OpenProse 示例库实战指南：从 48 个 .prose 示例掌握多智能体工作流语言

人工智能大模型LLM 网关AI Agent即时通讯【免费下载链接】openclaw-zero-tokenOpenClaw: Use All Major AI Models NO API Token! Claude/ChatGPT/Gemini/DeepSeek/Doubao/Grok/Qwen/Manus/Kimi项目地址https://gitcode.com/gh_mirrors/op/openclaw-zero-token点击查看免费下载本指南以 OpenProse 示例库 README 为骨架完整讲解 OpenProse 编程语言一种面向 AI 会话的可声明式多智能体工作流语言在 OpenClaw 生态中的 48 个示例、三大核心编排模式架构师模拟、船长椅、递归语言模型并给出全部语言特性的可运行语法速查。读完本文你将能够读懂任意.prose程序、按需运行示例、并独立编写自己的多智能体工作流。一、示例库全景48 个示例如何组织OpenProse 示例库位于 extensions/open-prose/skills/prose/examples/ 目录共包含 48 个.prose程序按学习路径与复杂度分为 12 个主题分组。示例采用渐进式编排先学最基础的单个会话再依次掌握智能体、变量、并行、循环、管道、错误处理最后进入生产级工作流与元级自举程序。1.1 基础入门01-08文件说明01-hello-world.prose最简单的程序——单个会话02-research-and-summarize.prose研究一个主题然后总结发现03-code-review.prose多视角代码评审流水线04-write-and-refine.prose起草内容并迭代改进05-debug-issue.prose逐步调试工作流06-explain-codebase.prose渐进式探索代码库07-refactor.prose系统性重构工作流08-blog-post.prose端到端内容创作其中01-hello-world.prose展示的是 OpenProse 的最简形态整份程序往往只有一行session Hello world这行语句即向一个子智能体派发一次任务。从这一行出发后续 47 个示例逐步叠加了语言的所有能力。1.2 智能体与技能09-12文件说明09-research-with-agents.prose自定义智能体与模型选择10-code-review-agents.prose专业化的评审智能体11-skills-and-imports.prose外部技能导入12-secure-agent-permissions.prose智能体权限与访问控制这一分组引入agent定义、skills与permissions属性是构建可复用子智能体团队的开端。1.3 变量与组合13-15文件说明13-variables-and-context.proselet/const 绑定与上下文传递14-composition-blocks.prose命名块、do 块15-inline-sequences.prose箭头操作符链式调用1.4 并行执行16-19文件说明16-parallel-reviews.prose基础并行执行17-parallel-research.prose具名并行结果18-mixed-parallel-sequential.prose并行与串行混合模式19-advanced-parallel.prose汇合策略join strategies、失败策略failure policies1.5 循环20文件说明20-fixed-loops.proserepeat、for-each、并行 for 模式例如20-fixed-loops.prose同时演示了三种循环的典型用法# Repeat block - generate multiple ideas repeat 3: session Generate a creative app idea # For-each block - iterate over a collection let features [authentication, dashboard, notifications] for feature in features: session Design the user interface for this feature context: feature # Parallel for-each - research in parallel let topics [market size, competitors, technology stack] parallel for topic in topics: session Research this aspect of the startup idea context: topic session Synthesize all research into a business plan1.6 管道21文件说明21-pipeline-operations.prosemap、filter、reduce、pmap 变换1.7 错误处理22-23文件说明22-error-handling.prosetry/catch/finally 模式23-retry-with-backoff.prose带重试/退避的弹性 API 调用1.8 高级特性24-27文件说明24-choice-blocks.proseAI 选择分支25-conditionals.proseif/elif/else 模式26-parameterized-blocks.prose带参数的可复用块27-string-interpolation.prose使用 {var} 语法的动态提示词1.9 编排系统28-31文件说明28-gas-town.prose多智能体编排智能体的 Kubernetes包含 7 种工人角色、巡逻、车队与 GUPP 推进29-captains-chair.prose完整船长椅模式协调智能体将所有工作派发给子智能体含并行研究、评论家评审循环与检查点验证30-captains-chair-simple.prose极简船长椅去掉复杂度的核心模式31-captains-chair-with-memory.prose带回溯分析与会话间学习的船长椅1.10 生产工作流33-38文件说明33-pr-review-autofix.prose带修复建议的自动化 PR 评审34-content-pipeline.prose端到端内容创作流水线35-feature-factory.prose特性实现自动化36-bug-hunter.prose系统性缺陷检测与分析37-the-forge.prose从零构建一个浏览器38-skill-scan.prose技能发现与分析1.11 架构模式39文件说明39-architect-by-simulation.prose通过模拟实现阶段设计系统串行交接 持久架构师1.12 递归语言模型40-43文件说明40-rlm-self-refine.prose递归精炼直至质量阈值——核心 RLM 模式41-rlm-divide-conquer.prose面向超上下文限制输入的分层分块42-rlm-filter-recurse.prose大海捞针型任务的先过滤再处理43-rlm-pairwise.prose关系映射的 O(n²) 两两聚合1.13 元级 / 自托管44-48文件说明44-run-endpoint-ux-test.prose并发智能体测试 /run API 端点45-plugin-release.proseOpenProse 插件发布工作流本仓库46-workflow-crystallizer.prose反思型观察线程、提取工作流、写出 .prose47-language-self-improvement.prose元级 2分析 .prose 语料以演化语言本身48-habit-miner.prose从 AI 会话日志挖掘模式并生成 .prose 自动化补充说明实际目录中部分编号存在多个文件例如 28 号同时有28-automated-pr-review.prose与28-gas-town.prose45/46 号也各有 2~3 个变体如45-run-endpoint-ux-test-with-remediation.prose、46-run-endpoint-ux-test-fast.prose另有49-prose-run-retrospective.prose与roadmap/子目录含simple-pipeline.prose、parallel-review.prose、iterative-refinement.prose等表明示例库仍在持续演进。二、运行示例三种入口按原文档的说明运行示例最直接的方式是让 Claude 执行Run the code review example from the OpenProse examples或直接引用文件路径Execute examples/03-code-review.prose在 OpenClaw 环境下OpenProse 通过prose命令体系被调用见 prose.md命令作用prose run file.prose执行本地.prose程序prose run handle/slug从注册表registry拉取并执行prose compile file只校验语法不执行prose help显示帮助与示例prose examples列出或运行内置示例prose update迁移遗留工作区文件远程程序同样支持且use语句遵循相同的解析规则# 直接 URL——任意可抓取的 URL 均可 prose run https://raw.githubusercontent.com/openprose/prose/main/skills/open-prose/examples/48-habit-miner.prose # 注册表简写——handle/slug 解析到 p.prose.md prose run irl-danb/habit-miner解析规则以http://或https://开头 → 直接抓取包含/但无协议 → 解析为https://p.prose.md/{path}否则视为本地文件路径。该规则同样适用于程序内部的use语句。三、三大核心编排模式原文档将 48 个示例中最具架构价值的模式提炼为三套架构师模拟、船长椅与递归语言模型。它们分别对应如何用规范代替代码做设计、如何组织一支子智能体团队与如何处理远超上下文限制的输入三类场景。3.1 架构师模拟模式Architect By Simulation该模式用于通过推理来实施系统设计。与写代码不同每个阶段产出的是规格文档specification documents供下一阶段继续构建。核心原则继承自原文档思考/演绎框架实施意味着推理穿过设计决策串行流水线 交接每个阶段读取前一阶段的输出持久架构师维护主计划并综合各阶段学习成果用户检查点在执行流水线之前获得计划批准模拟即实施规格文档本身就是交付物原文档给出的核心模式骨架# The core pattern agent architect: model: opus persist: true prompt: Design by simulating implementation # Create master plan with phases let plan session: architect prompt: Break feature into design phases # User reviews the plan BEFORE the pipeline runs input user_approval: User reviews plan and approves # Execute phases serially with handoffs for phase_name, index in phases: let handoff session: phase-executor prompt: Execute phase {index} context: previous_handoffs # Architect synthesizes after each phase resume: architect prompt: Synthesize learnings from phase {index} context: handoff # Synthesize all handoffs into final spec output spec session: architect prompt: Synthesize all handoffs into final spec完整实现见 39-architect-by-simulation.prose。真实示例中的实现比骨架更丰富值得对照学习几个语言细节持久化智能体agent architect使用model: opuspersist: true配合resume:语句在多个阶段间保持上下文compiler.md 规定session:忽略既有记忆、resume:加载记忆继续对非持久化智能体使用resume:是编译错误。可复用块block gather-context(files)、block execute-phase(phase_number, phase_name, previous_handoffs)、block synthesize-spec(all_handoffs, spec_path)三个参数化块把收集上下文 / 执行阶段 / 综合规格封装为可复用单元用do调用并捕获返回值。AI 判定条件if **review found critical issues that need addressing**这类条件使用**...**离散标记discretion markers由 OpenProse VM 在运行时语义化求值而非字面布尔表达式。串行交接for phase_name, index in phase_names:循环内通过accumulated_handoffs {accumulated_handoffs}\n\n---\n\n{handoff}累加全部交接文档形成链条式上下文传递。3.2 船长椅模式Captains Chair船长椅是一种编排范式一个协调智能体船长把所有执行工作派发给专业化子智能体。船长从不直接写代码——只负责规划、协调与验证。核心原则继承自原文档上下文隔离子智能体只接收针对性上下文而非全部信息并行执行尽可能让多个子智能体并发工作持续批评评论家智能体在流程中途评审计划与输出80/20 规划80% 精力用于规划20% 用于执行监督检查点验证关键决策点获得用户批准原文档给出的核心模式骨架# The core pattern agent captain: model: opus prompt: Coordinate but never execute directly agent executor: model: sonnet prompt: Execute assigned tasks precisely agent critic: model: sonnet prompt: Review work and find issues # Captain plans let plan session: captain prompt: Break down this task # Parallel execution with criticism parallel: work session: executor context: plan review session: critic context: plan # Captain validates output result session: captain prompt: Validate and integrate context: { work, review }完整实现见 29-captains-chair.prose它展示了一支分工明确的船员团队captainopus战略分解、派发、验证绝不写代码researcherhaiku快速定向信息收集codersonnet实现专员criticsonnet多视角质量评审testersonnetQA 与边界测试。示例中几个值得关注的工程化写法block research-sweep(topic)用parallel (on-fail: continue)同时从文档、代码、测试、issue 四个角度收集上下文——即使某个方向失败也不阻断其余分支block review-cycle(code_changes)在parallel:中同时派出 security/correctness/style/perf 四路批评家block implement-with-review(implementation_plan)把实现 → 评审 → 若有严重问题则修复封装成一个带内置评审循环的块并用if **critical issues found in review**分支输出fixed或原code主流程用parallel (on-fail: continue)并行执行实现与测试编写最后context: { impl_a, impl_b, final_plan }对象简写语法把多个具名结果一次性传给船长做整合验证。30-captains-chair-simple.prose去掉复杂层只留核心骨架31-captains-chair-with-memory.prose加入回溯分析与会话间学习依赖持久化智能体。3.3 递归语言模型模式RLM递归语言模型是处理远超上下文限制的输入的一种范式其关键洞察是把提示词当作 LLM 可以通过符号化方式交互的外部环境——分块chunk、递归处理。原文档给出的背景依据基础 LLM 在长上下文上会快速退化context rot上下文腐烂RLM 在超出上下文限制 2 个数量级的输入上保持性能在二次复杂度任务上基础模型 0.1%而 RLM 达到 58%以上数据来自原文档陈述用于说明该模式的价值主张具体数值取决于对应研究场景与数据集。四种关键模式继承自原文档自我精炼递归改进直至质量阈值分而治之递归地进行分块 → 处理 → 聚合先过滤再递归在昂贵的深度处理之前先用廉价过滤两两聚合通过批量分解处理 O(n²) 任务原文档给出的核心 RLM 模式递归块 作用域隔离# The core RLM pattern: recursive block with scope isolation block process(data, depth): # Base case if **data is small** or depth 0: output session Process directly context: data # Recursive case: chunk and fan out let chunks session Split into logical chunks context: data parallel for chunk in chunks: do process(chunk, depth - 1) # Recursive call # Aggregate results (fan in) output session Synthesize partial resultsOpenProse 为 RLM 提供的语言级支撑继承自原文档并结合 compiler.md 验证作用域隔离每次递归调用拥有独立的execution_id防止变量冲突注意OpenProse 变量命名空间是扁平且全局唯一的重复定义是编译错误 E019而递归调用通过块参数depth传递状态规避了同名覆盖并行扇出parallel for让每一层递归可并发处理状态持久化SQLite/PostgreSQL 后端可追踪完整调用树见 state/ 下的sqlite.md与postgres.md自然聚合管道| reduce与显式上下文传递实现扇入。完整实现见 40-43 号示例。其中 40-rlm-self-refine.prose 是最纯正的自精炼形态——递归块refine(content, depth)以depth 0为基线先由 evaluator 打分if **score 85**时提前收敛否则交给 refiner 修复后output do refine(improved, depth - 1)递归深入41-rlm-divide-conquer.prose 则是分而治之的完整实现chunkerhaiku按语义边界切 4-8 块 →parallel for chunk in chunks递归process(chunk, depth - 1)→ synthesizeropus综合局部结果并调和冲突。四、OpenProse 语言功能参考原文档末尾附带的 Feature Reference 是一份可对照速查的语法手册下面完整继承并补充语言规范中的验证规则与执行语义便于实际编写.prose程序时参考。完整语法规范见 compiler.md。4.1 核心语法# Comments session prompt # Simple session let x session ... # Variable binding const y session ... # Immutable binding要点据 compiler.md注释以#开头到行尾编译期被剥离VM 永远看不到它们字符串内部的#不是注释字符串支持转义序列\\、\、\n、\t...多行字符串保留内部空白let可重赋值const不可所有变量名在程序内全局唯一扁平命名空间同名覆盖是编译错误会话提示词为空或超过 10,000 字符会触发警告W001/W003。4.2 智能体Agentsagent name: model: sonnet # haiku, sonnet, opus prompt: System prompt skills: [skill1, skill2] permissions: read: [*.md] bash: deny模型选择建议继承自原文档模型适用场景haiku快速、简单任务快速响应sonnet均衡性能通用任务opus复杂推理深度分析扩展属性据 compiler.mdpersisttrue内存随执行销毁存于.prose/runs/{id}/agents/{name}/、project跨执行存活存于.prose/agents/{name}/或自定义 STRING 路径permissions类型read/write/executeglob 模式数组、bash、network取值allow/deny/prompt或模式数组skills必须先用use导入再赋给智能体否则产生警告 W007会话语句可以覆盖智能体的model与prompt等属性无效模型值E008、重复定义E006等均为编译错误。4.3 并行执行Parallelparallel: # Basic parallel a session A b session B parallel (first): # Race - first wins parallel (any, count: 2): # Wait for N successes parallel (on-fail: continue): # Dont fail on errors据 compiler.md汇合策略join strategies与失败策略failure policies的完整语义如下策略取值行为汇合默认all等待所有分支完成汇合竞速first首个分支完成后返回取消其余汇合N 选 Many可配count: N任意 N 个成功即返回失败策略默认fail-fast任一分支失败立即失败并取消其余失败策略continue等待所有分支完成后再汇总失败失败策略ignore忽略所有失败始终成功修改器可组合例如parallel (first, on-fail: continue)表示竞速 弹性。count仅在any下合法否则报错on-fail取值必须是三者之一否则报错。并行块内捕获的具名结果可用对象简写context: { a, b }一次性传给后续会话。4.4 循环Loopsrepeat 3: # Fixed iterations session ... for item in items: # For-each session ... parallel for item in items: # Parallel for-each session ... loop until **condition** (max: 10): # Unbounded with AI condition session ...扩展细节据 compiler.mdrepeat N as i:提供索引变量从 0 开始for item, i in items:可同时取元素与索引parallel for等价于把每次迭代展开为parallel:分支是典型的扇出fan-out模式loop until **X**/loop while **X**使用**...**离散标记由 AI 在运行时求值多行条件用***...***无条件的裸loop:会产生无界循环警告务必加(max: N)安全上限迭代变量用as声明并作用域限定在循环体内。4.5 管道Pipelinesitems | map: # Transform each session ... items | filter: # Keep matching session ... items | reduce(acc, x): # Accumulate session ... items | pmap: # Parallel transform session ...要点据 compiler.mdmap/filter/pmap体内隐式变量为itemfilter的会话应返回可被 VM 解释为真/假的值如 yes/noreduce(accVar, itemVar)必须显式命名累加器与当前元素集合首元素作为初始累加值管道可链式组合如| filter: ... | map: ...自左向右执行未定义输入集合、管道操作符非法、reduce 缺变量均为编译错误。4.6 错误处理Error Handlingtry: session ... catch as err: session ... finally: session ... session ... retry: 3 backoff: exponential # none, linear, exponential throw message # Raise error要点据 compiler.md执行顺序try 成功 → try → finallytry 失败 → try → catch → finallythrow无参时在 catch 内重抛给外层处理器内层 catch 不会触发外层处理器除非重抛backoff策略none默认立即重试、linear固定延迟、exponential指数加倍1s、2s、4s、8s…try至少需要catch或finally之一否则报错重试次数须为正整数超过 10 次触发警告每个并行分支可自带 try/catch这与on-fail:策略控制未处理错误互补。4.7 条件与选择Conditionals Choiceif **condition**: session ... elif **other condition**: session ... else: session ... choice **criteria**: option Label A: session ... option Label B: session ...要点据 compiler.mdif/elif/else条件均为 AI 求值的离散标记elif必须跟在if后、else必须跟在if或elif后否则报错且只能有一个elsechoice由 VM 依据标准criteria选择最合适的标签选项并只执行该选项每个选项体可包含多条语句支持嵌套空条件E、空选项体警告等均有对应校验规则。4.8 组合块与字符串插值Blocks Interpolationblock name(param): # Define with parameters session ... {param} ... do name(value) # Invoke with arguments let x session Get value session Use {x} in prompt # Single-line session # Multi-line Multi-line prompt with {x} 要点据 compiler.md块定义会被提升hoisting可以在定义之前do调用块参数在块体内隐式const参数遮蔽外部同名变量时产生警告块与do:块均可嵌套也支持把结果绑定给变量let result do: ...插值变量名必须是合法标识符且必须在作用域内未定义即报错空花括号{}视为字面文本反斜杠可转义花括号\{产生字面{。五、从示例到生产值得照抄的工作流模板除三大核心模式外示例库中还有几组极具复用价值的工作流模板PR 自动评审与修复33-pr-review-autofix.prose把评审 → 提出修复建议自动化可嵌入 CI 或日常开发流程。内容流水线34-content-pipeline.prose与特性工厂35-feature-factory.prose前者是端到端内容创作选题、调研、撰写、校对后者把特性实现拆成可执行的自动化步骤——都大量使用parallel与block组合。缺陷猎人36-bug-hunter.prose与技能扫描38-skill-scan.prose系统化缺陷检测、技能发现与分析的模板。自举型元程序44-4846-workflow-crystallizer.prose观察线程并提取工作流、47-language-self-improvement.prose分析 .prose 语料演化语言本身、48-habit-miner.prose挖掘会话日志生成自动化——这些语言写语言的示例展示了 OpenProse 的可扩展边界也是研究智能体自我改进的绝佳起点。六、延伸阅读OpenProse 语言完整规范compiler.md完整语法文法、校验规则E001-E028、W001-W011与编译 APIOpenProse 执行语义prose.mdOpenProse VM 的组件映射、CLI 命令与状态管理约定SKILL.md技能激活触发与上手引导状态管理state/默认文件系统状态、SQLite 与 PostgreSQL 后端示例程序本体examples/ 目录逐个阅读并按上文方式运行即可开始实战。赞分享人工智能大模型LLM 网关AI Agent即时通讯【免费下载链接】openclaw-zero-tokenOpenClaw: Use All Major AI Models NO API Token! Claude/ChatGPT/Gemini/DeepSeek/Doubao/Grok/Qwen/Manus/Kimi项目地址https://gitcode.com/gh_mirrors/op/openclaw-zero-token点击查看免费下载相关推荐OpenProse 示例库与编排模式全解析从语法速查到多智能体工作流实战OpenProse 示例库与编排模式全解析从语法速查到多智能体工作流实战 本篇指南围绕 OpenProse一种用于编排 AI 会话的编程语言在 openc人工智能AI Agent即时通讯后端本地部署语音OpenClaw 内置 OpenProse Skill用 .prose 编程语言编排多智能体工作流OpenClaw 内置 OpenProse Skill用 .prose 编程语言编排多智能体工作流 OpenProse 是一套以 .prose 文件为程序、以人工智能大模型LLM 网关AI Agent即时通讯OpenClaw OpenProse 插件使用指南用 .prose 程序编排多智能体工作流OpenClaw OpenProse 插件使用指南用 .prose 程序编排多智能体工作流 OpenProse 是一个面向 AI 会话的编程语言扩展它以 .人工智能大模型LLM 网关AI Agent即时通讯上一篇OneMore项目中的剪贴板访问异常问题分析与解决方案下一篇Obsidian PDF Plus插件实现Markdown注释弹窗渲染的技术解析创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考