TL；DR：https://shire.run/
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
基于上述的理念，我们开始构建 Shire.run，一个带概念性的智能体共享平台。在 Shire Run 上，你可以：
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。
因此，我们计划未来在 Shire Run 上提供在线执行智能体的能力，以支持用户在线执行智能体。一切只等待有缘人的加入：https://github.com/shire-lang/shire-compiler 。
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。
