师
- 会话管理：多会话支持、批量操作、消息管理
- Token利用率提升15-20%：通过智能优化算法提升效率
- 安全防护机制：多层安全检查，确保输出内容安全可靠
- 100%框架兼容：保持ATOM等原有框架结构完整性
- 模块化架构：基于TypeScript的严格类型系统，易于扩展
- 后端：Node.js + TypeScript + OpenAI SDK
- 前端：Vue 3 + Naive UI + Vite
- 构建：Tsup + Vitest + pnpm workspace
- 架构：Monorepo + Agent Matrix
- 核心功能修复：流式输出停止按钮、测试模式修复、聊天记录删除优化
- 系统优化：响应式更新优化、自定义Agent注册修复、错误处理增强
- 功能增强：逆向工程师增强、Sources文件路由启用、默认角色编辑功能
- 参考文档：详见 ISSUES_20251005.md 问题1-10
- 性能优化：虚拟滚动和性能提升
- 功能扩展：自定义Agent增强、聊天记录优化、Agent选择优化
- 参考文档：详见 ISSUES_20251005.md 问题7
- 代码质量：代码结构优化、测试覆盖完善
- 生产部署：Docker容器化、监控与日志
- 企业功能：开放API、插件系统
- 参考文档：详见 ISSUES_20251005.md 问题11-12
欢迎贡献！请遵循以下流程：
- Fork本仓库
- 创建特性分支：
git checkout -b feature/amazing-feature - 提交更改：
git commit -m 'feat: add amazing feature' - 推送到分支：
git push origin feature/amazing-feature - 提交Pull Request
- 遵循TypeScript最佳实践
- 使用Conventional Commits规范
- 添加必要的注释和文档
- 确保测试通过
详见 开发指南
本项目采用 Apache 2.0 协议开源。
- 感谢 prompt-optimizer 项目的架构参考
- 感谢所有为Agent矩阵架构做出贡献的开发者
- 问题反馈: 提交 Issue
- 功能建议: 提交 Feature Request
- 技术讨论: 查看 Discussions
git clone https://github.com/hhx465453939/prompt_design.git
cd prompt_design
pnpm install
cp env.example .env.local
# 编辑 .env.local 添加你的 API Key
pnpm dev访问 http://localhost:5173 开始体验智能Agent矩阵的魅力！
🤖 Made with ❤️ by the Prompt Engineering Matrix Team 🎭 Cyberpunk AI Agent System v0.1.0-20251005