LangGPT 结构化提示词模板实战:15 分钟把反复手搓的长提示词变成可复用模板
【免费下载链接】LangGPTLangGPT: Empowering everyone to become a prompt expert! 🚀 📌 结构化提示词(Structured Prompt)提出者 📌 元提示词(Meta-Prompt)发起者 📌 最流行的提示词落地范式 | Language of GPT The pioneering framework for structured & meta-prompt design 10,000+ ⭐ | Battle-tested by thousands of users worldwide Created by 云中江树项目地址: https://gitcode.com/gh_mirrors/la/LangGPT
周一早上,你打开 LLM 的空白输入框,打了一句"帮我写周报",得到的结果差强人意——问题不在模型,而在于你每次都得重新解释"我是谁、要什么、不要什么"。LangGPT 是一个结构化提示词模板框架,它把这种重复解释变成一份可复用的文件:角色只写一遍,下次换个参数就能直接用。下面先动手,再讲原理。
先看看成品长什么样。这是一份最简结构提示词的样子:
# Role: 周报助手 ## Profile - Description: 把用户列出的碎片事项整理成结构化周报 ## Workflow 1. 让用户列出本周完成事项与遇到的问题 2. 按"成果 / 计划"两节输出两个标题、几行字,模型就有了一个可扮演的"人"。下面拆解为什么这么写。
它到底解决了什么问题
传统提示词建议通常是零散的技巧堆:"要具体""给例子""强调重点"。LangGPT 的路子不同:它借鉴编程语言的写法,把一段提示词切成 Role(角色)、Rules(规则)、Workflow(流程)等模块,各管一件事,再用<Variable>语法互相引用。论文里有一张核心类比图——编程语言中"函数—类—项目"的层级,对应自然语言提示词中"指令—方面—完整提示词"的层级。写完之后,提示词就从一次性稿件变成了可修改、可交接的模板。
项目定位的完整表述见官方 README与简体中文版。
15 分钟动手:写你的第一个角色模板
跟着写一个"周报助手",完整版不过 20 行,可以直接复制去跑:
# Role: 周报助手 ## Profile - Author: 你 - Version: 0.1 - Language: 中文 - Description: 把用户列出的碎片事项整理成结构化周报,风格平实、简洁 ## Rules 1. 只写用户明确给出的内容,不虚构进度和数据 2. 用户事项含糊时先提问确认,不自行脑补 3. 每条一句话,不用形容词堆砌 ## Workflow 1. 让用户列出本周完成事项、遇到的问题和下周计划 2. 将三类内容整理成"成果 / 风险 / 计划"三节 3. 输出周报后,询问用户哪部分需要返工 ## Initialization 作为 <Role>,严格遵守 <Rules>,使用 <Language> 与用户对话, 问候用户,并请他列出本周事项。逐段拆:Role是名字,一行就够;Profile说清它干什么、什么风格,技能可以写成它下面的小标题;Rules是底线,条数少但最关键;Workflow是行动顺序——模型默认"话痨",不写顺序它就先答后问;Initialization决定开口第一句说什么。
有趣的地方在尖括号:Initialization 里的<Role>和<Rules>不是死字,它们会去引用上面的 Role 和 Rules 模块。把第一行改成# Role: 会议纪要整理师,自我介绍会自动跟着变,不用整篇逐处修改。
这是仓库里的诗人示例的完整形态,Profile 下的三个技能小标题就是它的"技能清单"。
模板骨架拆解:一张表看懂所有模块
| 模块 | 这个模块回答什么问题 | 写错了会怎样 |
|---|---|---|
| Role | 这是谁 | 写得太泛(如"助手"),模型没有锚点,输出飘 |
| Profile | 能干什么、什么风格 | 写得含糊,模型靠猜,质量看运气 |
| Rules | 绝对不能做什么 | 松了会胡编,严了不敢答 |
| Workflow | 按什么顺序行动 | 顺序乱,模型抢答,先输出后提问 |
| Initialization | 开口第一句说什么 | 没引导语,首条消息用户不知道往哪输入 |
| Commands / Template(可选) | 有哪些快捷键和固定输出格式 | 不写无妨,写错则用户无法触发 |
完整版模板见 Role.md;只想快速试想法的话,用精简版 miniRole.md 就够。
三个真实场景:从改提示词到造工具
场景一:周末出行规划,别让模型自由发挥。直接让 LLM 做行程,它爱给你"五日四夜慢旅行",不管你只有周末、没有车。关键是把"先确认输入"写成 Workflow 的第一步:
## Workflow 1. 先确认出发城市、可用天数、预算、有无车,缺哪项先问哪项 2. 按"1 条主线 + 2 个备选"排每日行程 3. 交通与门票价格一律标注"以实时价格为准"确认步骤放在 Workflow 而不是 Rules,因为它是"行动顺序"而非"底线";"以实时价格为准"则是防模型编数字的最低成本写法。仓库里 FitnessGPT 模板 是同类思路的标准示范——先用 #变量 收齐个人参数,再生成方案。
场景二:面试模拟,把"题海"变成陪练。让模型"模拟面试我",它通常一口气列十道题,答哪道都是猜。核心是限制节奏并强制反馈:
## Workflow 1. 一次只问一个问题,等用户答完再问下一题 2. 每答一题,先给三点反馈:逻辑 / 论据 / 表达 3. 整场结束后汇总薄弱项,并按 STAR 框架给出改写示例模拟面试的价值在反馈循环,"一次只问一题"是这份模板的心脏——大模型默认输出"话痨式"一次性倾倒,必须把克制写成明确指令。数据分析知识探索专家 是类似技巧:固定回复框架,并要求模型停下来等用户指令再继续。
场景三:会议纪要,先给模型一张"表单"。纪要原文里责任人和截止时间常常模糊,下次开会还是找不到结论。别只说"帮我整理纪要",给它一个固定输出结构:
## Template - Name: 纪要结构 - Content: 决议项(负责人 / 截止时间 / 状态) 风险与待办(谁在何时前确认) 仅讨论(无需行动) ## Rules 1. 用户未说清的内容必须标注"待确认",不得推测Template 模块像一张表单,先定结构再填内容;"待确认"则是给模型的台阶——不确定的标出来,它就不敢编。社区示例集 里有一篇使用 Template 模块的完整"教案生成器",可以对照着看。
避坑指南:新手最常踩的 5 个坑
坑一:变量引用拼错症状:模型不展开<Role>,用第三人称谈论"那个角色"。 原因:引用和实际模块对不上,大小写不同、尖括号里多了空格,或<Language>写成了<language>。 修法:全文搜索所有<...>引用逐个核对,统一用同一份英文拼写。
坑二:Rules 和 Workflow 职责重叠症状:规则里写"先询问需求",流程第一步也写询问,模型反复问两遍。 原因:两个模块说了同一件事,模型无法判断哪条是当前指令。 修法:Rules 只放边界约束,Workflow 只放行动顺序,同一句不两边都写。
坑三:Initialization 忘了引导语症状:模型自我介绍很漂亮,然后僵住,你不知道该输入什么。 原因:Initialization 只写了"问候用户",没说让它请用户先做什么。 修法:补一句"并请用户按'……'格式列出内容",让第一轮交互有方向。
坑四:Rules 写太多症状:输出极其保守,模型频繁推脱或敷衍,像在怕担责。 原因:负向约束过多,模型把算力花在"避免违规"上,没力气做任务本身。 修法:Rules 控制在 5 条以内,把最容易违反的放前面;风格偏好移到 Profile 里。
坑五:没测试就上线症状:自己用得好好的,发给同事就不灵。 原因:只用"理想输入"跑过一遍,没测过边界输入。 修法:跑一次 Initialization,再故意发 2-3 条坏输入(缺参数、需求含糊、跑题),全部输出可接受才算完成。
速查工具箱
官方文档
- 如何写好结构化 Prompt——想弄清"为什么这么写"的新手
- PromptChain:多提示词协同——想把复杂任务拆成多个角色接力的人
- 论文中文版——想读理论依据的深度用户
可复用模板
- Role.md——完整版,适合搭"重"角色
- miniRole.md——精简版,快速验证新想法
- baseRole.md——想魔改出自家模板时的底稿
社区示例
- 社区 Prompt 精选——看别人怎么解决同类问题
- 中文示例合集——直接改着复用
- 提示词实用贴士——经验短集,卡壳时翻一翻
下一步:今天就能做的 3 件事
- 打开诗人示例,改掉 Description 的第一句,跑一次 Initialization,看自我介绍是否随之变化。
- 挑一条你上周写过的长提示词,套进 Role 模板的五个模块,标出哪些"不能做什么"的句子其实该放进 Rules。
- 对你改好的模板故意发一条跑题输入,看 Rules 能不能接住模型的发散。
改出来的模板欢迎贴到社区一起讨论;某个模块卡住了,就回到避坑那一章逐条对一下。
【免费下载链接】LangGPTLangGPT: Empowering everyone to become a prompt expert! 🚀 📌 结构化提示词(Structured Prompt)提出者 📌 元提示词(Meta-Prompt)发起者 📌 最流行的提示词落地范式 | Language of GPT The pioneering framework for structured & meta-prompt design 10,000+ ⭐ | Battle-tested by thousands of users worldwide Created by 云中江树项目地址: https://gitcode.com/gh_mirrors/la/LangGPT
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考