Prompt Envelope Protocol

让 LLM 上下文在聊天界面中可见、可读、可理解。

HCI 课程设计项目 · 设计系 · 2026

---

问题：聊天界面的"黑盒"困境

以 ChatGPT、Claude 为代表的 AI 聊天产品已拥有数亿用户，但其交互设计存在一个普遍问题——上下文不透明。

当你在聊天框中输入一个问题，模型在回复时参考了：

• 系统级的行为准则（system prompt），决定了回复的风格和边界
• 跨对话的用户记忆（memory），可能包含过时或不准的信息
• 可用的工具列表（tools）和技能（skills），你可能完全不知道它们的存在
• 模板变量在后台被静默替换（如 {{user_name}} → "小明"）

你粘贴了一篇长论文让 AI 分析，界面没有任何提示哪部分被模型"看到"了。AI 调用了三个工具，你看不到调用链。你引用了一份 PDF，不知道模型提取了其中哪些段落。

这些信息——对用户——全是黑的。

设计问题

当前的聊天 UI 将 LLM 的所有上下文过度封装在 textarea 里。界面只关心「输入」和「输出」，把中间的一切当作实现细节。但 HCI 告诉我们：界面的信息架构应该反映系统的心智模型。当用户不知道模型"知道什么"，他们就无法建立准确的预期，无法纠错，无法信任。

---

方案：Prompt Envelope Protocol

本项目的答案是：一种将 LLM 完整上下文结构化的协议和对应的可视界面。

核心思想

不是让聊天消息变成纯文本，而是让每条消息由若干带明确类型的 Segment（片段）组成：

一条消息不是 "你好，帮我审阅这篇论文"
而是：
  ├─ text segment          "你好，帮我审阅这篇论文"
  ├─ long_text segment     [论文全文 — 默认折叠，点击展开]
  ├─ document segment      📄 paper-draft.pdf (2.3MB)
  └─ media segment         🖼️ 图3：实验组vs对照组

每种 Segment 在界面中有独立的视觉呈现——系统指令是折叠的灰色面板，用户记忆是紫色的记忆卡片，工具请求是深色终端风格的代码块。

设计原则

原则	说明
信息密度梯度	核心对话文本优先可见；元信息（system prompt / memory / tools）默认折叠
颜色编码系统	灰=系统 · 紫=记忆 · 绿=技能 · 橙=工具 · 蓝=变量 · 深色=工具调用
协议即视图	折叠状态内嵌于数据结构中；相同协议数据在任何渲染器下产生相同视图
可导出，不锁死	协议可以导出为标准 OpenAI Chat Format，不依赖本项目的 UI

---

方法：区分 9 种上下文类型

通过对主流 LLM 聊天产品（ChatGPT、Claude、Kimi、豆包）的逆向分析，以及对 127 名 LLM 用户行为研究文献的查阅，识别出 9 种需要差异化呈现的上下文类型：

1. 文本（text）

用户和 AI 的直接对话内容。始终可见，不做折叠。用 Markdown 渲染保留结构化表达。

2. 静态变量（static_var）

如 {{user_name}}、{{current_date}}——在对话开始前被替换为具体值。提取为对话区顶部的会话变量横栏，不在消息气泡中占用空间。

会话变量  {{user_name}} → 小明  {{current_date}} → 2026年6月8日

3. System Prompt（system_prompt）

模型的行为准则和角色设定。默认折叠为灰色面板，标注行数。支持展开查看——当用户想知道"为什么 AI 这样说话"。

4. 用户记忆（memory）

跨对话持久化的用户信息。默认折叠为紫色面板，展开后以标题列表展示每条记忆。用户可以质疑不准确的记忆。

5. Skills

模型可调用的技能，遵循 Anthropic SKILL.md 规范。默认折叠为绿色面板。展开后实现渐进式披露：

• L1：名称 + 描述（始终可见）
• L2：完整指令 body（点击展开——提示"触发时会加载到 LLM 上下文"）

6. 工具总览（tool_overview）

模型可使用的工具清单。默认折叠为橙色面板。每项工具可独立展开其 JSON Schema 定义。

7. 工具调用（tool_call）

拆分为两个子类型：

子类型	视觉	默认状态	说明
tool_call_request	深色终端风格代码块	展开	绿色方法名 + 参数键值行
tool_call_result	绿/红 状态条	折叠（成功）/ 展开（失败）	一眼看出是否出错

在界面中，工具调用会被自动拆分为独立的 tool 角色消息，与正常的对话消息交替排列。

8. 传文档（document）

用户上传的文件。以文件卡片展示：图标 + 文件名 + 大小 + 前 200 字预览。点击「查看解析」可展开 AI 提取的文档内容。

9. 长文本素材（long_text）

用户粘贴的长篇文本（>500 字）。默认折叠，展示前 2 行预览 + 字数统计。点击展开显示全文（Markdown 渲染）。

附加：多模态（media）

图片、音频、视频。图片有有效 URL 时直接渲染缩略图；加载失败或无 URL 时回退为图标占位 + alt 文本。音频/视频展示类型标签。

---

协议格式

Prompt Envelope（顶层文档）

interface PromptEnvelope {
  version: '1.0'
  model?: string            // 导出时使用的模型名
  messages: Message[]
}

Message（单条消息）

interface Message {
  id: string
  role: 'system' | 'user' | 'assistant' | 'tool'
  segments: Segment[]       // 有序的片段列表
  timestamp: number
}

Segment（片段联合类型）

每种 Segment 有独有的 kind 字段，UI 据此决定渲染方式：

text | static_var | system_prompt | memory | skills |
tool_overview | tool_call_request | tool_call_result |
document | long_text | media

完整类型定义见 src/types/protocol.ts。

导出兼容

协议可无损导出为标准 OpenAI Chat Completions 格式（{ model, messages, tools }），确认此设计不是"另一种 agent 运行时"，而是一种对标准协议的格式化表达层。

---

技术实现

技术栈

层	选型
框架	React 18 + TypeScript
构建	Vite
样式	Tailwind CSS
图标	Lucide React
Markdown	react-markdown + remark-gfm
测试	Vitest

MVP 范围

• ✅ 纯前端 React 应用，无后端、无真实 LLM 调用
• ✅ 6 个 Demo 场景（A–F），覆盖全部 Segment 类型
• ✅ 双栏布局：对话视图 + 协议面板（实时 JSON 预览）
• ✅ 双 Tab 协议面板：OpenAI Format / Raw Protocol，支持复制和下载
• ✅ 4 个真实 Anthropic SKILL.md 文件加载 + parseSkillMarkdown() 自研解析器
• ✅ 26 个单元测试覆盖导出逻辑和 SKILL.md 解析
• ❌ 不接入真实 LLM API
• ❌ 不做后端/数据库/用户认证

快速开始

git clone <this-repo>
cd hci
npm install
npm run dev       # 启动开发服务器 → http://localhost:5173
npm test          # 运行全部 26 个单元测试
npm run build     # 生产构建

---

文件概览

src/
├── types/protocol.ts              # 协议类型定义（11 种 Segment）
├── utils/
│   ├── export.ts                  # 导出 → OpenAI Chat Format
│   └── parseSkill.ts             # SKILL.md YAML 解析器（自研）
├── data/
│   ├── demos/                     # 6 个 Demo JSON 文件 + manifest
│   │   └── demos-loader.ts       # 运行时验证 + skill body 水合
│   ├── skills.ts                 # 8 个手写自定义 skill
│   ├── skills-loader.ts          # 4 个真实 Anthropic SKILL.md
│   └── skills/                   # SKILL.md 源文件
├── components/
│   ├── SegmentRenderer.tsx        # 按 kind 路由分发
│   ├── CollapsiblePanel.tsx       # 通用折叠容器
│   ├── MarkdownRenderer.tsx       # 共享 Markdown 渲染（所有文本组件）
│   ├── MessageList.tsx            # 消息预处理 + 列表
│   ├── MessageBubble.tsx          # 消息气泡容器
│   ├── SessionBar.tsx             # 会话变量横栏
│   ├── ProtocolPanel.tsx          # 右侧协议面板（双 Tab）
│   └── segments/                  # 11 个 Segment View 组件
├── context/ChatContext.tsx        # 全局状态
├── __tests__/
│   ├── export.test.ts            # 导出逻辑（~20 个用例）
│   └── parseSkill.test.ts        # SKILL.md 解析（7 个用例）
└── App.tsx                        # 顶层布局

---

设计反思

这个项目本质上在探索一个更根本的问题：当 AI 系统变得越来越复杂，聊天界面该怎样让用户理解"系统在做什么"？

传统的聊天界面诞生于"人对人"的隐喻——一个输入框，一个输出框。但当这个输入框背后连接的是一个拥有记忆、工具、技能和复杂约束的 AI 系统时，一对一的 chat bubble 隐喻就不够了。

Prompt Envelope Protocol 尝试将"人机对话"的界面从线性的文本流升级为结构化的信息架构——让对话保持流畅，同时让上下文信息变得可见。这是一种对聊天界面的重新思考：不只是"AI 在说话"，而是"AI 在什么条件下、用了什么资源、做了哪些步骤来生成这个回复"。