Shire.run：Prompt 即代码到 Prompt 即程序，思考 Prompt 的无限可能性

随着 Shire 的持续迭代，我们有了一些新的体会和感触，即 Prompt 不仅仅是一段提示词，而是可以直接执行的代码。而当是可执行的代码时，就是可执行、 可共享的智能体。因此，我们创建了 Shire Run，一个轻量级的共享平台，以支持用户共享、下载、执行智能体。Shire Run 是 Shire 智能体共享平台， 你可以在上面下载、分享和共享编程智能体（当然，现在只是一个原型，感谢卷王 @CGQAQ 创建了该网站），详细见：https://shire.run/

为什么 Prompt 应该是程序？理解 Prompt 的工程化演进

在过去的一年多时间里，Prompt 不仅存在代码库中，还涌现越来越多的 Prompt 即代码实践。如下是我们可以看到的行业最佳实践：

Prompt 代码分离。将 Prompt 代码与业务代码分离，通过变量化与模板化的方式，以更好地降低代码的耦合度。

Prompt 版本化管理。LLM 在持续迭代，prompt 也会随之变化。通过版本化管理，可以更好地管理 prompt 的变化，回溯到历史版本，检查 prompt 的变化。

模块化 Prompt 设计。不同背景下，最终 prompt 会由大量的不同上下文所构建。在代码逻辑设计上，体现的就是模块化设计，或者通过注册表、依赖注入等方式来实现。

Prompt 单元测试。AI 返回的结果会存在一定的不确定性，因此我们需要检查必要的格式、字段等，测试是最好的方式。在智能体的场景下，我们还需要预期它可以调用到对应的工具和函数。

Prompt 集成测试。对于复杂的场景，我们需要对整个 prompt 的执行流程进行测试。这种测试通常会涉及到 IDE 的交互、AI 模型的调用等等。

Prompt 组织。对大型项目，我们还面临如何更好通过目录结构、文件结构来组织 prompt 的挑战。

当然了，对于 AI 平台来说，可能还会存在 prompt 的协作等等实践。举一个简单的例子，我们计划使用 prompt 来生成补全代码，那么 prompt 可能是这样的：

补全代码。

- 相关上下文：${selection.ast}

- 光标前代码：${selection.before}

- 光标后代码：${selection.after}

代码中包含了一系列的变量，以将 prompt 与代码解耦出来。而这个简单的 prompt 在实际使用时，还需要针对模型进行调整、对结果进行后处理等等。当我们的 AI 应用变得越来越复杂时，我们需要更好地管理我们的 Prompt。

Prompt 即程序：可执行的 Prompt 代码

随着 AI 应用工程化的深入，越来越多的 prompt 在直接在应用中直接执行。即由 prompt 生成平台所需要的数据、语言、代码等，再基于这些数据动态创建 对应的应用程序，诸如于低代码平台、AI IDE 等等。与此同时，工程化 + 智能体也让应用变得越来越智能：

AI 平台自带的 Code Interpreter 就可以直接执行，生成表格、图表等。

IDE 插件在自动化生成测试，会根据结果来执行测试，并在测试失败时，自动化生成对应的修复代码等等。

低代码平台会直接将 prompt 生成的代码，直接执行，以生成对应的程序、应用。

因此，在我看来：

Prompt 即程序是将 Prompt 视作一段可以像代码一样运行的程序。它不仅仅是简单的提示词，而是通过模板化、模块化等方式进行设计和管理， 能够生成动态的功能和操作。就像软件开发中的代码一样，Prompt 也可以进行版本控制、单元测试、集成测试等，从而确保它在不同环境中的稳定性和可维护性。

而事实上，它们可以抽象为一个模式：DSL（领域特定语言） + Runtime（运行环境）。对于现在的 LLM 能力而言，直接生成复杂的程序是不靠谱的，如果想 驾驭这种复杂度，我们需要在 DSL 做更多的抽象与繁琐设计，诸如于：

提供原子操作能力。如将与应用的交互、与 IDE 的交互、与 AI 模型的交互等等，抽象为一个个的原子操作。

封装复杂逻辑（繁琐设计）。将复杂的逻辑，如代码生成、代码检索、代码分析等等，封装为一个个的函数。

那么，剩下的就是 Runtime 的设计。在 AI IDE 场景下，Runtime 是 IDE，在手机 APP 场景下，Runtime 是 APP，诸如此类。也因此，我们还需要在 Runtime 中提供这种基础能力，以支持这种 DSL 的执行，比如 AutoDev 直接提供/refactor的指令，以支持代码重构。

Shire Run：让智能体像代码一样流行

我们创建 Shire 语言的动机是：让开发人员可以完全定制自己的 AI Copilot。即通过编程语言的方式，来定义与 IDE 的交互，以及 AI 模型的交互。而当你 的 Prompt 可以直接执行时，就会带来更多的可能性，诸如于自动编码、针对特定领域的自动化代码生成、自定义的语义化搜索等等。

而与此同时，每个 Shire 代码都是 Shire 平台上的可执行程序。即你可以基于 Shire 的平台能力直接执行 Shire 程序，而 Shire 代码本身是一种带上下文的 Prompt 变体。

Shire Run：轻量级共享平台

下载智能体。你可以在 Shire Run 上下载智能体，一键导入到你的 IDE 中。

分享智能体。你可以将你的智能体分享到 Shire Run 上，让更多的人使用。

浏览如何构建智能体。分享你的智能体构建过程，让更多的人了解你的智能体是如何构建的。

考虑到 Shire 语言并不是很流程，所以我们暂时只做成了一个静态网站，以支持用户上传、下载、分享智能体。但是，我们相信随着 Shire 语言的发展， Shire Run 会变得越来越强大。

Shire Run 下一步：在线执行智能体

Shire 的当前版本是基于 IDE 所构建的，但是我们相信未来当你不再需要编译、构建时，你就不需要一个强大的本地 IDE。只需要一个轻量级的编辑器， 就可以完成你的工作。

总结

总的来说，Shire Run 的创建是为了探索 Prompt 的无限可能性，突破传统的提示词范畴，将其视为可执行、可共享的智能体代码。这一理念让我们看到了 Prompt 在工程化和智能化方向上的广阔前景，也赋予了开发者更大的自由度去定制和创造。

未来，随着在线执行能力的引入，我们期待 Shire Run 成为推动 AI 开发与协作的重要工具。