一个 Clojure 工具库,用于构建基于大语言模型的应用,涵盖提示词模板、提示链、Agent 与工具及记忆管理。
ProfSynapse/Professor-Synapse
一套提示词与技能包,让 AI 助手先梳理你的目标,再召唤专属专家代理提供指导。
- Star
- 3,475
- Fork
- 459
- 未关闭 Issue
- 13
- 最近提交
- 2个月前
这是什么?
Professor Synapse 是一组面向通用 AI 助手的提示词与技能文件。它会先围绕你的目标提出针对性问题,然后按结构化模板创建或加载一个专家代理,并把对话交给该代理继续处理。遇到不熟悉的领域时,会先由 Domain Researcher 代理联网检索,再编写新的专家代理。
项目提供三种使用形式:可粘贴到任意聊天界面的通用提示词,打包为 zip 上传到 Claude Desktop 的技能,以及可放入 .claude/skills/、.codex/skills/ 等技能目录的便携版文件夹。Claude 版与便携版共享核心功能,包括可自我扩充的代理库、持久化记忆,以及在保留用户数据的前提下合并新版本的自更新机制。
面对需要权衡的复杂决策时,Convener 模式会组织多个代理进行结构化辩论,并总结各方案的取舍。记忆数据按代理打标签存放,工作记忆使用 JSON 文件,长期记忆使用带全文检索的 SQLite 数据库。
核心功能
- 01在选择专家之前,通过针对性提问梳理你的目标与偏好。
- 02依据结构化模板创建新的专家代理,并保存以便后续复用。
- 03Convener 模式可组织多个代理对复杂决策进行辩论并总结取舍。
- 04持久化记忆按代理打标签,基于 SQLite FTS5 检索,并提供 Python 命令行工具。
- 05从 GitHub 发布版本自动更新,同时保留自定义代理与记忆数据。
适用场景
- 在不熟悉的领域中,获得结构化的目标规划与行动指导。
- 在 Claude Desktop 或其他支持技能的助手中,积累可复用的专家代理库。
- 借助多个视角的辩论,梳理一项重要决策的方案与取舍。
快速上手
- 1
打开 Prompt.md 并复制其内容
- 2
将提示词粘贴到你的 AI 系统提示或自定义指令中
- 3
开始聊天,告诉助手你想要完成的目标
使用前须知
- 项目元数据中未列出许可证,因此使用和复用条款不明确。
- Claude Skill 版本需要支持技能功能的 Claude Desktop。
收录于专题
标签
常见问题
- Professor-Synapse 是什么?
- 一套提示词与技能包,让 AI 助手先梳理你的目标,再召唤专属专家代理提供指导。 Professor Synapse 是一组面向通用 AI 助手的提示词与技能文件。它会先围绕你的目标提出针对性问题,然后按结构化模板创建或加载一个专家代理,并把对话交给该代理继续处理。遇到不熟悉的领域时,会先由 Domain Researcher 代理联网检索,再编写新的专家代理。
- Professor-Synapse 可以免费使用吗?用的什么许可证?
- Professor-Synapse 没有声明许可证。代码虽然公开,但没有许可证就没有明确的使用授权,正式使用前建议先联系作者。
- Professor-Synapse 还在维护吗?
- 半年内有更新。Professor-Synapse 最近一次提交是在 2026年8月25日。
- Professor-Synapse 适合用来做什么?
- 在不熟悉的领域中,获得结构化的目标规划与行动指导。 在 Claude Desktop 或其他支持技能的助手中,积累可复用的专家代理库。 借助多个视角的辩论,梳理一项重要决策的方案与取舍。
- Professor-Synapse 怎么安装和运行?
- 打开 Prompt.md 并复制其内容 将提示词粘贴到你的 AI 系统提示或自定义指令中 开始聊天,告诉助手你想要完成的目标
- 在哪里获取 Professor-Synapse?
- 源代码和安装说明在 GitHub 上:https://github.com/ProfSynapse/Professor-Synapse
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
一款跨工具的编程技能,让 AI 编程代理少写代码、少说废话,从而降低输出 token 和 LLM API 成本。
轻量级 Python 智能体框架,支持工具调用、记忆、护栏、追踪、生命周期钩子、多智能体路由与工作流。
可自托管的个人 AI 智能体平台,多个隔离的智能体共享长期记忆,可通过终端、WhatsApp、Telegram 等渠道随时调用。
用 TypeScript 以图结构构建有状态、可长时间运行的 LLM 智能体的编排框架。
为 llm 命令行工具开发的 Python 插件,并行调用多个大模型,迭代优化回答并由仲裁模型达成共识。