最近大模型工具越来越多，ChatGPT、Claude、DeepSeek、豆包、Gemini……几乎每天都在切换。

但真正高频使用后，我发现问题并不在模型能力，而在人与模型之间的协作方式。

于是，我开始尝试做一个项目：

PromptCopilot —— 一个跨 LLM 的上下文管理与对话副驾浏览器扩展。

项目地址：

GitHub：GitHub - yangqinwei123/prompt-copilot: A browser extension copilot for ChatGPT/Claude/DeepSeek/DouBao — smart prompt generation, cross-session memory & conversation handoff · GitHub

⚠️ 当前项目仍处于早期开发阶段（Early Prototype / PoC），目前重点验证产品构思和技术架构，功能尚未完整实现。

---

一、问题：为什么现在的 AI 对话体验仍然割裂？

理论上，大模型已经很强。

但实际使用时，经常遇到这些问题：

1. 不会提问

很多用户知道自己想做什么，但不知道怎么组织 Prompt。

于是：

• 提问模糊

• 回答跑偏

• 来回追问

• 上下文不断膨胀

最终体验像：

用户在训练 AI，而不是 AI 帮用户工作。

---

2. AI 不记得你是谁

今天告诉它：

我在做浏览器扩展项目。

明天重新开一个窗口：

请重新介绍一下背景。

用户不断重复：

• 项目目标

• 技术栈

• 当前进展

• 偏好风格

上下文天然短期失忆。

---

3. 无法跨模型继续工作

例如：

在 ChatGPT 做规划：

↓

额度没了

↓

切到 Claude

↓

重新解释全部背景

↓

重复消耗。

不同 LLM 之间几乎不存在连续工作流。

---

二、项目构思：如果 AI 网站旁边有一个「副驾」会怎样？

PromptCopilot 的想法并不是重新造一个聊天产品。

而是：

作为浏览器侧边栏，挂载到已有 AI 网站旁边。

用户继续使用原来的 ChatGPT、Claude、DeepSeek。

PromptCopilot 做：

• 帮用户提问

• 管理上下文

• 自动维护记忆

• 支持跨模型接力

核心理念：

AI 不应该只回答问题，而应该帮助用户表达问题。

---

三、核心能力设计

① AI 帮你提问（Prompt Copilot）

用户输入：

帮我写一个项目

系统不会直接生成 Prompt。

而是：

读取：

• 当前输入

• 当前对话

• 用户长期记忆

然后自动追问：

项目类型？
预算？
目标用户？
时间限制？

用户只需要选择。

最终自动生成完整 Prompt。

效果类似：

模糊需求
↓

结构化追问

↓

完整 Prompt

目标不是 Prompt Engineering。

而是降低普通用户使用 AI 的门槛。

---

② 跨会话记忆（Memory）

设计了两层记忆：

用户画像

记录：

• 背景水平

• 偏好表达方式

• 长期目标

例如：

计算机学生
喜欢技术细节
避免过度简化

---

项目上下文

记录：

项目目标

技术环境

当前阶段

例如：

PromptCopilot

TypeScript

WXT

浏览器扩展

这样新的对话可以自动恢复上下文。

---

③ 对话接力（Conversation Handoff）

这是我觉得最有意思的一部分。

流程：

ChatGPT
↓

生成交接摘要

↓

切换 Claude

↓

恢复上下文

用户不用重新解释：

• 项目背景

• 当前状态

• 已完成内容

理论上支持：

• ChatGPT

• Claude

• DeepSeek

• 豆包

• 更多平台

目标是：

让用户拥有自己的上下文，而不是绑定某个平台。

---

四、技术设计

当前技术栈：

TypeScript

WXT

React

Bun

pnpm

架构方向：

Browser Extension

├── Sidebar UI
├── Content Script
├── Adapter Layer
├── Prompt Engine
├── Memory Engine
└── Multi-LLM Gateway

其中比较核心的是：

Adapter 模式

每个 AI 网站单独适配：

ChatGPT Adapter

Claude Adapter

DeepSeek Adapter

这样新增网站时：

无需改核心逻辑。

---

五、后续规划：从 Prompt 工具演进到 Agent 系统

当前版本重点验证：

• 用户需求

• 工作流设计

• 基础交互

后续准备探索：

Memory

长期记忆管理

↓

Retrieval

向量检索

↓

Evaluation

上下文质量评测

↓

Agent Workflow

任务连续执行

最终希望把它逐步演化成：

面向个人生产力场景的 Context OS。

---

六、为什么做这个项目？

我一直觉得：

未来人与 AI 的交互，不应该停留在聊天框。

真正重要的是：

• 上下文管理

• 长期记忆

• 工作流连续性

• 多模型协作

PromptCopilot 是一次尝试。

目前仍然非常早期，还有很多设计等待验证。

如果你对：

• Agent

• Memory

• Browser Extension

• LLM Workflow

感兴趣，欢迎交流。

项目地址：

https://github.com/yangqinwei123/prompt-copilot

欢迎 Star、Issue、讨论。