我个人在研究 AI agent 的过程中，发现几个痛点。
当 Prompt 的量级上来以后，慢慢的就需要工程化，结构化管理了，目前这个领域还缺乏一些开发工具支撑。
目前开发 Agent 都是基于正统编程语言的比如 Langchain ，Spring AI 等等，门槛比较高。同时对于我自己来说，虽然是懂编程的，但是实际上开发 AI 应用大部分时候都是在调提示词，和测试各种模型，编程本身的工作量并不大，这个时候如果每次都要搭建环境，编写代码，启动应用就有点太麻烦了。但是像 coze 这种平台又对于我们开发者来说灵活性不高。
AI agent 目前编码能力还是很强的，但是如果代码量越少，封装度越高，AI 的执行速度，精准度和成本都会更好，其实这个就是 DSL 对 AI 本身就是非常友好的存在。
共享，目前 AI 工程领域还没有特别好的开源共享平台出现，比如提示词共享，智能体共享等等。
项目基于上面的一些问题，我做了一个开源项目 DPML ， 核心目标是引入声明式 DSL ，即标记语言来实现 AI 领域方方面面的开发搭建。一句话概括就是“像写 HTML 一样开发 AI 应用”。
项目地址： https://github.com/Deepractice/dpml
目前项目还是在最初期阶段，仅仅实现了核心编译器模块，CLI 界面，和 agent 领域很基础的功能。
如果大家感兴趣的话，可以尝试用一用（用起来也非常简单），用什么想法和意见也可以提出来给我参考参考。
如果觉得活儿整的不错的朋友，也辛苦动动手指点个 star 。