AI导哈

AI提示管理与工作流平台

PromptStudio是一个基于现代.NET架构构建的AI提示管理与工作流编排平台，提供创建、管理和执行高级AI代理工作流的工具，适用于企业自动化、代码分析、调试、内容生成和质量保证。

  • by BodieCoding
  • C#
  • 本地部署
  • 更新于
在 GitHub 查看 bodiecoding/promptstudio

使用说明

PromptStudio

🚀 企业人工智能自动化平台

采用现代技术构建的复杂提示管理和工作流编排。NET体系结构

🌐 现场演示 • 📚 文档 • 🚀 快速开始 • 🤖 AI工作流程

PromptStudio是一个复杂的人工智能提示管理和工作流编排平台，采用现代技术构建。NET架构。它为创建、管理和执行高级AI代理工作流提供了一套全面的工具，并为企业自动化、代码分析、调试、内容生成和质量保证提供了专门的提示模板。

📋 目录

🚀 主要特点

  • 🏗️ 现代。NET体系结构：具有关注点分离的干净分层架构
  • 🤖 AI代理工作流：为复杂的多步人工智能自动化设计的高级提示模板
  • 🔍 企业级代码分析：全面的代码审查和重构功能
  • 🐛 智能调试：针对技术问题的系统性问题解决框架
  • 🎨 多模态内容生成：为多平台活动创作创意内容
  • ⚡ 工作流程编排：具有错误处理和监控功能的复杂AI代理工作流管理
  • 🧪 测试生成和QA自动化：集成CI/CD的智能测试策略
  • 🌐 交互式Web界面：现代ASP。NET Core应用程序用于快速管理
  • 🔌 RESTful API：用于集成和自动化的全面API
  • 🔗 模型上下文协议（MCP）支持：与人工智能开发工作流程无缝集成
  • 📊 GitHub集成：通过MCP服务器直接创建问题和工作流编排
  • 🐳 Docker支持：使用Docker Compose完成容器化部署

🏗️ 建筑与项目结构

PromptStudio遵循现代风格。NET最佳实践，具有干净、分层的架构：

PromptStudio/
├── PromptStudio/           # 🌐 ASP.NET Core Web Application (Presentation Layer)
├── PromptStudio.Core/      # 🧠 Business Logic & Domain Models (Core Layer)
├── PromptStudio.Data/      # 💾 Data Access & Entity Framework (Data Layer)
├── PromptStudio.Tests/     # 🧪 Unit & Integration Tests
├── mcp-server/             # 🟢 Node.js MCP Server Implementation
└── PromptStudio.VSCodeExt/ # 📝 VS Code Extension

关键组件

  • 表示层：现代ASP。NET Core web应用程序，具有响应式UI
  • 业务逻辑：具有服务、存储库和域模型的干净架构
  • 数据层：支持SQLite/SQL Server的实体框架核心
  • 测试：可靠性和可维护性的综合测试套件
  • MCP集成：基于Node.js的MCP服务器，用于AI工作流集成
  • VS代码扩展：通过及时管理增强开发经验

🚀 入门指南

先决条件

  • .NET 8.0 SDK 或以后
  • SQL Server （本地数据库、SQL Server Express或完整的SQL Server）
  • Node.js 18+ （适用于MCP服务器组件）
  • Visual Studio 2022 或 VS代码 （推荐）
  • Docker&Docker编写 （可选，用于容器化部署）

快速启动选项

🐳 选项1:Docker Compose（推荐用于生产环境）

  1. 📂 克隆存储库

    git clone https://github.com/BodieCoding/promptstudio.git
cd promptstudio

  2. 🚀 使用Docker Compose启动

    # Production deployment
docker-compose up -d

# Development with hot reload
docker-compose -f docker-compose.yml -f docker-compose.dev.yml up

  3. 🌐 访问应用程序

    • PromptStudio Web用户界面: http://localhost:5000
    • MCP服务器: http://localhost:3001
    • SQL Server：本地主机：1433

💻 方案2：地方发展

  1. 📂 克隆存储库

    git clone https://github.com/BodieCoding/promptstudio.git
cd promptstudio

  2. 🗄️ 数据库设置2. 🗄️ 数据库设置 该应用程序包括全面的种子数据和企业级AI代理提示模板：

    dotnet ef database update --startup-project PromptStudio/PromptStudio.csproj --project PromptStudio.Data/PromptStudio.Data.csproj

  3. ⚙️ 环境设置 应用程序将在首次运行时自动创建和配置数据库，并提供全面的种子数据。

  4. 🔨 构建解决方案

    dotnet build PromptStudio.sln

  5. ▶️ 运行PromptStudio

    dotnet run --project PromptStudio/PromptStudio.csproj

    访问应用程序 http://localhost:5131

  6. 🔗 运行MCP服务器（可选）

    cd mcp-server && npm install && npm start

🤖 AI代理工作流

PromptStudio预先配置了专为企业自动化设计的复杂AI代理提示模板：

可用收藏

AI代理工作流 🧠

用于复杂多步人工智能自动化的高级提示模板：

  1. 高级代码分析与重构 （21个变量）

    • 结合业务背景进行全面的代码质量评估
    • 架构审查和性能优化
    • 用影响分析重构建议
    • 风险评估和实施规划

  2. AI驱动的调试和问题解决 （40+个变量）

    • 系统性问题诊断和解决框架
    • 环境背景下的根本原因分析
    • 解决方案验证和测试策略
    • 绩效影响评估

  3. 多模态创意内容生成器 （60+个变量）

    • 多平台内容创建和优化
    • A/B测试框架集成
    • 品牌一致性和合规性检查
    • 绩效指标和投资回报率跟踪

  4. AI代理工作流编排 （80+个变量）

    • 复杂的多步骤工作流设计和管理
    • 错误处理和回退策略
    • 监控和警报配置
    • 可扩展性和性能优化

  5. 智能测试生成和QA自动化 （80+个变量）

    • 制定全面的测试策略
    • CI/CD管道集成
    • 质量指标和合规性报告
    • 风险评估和缓解计划

样品采集 📚

入门的基本模板：

  • 代码审查模板
  • 基本提示结构

🐳 Docker部署

PromptStudio使用Docker Compose提供完整的容器化部署，包括web应用程序、SQL Server数据库和MCP服务器。

服务包括

  • 🌐 PromptStudio Web应用程序：ASP。NET Core应用程序在端口5000上运行
  • 💾 SQL Server：端口1433上的Microsoft SQL Server 2019
  • 🔗 MCP服务器：端口3001上的基于Node.js的MCP服务器

生产部署

# Start all services
docker-compose up -d

# View logs
docker-compose logs -f

# Stop all services
docker-compose down

热重载开发

# Development mode with file watching
docker-compose -f docker-compose.yml -f docker-compose.dev.yml up

# Rebuild specific service
docker-compose build promptstudio
docker-compose up -d promptstudio

服务URL

  • PromptStudio: http://localhost:5000
  • MCP服务器: http://localhost:3001
  • SQL Server：本地主机：1433（在/2个3 robotduchtag！）

环境变量

Docker设置包括预配置的环境变量：

  • 数据库连接：为容器化SQL Server自动配置
  • MCP集成：服务可以通过内部Docker网络进行通信
  • API URL：已配置跨服务通信

故障排除

# Check service status
docker-compose ps

# View specific service logs
docker-compose logs promptstudio
docker-compose logs mcp-server
docker-compose logs sqlserver

# Restart specific service
docker-compose restart promptstudio

运行应用程序

使用Web界面

  1. 启动PromptStudio： dotnet run --project PromptStudio/PromptStudio.csproj
  2. 打开浏览器 http://localhost:5131
  3. 探索AI Agent工作流集合以获取高级自动化模板
  4. 创建和执行复杂的提示工作流，并提供广泛的变量支持

API集成

PromptStudio为自动化和集成提供了全面的REST API：

  • 收集API: /api/prompts/collections -管理即时收款
  • 提示API: /api/prompts/prompts -创建和管理提示模板
  • 执行API: /api/prompts/execute -使用变量执行提示
  • 批处理: /api/prompts/batch -使用变量集合执行提示

API使用示例：

# Get all collections
curl http://localhost:5131/api/prompts/collections

# Execute a prompt
curl -X POST http://localhost:5131/api/prompts/execute \
  -H "Content-Type: application/json" \
  -d '{"id": 1001, "variables": "{\"code_type\":\"microservice\", \"project_name\":\"PaymentAPI\"}"}'

🛠️ 开发工具

使用VS代码任务

工作区包括可通过命令面板访问的预配置任务(Ctrl+Shift+P → “任务：运行任务”）：

  • 🌐 Run PromptStudio：在以下位置启动web应用程序http://localhost:5131
  • 🔗 Run MCP Server：启动Node.js MCP服务器
  • 🔨 build：构建整个解决方案
  • 📦 publish：创建生产就绪版本
  • 👀 watch：运行热重载以进行开发

使用。NET-CLI

# Run the main web application
dotnet run --project PromptStudio/PromptStudio.csproj

# Run with hot reload (development)
dotnet watch run --project PromptStudio/PromptStudio.csproj

# Run the Node.js MCP server  
cd mcp-server && npm install && npm start

🔌 模型上下文协议（MCP）集成

PromptStudio提供了一个基于Node.js的MCP服务器，用于无缝集成AI工作流：

MCP服务器

  • **mcp服务器**（基于Node.js）：轻量级、跨平台实现，完全集成PromptStudio

配置

MCP服务器可以与各种AI开发工具集成。请参阅 mcp-server/ 配置示例和设置说明的目录。

GitHub集成

随附的GitHub MCP服务器支持：

  • 🎯 直接问题创建 根据分析结果
  • 📋 自动化项目管理 通过提示工作流
  • 🔄 持续改进 通过精心策划的分析周期

💾 数据库管理

实体框架迁移

PromptStudio使用带有SQLite（默认）或SQL Server支持的实体框架核心。

设置数据库

# Install EF tools (if not already installed)
dotnet tool install --global dotnet-ef

# Apply migrations and seed data
dotnet ef database update --startup-project PromptStudio/PromptStudio.csproj --project PromptStudio.Data/PromptStudio.Data.csproj

创建新迁移

# Add a new migration when making schema changes
dotnet ef migrations add MigrationName --startup-project PromptStudio/PromptStudio.csproj --project PromptStudio.Data/PromptStudio.Data.csproj

# Apply the new migration
dotnet ef database update --startup-project PromptStudio/PromptStudio.csproj --project PromptStudio.Data/PromptStudio.Data.csproj

种子数据

应用程序会自动使用全面的提示模板进行播种：

  • 📚 样品采集：入门的基本模板
  • 🤖 AI代理工作流：5个企业级自动化模板，共有280+个变量
  • 🎯 代码分析编排器：用于持续代码改进的专业工作流程

🧪 测试和质量保证

PromptStudio包括全面的测试和验证工具：

自动化测试

# Run all tests
dotnet test PromptStudio.sln

# Run specific test project
dotnet test PromptStudio.Tests/PromptStudio.Tests.csproj

集成测试

该项目包括用于验证不同功能的测试实用程序：

  • 🔗 test-mcp-connection.js：测试MCP服务器集成
  • 🧪 API测试实用程序：验证API终结点和工作流
  • 🤖 MCP集成验证：测试AI开发工作流集成

质量保证

  • 代码分析：内置静态代码分析
  • 集成测试：全面的API和工作流程测试
  • MCP验证：MCP服务器实施的自动化测试

📚 文档和资源

获取帮助

  • 🌐 web界面：访问PromptStudio http://localhost:5131
  • 📖 API文档：RESTful端点，带有全面的示例
  • 🔗 MCP集成指南：Node.js服务器实现和配置
  • 🎯 企业模板：预构建的复杂提示模板
  • 📋 代码分析指南：全面的工作流程编排文档

关键资源

  • CODE_ANALYSIS_ORCHESTRATOR_GUIDE.md：自动化代码分析工作流程的完整指南
  • VSCODE_EXTENSION_TEST_GUIDE.md：VS代码扩展测试和开发指南
  • mcp-server/README.md：MCP服务器设置和配置指南
  • API示例：所有端点的全面cURL和JavaScript示例

🚀 后续步骤

  1. 🌐 探索Web界面：从AI代理工作流集合开始
  2. 🎯 尝试高级模板：将代码分析编排器用于实际场景
  3. 🔌 API集成：将PromptStudio与您现有的自动化工作流程集成
  4. 🔗 MCP设置：使用附带的Node.js MCP服务器配置您的AI开发环境
  5. 📝 自定义提示：创建自己的企业级提示模板
  6. 🤖 GitHub集成：设置自动问题创建和项目管理

🤝 贡献

我们欢迎捐款！请参阅我们的投稿指南和：

  • 遵循既定的架构模式
  • 包括对新功能的全面测试
  • 更新任何新功能的文档
  • 彻底测试MCP集成

📄 许可证

此项目根据MIT许可证获得许可-有关详细信息，请参阅许可证文件。

PromptStudio: 通过复杂的提示管理和工作流编排实现企业人工智能自动化。

相关 MCP