AgentsThinkWrite is a prototype tool that demonstrates how a multi-agent prompt workflow can assist in drafting complex documents—specifically research or grant proposals—using GPT-based role coordination.
This project explores a modular approach to AI-assisted writing, where each agent (Ideator, Experts, Synthesizer, Reviewer) performs a specific function in the planning, drafting, integration, and reviewing stages. Prompts are generated automatically based on user inputs (topic, agency, summary) and organized into a coherent multi-role writing process. This README documents the conceptual prototype of a Multi-Agent AI System designed for generating complex, high-quality documents, starting with grant proposals. The system is inspired by the collaborative dynamics of a human expert team.
AgentsThinkWrite 是一套多角色 AI 寫作輔助工具原型，展示如何運用 GPT 進行計畫書的構思、章節撰寫、整併與審核流程。使用者只需輸入主題與申請單位，即可自動生成各角色的提示詞，完成類似多人協作的文本生產流程。本頁面旨在說明這套利用大型語言模型（如 ChatGPT）的 Prompt 設計模式，來定義並區分不同 AI Agent 的角色與任務，並讓它們依序執行寫作、整合、審閱的協作過程。當中包含了建立並使用ChatGPT中的自訂GPT以及多開對話的操作。
傳統的單一提示（Single Prompt）與 AI 互動模式，在本質上屬於一問一答的「非代理人工作流程」（Non-Agentic Workflow）。雖然直接，但難以處理複雜任務，也無法對產出進行深度優化 。
本專案旨在探索一種「代理人工作流程」（Agentic Workflow），將一份大型寫作任務（如撰寫計畫書）拆解成數個獨立但環環相扣的小任務，並指派給具備特定角色和專業知識的 AI Agent 來分工完成。這種模式更接近人類專家的協作思維 。
本系統採用一個由「角色生成工廠」來初始化動態規劃，並以「混合式」架構運行的 AI 團隊 。其工作流程如下：
使用者輸入計畫主題
│
▼
[角色生成工廠 RoleFactoryAgent] ▷ 動態生成團隊所有成員的 Prompt
│
├─ 構思者 / 起草者 (IdeatorAgent)
│ └─ 產出計畫書大綱與分工建議
│
├─ 專家群 (ExpertAgents)
│ └─ 各自撰寫不同章節的初稿內容 (最多五位)
│
├─ 統整者 (SynthesizerAgent)
│ └─ 將分散的草稿整合成風格一致的完整文稿
│
└─ 審稿者 (ReviewerAgent)
[cite_start]└─ 檢查邏輯、格式與可行性，提出修改建議 (具備反思能力 )
團隊中的每個 Agent 都有明確的職責，以確保產出品質。
| Agent 角色 | 任務內容 | 備註 |
|---|---|---|
| RoleFactoryAgent | 根據計畫主題規劃團隊組成，並生成所有 Agent 的角色 Prompt。 | 系統的起點，負責定義整個團隊。 |
| IdeatorAgent | 擬定計畫書的宏觀架構、核心問題與章節大綱，並分配任務給專家群。 | 專案的總設計師，確保邏輯的起點正確。 |
| ExpertAgent (1~5) | 根據分配到的任務，利用其專業知識撰寫特定章節的深度內容。 | 可客製化命名，如「AI 技術專家」、「倫理法規專家」等。 |
| SynthesizerAgent | 整合所有專家的稿件，統一風格、格式與語氣，形成一份連貫的草稿。 | 團隊的主筆人，負責文章的流暢性與一致性。 |
| ReviewerAgent | 扮演品質保證（QA）的角色，從審查者的角度評估文稿，提出具體修改建議。 | 引入「反思」（Reflection）機制 ，可進行多輪審核以提升品質。 |
在目前的原型階段，我們可以使用任何支援自訂指令（Custom Instructions）的大型語言模型（如 ChatGPT 的 GPTs）來模擬這個系統。
流程概念：
- 創建一個自訂GPT「角色生成工廠 RoleFactoryAgent」，從這個GPT開始，提供要撰寫的計畫書相關資料後，生成「用來創造構思者 / 起草者（IdeatorAgent）的prompt」、生成專家群共五個「用來創造特定專家的prompt」、生成「用來創造統整者（SynthesizerAgent）的prompt」、生成「用來創造審稿者（ReviewerAgent）的prompt」
- 另開對話視窗，執行用來創造構思者 / 起草者（IdeatorAgent）的prompt，請這位IdeatorAgent產出計畫書大綱與五位專家的分工建議
- 另開對話視窗（共五個），執行用來創造特定專家的prompt，將專屬於該專家的任務交辦給他，讓他撰寫不同章節的初稿內容
- 另開對話視窗，執行用來創造統整者（SynthesizerAgent）的prompt，然後將五名專家的生成結果全部交給統整者，將五篇草稿整合成一致性高的完整文稿
- 另開對話視窗，執行用來創造審稿者（ReviewerAgent）的prompt，對統整者所寫的文稿檢查邏輯、格式、風格與可行性，提出修改建議。必要時可能會多進行幾次審稿。
操作步驟：
- 建立工廠 (RoleFactoryAgent)：建立一個自訂 GPT 作為「角色生成工廠」，其核心指令是根據用戶輸入的計畫主題，生成底下所有 Agent 的 Prompt。
- 生成團隊 (Generate the Team)：向
RoleFactoryAgent輸入計畫主題，使其產出IdeatorAgent、ExpertAgents、SynthesizerAgent和ReviewerAgent的完整 Prompt。 - 啟動構思者 (Run Ideator)：開啟一個新的對話視窗，貼上
IdeatorAgent的 Prompt，令其產生計畫書大綱與任務分工。 - 專家寫作 (Expert Writing)：為每一位專家開啟獨立的對話視窗，貼上對應的
ExpertAgentPrompt，並將IdeatorAgent產出的相關任務分配給他們，讓他們各自生成負責的章節內容。 - 統整成稿 (Synthesize)：開啟新的對話視窗，貼上
SynthesizerAgent的 Prompt，然後將所有專家的產出內容一次性貼上，讓它整合成一份完整文稿。 - 審核與修正 (Review & Refine)：最後，開啟新的對話視窗，貼上
ReviewerAgent的 Prompt，並將SynthesizerAgent產出的完整文稿交給它審查，根據其回饋進行最終修改。
- 進入 https://chat.openai.com/gpts
- 點選「Explore GPTs 」中的 "Create"
- 填入:
- Name: RoleFactoryAgent（角色生成工廠）
- Description: 我是一個專為多 Agent 協作式寫作任務設計的角色規劃師。只要輸入計畫主題與需求，我會幫你自動產生各個 AI Agent（構思者、五位專家、統整者、審稿者）所需的 prompt，幫助你在多視窗對話中串接整個計畫書撰寫流程。
- Instructions:
你是一位多代理人系統的規劃者，負責根據使用者提供的計畫主題與說明，規劃出一組 AI Agent 協作團隊，並生成每位 Agent 的 prompt。你的基本任務包括： 1. 建立以下七位 Agent 的角色說明與完整 Prompt（格式可複製貼上 ChatGPT 使用）： - IdeatorAgent（構思者 / 起草者） * 主要任務為產生計畫書大綱與任務分工。撰寫各章節大綱與分工對應表，要有五位專家的分工。擬定章節大綱與五位專家分工對應表，依據各專家領域背景對應適切章節任務與貢獻重點，以利團隊分工與後續整稿整合。 - ExpertAgent_1 ~ ExpertAgent_5（五位專家，根據他們各自的專業知識，分別撰寫不同章節或者是某一章節內的一小部分） * 專家的負責的工作任務與角色定位，來自於上一個 IdeatorAgent 的分工對應表。 * 每位專家的主要任務，根據分工任務撰寫各自負責的章節內容。 - SynthesizerAgent（統整者） * 主要任務為合併所有專家的產出內容，將五篇草稿整合成一致性高的完整文稿。 - ReviewerAgent（審稿者） * 主要任務為審查統整者產出的完整文稿，進行最終修改，並給予審查意見。 * 對統整者所寫的文稿檢查邏輯、格式、風格與可行性，提出修改建議。必要時進行多輪審稿(最多三輪)。 每個 Prompt 要能直接複製貼上給 GPT 使用者使用，清楚地說明該 Agent 的角色定位、任務目標、輸出格式與寫作風格。 團隊中的每個 Agent 都有明確的職責，以確保產出品質。 | Agent 角色 | 任務內容 | 備註 | | :--- | :--- | :--- | | **RoleFactoryAgent** | 根據計畫主題規劃團隊組成，並生成所有 Agent 的角色 Prompt。 | 系統的起點，負責定義整個團隊。 | | **IdeatorAgent** | 擬定計畫書的宏觀架構、核心問題與章節大綱，並分配任務給專家群。 | 專案的總設計師，確保邏輯的起點正確。 | | **ExpertAgent (1~5)** | 根據分配到的任務，利用其專業知識撰寫特定章節的深度內容。 | 可客製化命名，如「AI 技術專家」、「倫理法規專家」等。 | | **SynthesizerAgent**| 整合所有專家的稿件，統一風格、格式與語氣，形成一份連貫的草稿。| 團隊的主筆人，負責文章的流暢性與一致性。| | **ReviewerAgent** | 扮演品質保證（QA）的角色，從審查者的角度評估文稿，提出具體修改建議。| 引入「反思」（Reflection）機制 ，可進行多輪審核以提升品質。| 2. 當使用者輸入「請幫我整理成 Markdown 套件包」或類似指示時，請將上述七個 prompt 組合成一份 Markdown 檔案內容格式，檔名建議以主題命名（例如：AI_輔助醫療診斷_Prompt套件.md），內容需包含： - 每個 Agent 為一個章節（用 Markdown 標題區隔） - 開頭提供簡要封面說明（計畫主題、申請單位、摘要） - 每段 prompt 可用三個反引號包住或格式化為方便閱讀與複製的區塊 3. Markdown 檔案產出為純文字內容，不需附加任何下載功能，由使用者自行複製儲存。 以下是基本任務的範例： ``` 請幫我根據以下資訊，建立對應的七個 AI Agent prompt： 【計畫主題】 AI 在高中數位教材中的應用與影響 【申請單位】 教育部計畫 【計畫簡介】 本計畫旨在探討人工智慧技術（特別是生成式 AI）如何融入高中課程的教學內容中，並分析其對學生學習成效與教師教學模式的影響。透過實地試辦課程設計、教材製作與學生反饋分析，期望建立可行的教學模型與成效評估指標，作為未來推廣之基礎。 請產出： 1. IdeatorAgent 的 Prompt 2. ExpertAgent_1 ~ 5 的 Prompt（依據五個不同專家背景來配合計畫書主題） 3. SynthesizerAgent 的 Prompt 4. ReviewerAgent 的 Prompt ```
- Conversation starters:
- 我想撰寫一份科技部AI應用相關的計畫書，請幫我規劃一組 Agent
- 我正在申請教育部的教學創新補助，請幫我建立對應的 Agent
- 請幫我根據這組生成的Agent prompts，整理成 Markdown 套件包
- 點按更新，並設定分享模式
- 完成製作，即可在 ChatGPT 中啟用
備註1： 上述GPT RoleFactoryAgent（角色生成工廠）生成範例之結果，如 example.md
備註2： 上述GPT已經建立完成，可到RoleFactoryAgent（角色生成工廠）試用。
flowchart TD
Start([使用者輸入主題/申請機構/計畫簡介]) --> A[RoleFactoryAgent: 產生各角色 Prompt]
A --> B[IdeatorAgent: 建立大綱與分工建議]
B --> C1[ExpertAgent_1: 撰寫特定章節1]
B --> C2[ExpertAgent_2: 撰寫特定章節2]
B --> C3[ExpertAgent_3: 撰寫特定章節3]
B --> C4[ExpertAgent_4: 撰寫特定章節4]
B --> C5[ExpertAgent_5: 撰寫特定章節5]
C1 --> D[SynthesizerAgent: 統整為完整文稿]
C2 --> D
C3 --> D
C4 --> D
C5 --> D
D --> E[ReviewerAgent: 檢查邏輯、格式、可行性]
E --> F[輸出 Markdown Prompt 套件包]
這個手動串接的流程驗證了概念的可行性。未來的發展方向將著重於自動化：
- Web UI 簡易版：HTML + JS 一頁工具，使用者輸入計畫主題後，自動生成 prompt markdown package，供使用者分別開啟多對話視窗使用。
- 底層區分化的 API Platform：利用串接 OpenAI Assistants API + Serverless Function 封裝各個 agent prompt，將 agent 之間的溝通與文件傳遞自動化。
- 框架整合：考慮使用
LangChain或AutoGen等框架來建構更穩健、可擴展的多代理人系統。 - 工具使用 (Tool Use)：為 ExpertAgent 賦予使用外部工具的能力 ，例如執行網路搜尋以獲取最新資訊，或執行程式碼來進行數據分析。
flowchart TD
UIStart([首頁：AgentsThinkWrite]) --> Form[使用者填寫主題 / 申請機構 / 簡介]
Form --> Btn[點擊「產生 Prompt」]
Btn --> Display[顯示各角色 prompt 卡片]
Display --> ExportBtn[按下「匯出 Markdown 套件包」]
ExportBtn --> Done[顯示 .md 檔案內容 / 提供下載]
| 功能 | 說明 |
|---|---|
| Prompt Factory UI | 輸入計畫資訊，產生 7~8 個 prompt |
| API Gateway | 對 GPT API 一級層打包與保護 key |
| Agent 互連模組 | 前往形成 prompt chain ，使用 LangChain/AutoGen |
| Memory Injection | 保留前一次輸出為下一個 Agent 資料 |
| Markdown 匯出 | 用於存檔與上傳 github/docs |
這是一個開放的概念原型，歡迎任何人提供想法、建議或進行實作。您可以：
- 開啟一個 Issue 來討論新功能或改進建議。
- Fork 這個專案，並嘗試用您熟悉的工具來實作它。
- 分享您使用這個概念所創造的有趣應用！
本專案概念採用 MIT License 授權。