WWW ‘26论文背后的PromptX：一个带长期记忆的认知智能体平台是怎么设计出来的-育师

WWW '26论文背后的PromptX：一个带长期记忆的认知智能体平台是怎么设计出来的

【免费下载链接】PromptXPromptX · 领先的AI 智能体上下文平台｜ PromptX · Leading AI Agent Context Platform项目地址: https://gitcode.com/Deepractice/PromptX

PromptX 是一个 AI 智能体上下文平台（Cognitive Agent Platform），它基于 MCP 协议为 Claude、Cursor 等 AI 应用注入"专业角色 + 长期记忆 + 智能工具"三大能力。本文带你读懂它被 WWW '26 收录的论文《PromptX: A Cognitive Agent Platform with Long-term Memory》背后的设计思路：为什么 AI Agent 需要"大脑"，以及 PromptX 是如何用一张认知记忆网络实现的。

为什么 AI Agent 需要长期记忆？

用过大模型的人都有这个体验：关掉对话，AI 就把你忘得干干净净。它不知道你项目用的是什么技术栈，不记得上次讨论的结论，更谈不上积累经验。

这就是当前 Agent 的最大短板——没有长期记忆，AI 永远在"第一天上班"的状态。PromptX 给出的答案不是把聊天记录塞进上下文（那样成本越来越高、效果越来越差），而是给 AI 装一个仿生的"认知系统"：

Remember（记忆写入）：像海马体编码一样，把对话中的关键洞见提炼成概念之间的连接
Recall（记忆召回）：两阶段检索，先粗召回候选，再精排给出最相关的记忆子图
Prime（启动激活）：会话开始时，按频率和时间自动"预热"最该想起的概念

对新手来说，你不需要理解任何算法——这些能力都封装成了 MCP 工具，AI 会在合适的时机自己调用。

认知记忆网络：Cue、Network 与 Mind

PromptX 的认知系统只定义了三个核心数据结构，位于 packages/core/src/cognition/：

结构	类比	作用
Cue（线索）	大脑神经元	网络中的概念节点，自管理连接
Network（网络）	整个大脑	所有 Cue 的容器
Mind（心智）	一次"走神"	以某个 Cue 为中心被激活的子图

设计上有个很克制的原则：只存概念之间的连接关系，不存原始内容——理解语义这件事交给大模型，记忆系统只管"哪些概念挨在一起、连接有多强"。

整个系统由 CognitionSystem.js 作为统一门面协调，外部只需与它交互，内部策略可随时替换。

Remember：记忆写入就像海马体编码

写入端的核心是 Remember.js。当一段对话产生了值得记住的知识，PromptX 会把它提炼成一个"概念序列"（Schema），比如["认知", "模型", "训练", "效果"]，然后分两步写入网络：

确保每个概念节点存在（不存在就创建）
按顺序建立连接，每个连接都带有强度权重

两个细节值得注意：

覆盖而非累加：新记忆会覆盖旧记忆，符合"遗忘也是学习"的认知规律，也避免权重无限膨胀
权重策略可插拔：默认为温度权重策略（衰减 0.9、温度 0.8），写入和召回共用同一策略，保证"记的方式"和"取的方式"一致

Recall：两阶段召回，像搜索引擎一样找记忆

检索端实现于 TwoPhaseRecallStrategy.js，借鉴了信息检索的经典套路：

第一阶段·粗召回：从查询词出发，沿网络连接做扩散激活（默认海马体激活策略），快速圈出候选集
第二阶段·精排序：按类型权重（PATTERN 2.0 / LINK 1.5 / ATOMIC 1.0）、相关度、连接强度、时间衰减四个维度综合打分，输出一个有配额的 Mind 子图

这意味着记忆不是"整块调出来"，而是按当前话题激活一片相关的概念网络——和你人脑"牵一发而动全身"的联想方式一致。

MCP 层把召回包装成recall工具（recall.ts），AI 每次回答前都可以先"翻翻脑子"。

什么时候"存档"？remember 工具的强制规则

remember.ts 里写了一条"铁律"：对话结束前必须调用 remember 保存关键洞见——就像打游戏存档，不存档下次就得从头再来。

它还定义了三种记忆类型，帮助 AI 判断该存什么：

类型	存什么	例子
ATOMIC（原子）	事实、实体	"Redis 默认端口 6379"
LINK（关联）	概念间关系	"数据库用连接池管理"
PATTERN（模式）	流程、方法论	"登录 → 选品 → 结算"

并且内置了"奥卡姆剃刀"原则：写入前先删掉所有非必要词汇，只留最小本质信息。

角色与锦囊：让 AI 变成行业专家

光有记忆还不够，PromptX 的另一个核心是角色系统（RoleX）。角色用声明式的 DPML 格式描述，标签内的内容可以被解析器 DPMLContentParser.js 拆成"语义内容 + 资源引用"，一个角色文件就是自包含的专家知识包。

在角色之上还有一套"锦囊框架"（packages/core/src/pouch/README.md）：借鉴诸葛锦囊的设计，每个锦囊（welcome 发现专家、action 激活专家、recall 检索记忆等）都是一个 AI 友好的自包含指令单元，并自带"下一步导航"信息，引导 AI 自然流转。

对普通用户的体验就是三步：

"看看有哪些专家" → 列出 23 个可用角色
"我需要产品经理" → AI 瞬间切换身份
直接聊业务 → 专家状态全程保持，且会记得你说过的一切

内置专家团：一句话召唤一个专家

PromptX 自带多个精心设计的内置角色，覆盖最常见的专业场景：

角色	擅长
女娲 Nuwa	AI 角色创建——一句话造一个专家
鲁班 Luban	工具集成——任意 API 三分钟变工具
文章写手 Writer	写出不像 AI 的专业内容
姜子牙 Jiangziya	AI 时代的转型与岗位设计

三分钟上手：新手最快使用步骤

方式一：桌面客户端（推荐）

从官网下载 macOS / Windows 客户端，打开即自动启动 MCP 服务
在 Claude / Cursor / Trae 的 MCP 配置中加入http://127.0.0.1:5203/mcp（配置示例见 README.md）
对 AI 说"看看有哪些专家"，开始对话

方式二：命令行直跑（开发者）

在 MCP 配置中用npx @promptx/mcp-server直接启动，无需安装客户端。

客户端还内置了记忆编辑器与可视化：可以查看记忆网络图谱、编辑/删除单条记忆（Engram）、浏览召回路径——你的 AI 大脑第一次变得"可检查"。

从论文到代码：设计是如何被验证的

论文全文可在线阅读：paper/PromptX_WWW26_Paper.pdf。

如果你想深入源码，建议按这条路径阅读：

认知系统总览：packages/core/src/cognition/index.js
系统门面与策略注入：CognitionSystem.js
写入 / 召回 / 激活：Remember.js · TwoPhaseRecallStrategy.js · Prime.js
MCP 工具层：packages/mcp-server/src/tools/
记忆生命周期端到端测试：features/e2e/cognition/memory-lifecycle.feature（覆盖首存、召回激活、多角色隔离、频率更新、重启持久化等场景）
发布工作流架构：docs/workflow-architecture.md