这是一个创建于 352 天前的主题，其中的信息可能已经有所发展或是发生改变。
要用好现有大模型的能力严重依赖高质量 prompt ， 然而编写高质量 prompt 在现阶段还是个手艺活，太依赖个人经验。
虽然也有许多个人自发分享的 prompt 方法、框架，以及吴恩达老师的 prompt 教程，但是现有 Prompt 创建方法还是有各种各样的缺点：
- 缺乏系统性：大多是细碎的规则，技巧，严重依赖个人经验
- 缺乏灵活性：对他人分享的优质 prompt 进行调整需要直接修改 prompt 内容
- 缺乏交互友好性：优质 prompt 的配置和使用太复杂，有时往往还要学习 prompt 用法 4.未充分考虑大语言模型的下列特性： （ 1 ）偏好分点、条理性叙述 （ 2 ）长对话会出现遗忘问题 （ 3 ）不同语言间性能存在差距
这也是为什么大家爱收集，分享一些久经考验的 prompt 的原因之一。
随着 GPT-4 模型出来，对 prompt 的依赖有所降低，同时其更强大的基础能力为编写更强大的 prompt 提供了良好的基础，优质的 prompt 能力越来越强大，也越来越复杂。
prompt 编写越来越像 AI 时代的编程语言。
那么有没有可能像学编程一样，掌握一些基础规则和概念，掌握一些编程模式（类似面向对象的编程），即可高效的编写出表现良好稳定的 prompt——即 prompt 编程？
经过初步探索和实验，我们设计了 LangGPT ，希望在 prompt 的编程法上迈出一小步。
使用 LangGPT 为大规模生产高质量 prompt 提供了可能，它有下面的优点：
- 系统性：提供“模板”，按照模板填鸭式写上相应内容即可
- 灵活性：可以使用“变量”，轻松引用、设置和更改 prompt 中的内容，可编程性好
- 使用命令，轻松设置、执行预定义行为，可以无损性能情况下轻松设置中英文切换
- 交互友好：“工作流” 轻松定义与用户交互，角色行为等，轻松引导用户使用
- 充分利用大模型能力： （ 1 ）模块化配置 （ 2 ）分点条理性叙述 （ 3 ） Reminder 缓解长期记忆缺失问题
LangGPT 的两个关键语法
- LangGPT 变量：
我们发现 ChatGPT 可以识别各种良好标记的层级结构内容。大模型可以识别文章的标题，段落名，段落正文等层级结构，如果我们告诉他标题，模型知道我们指的是标题以及标题下的正文内容。
这意味着我们将 prompt 的内容用结构化方式呈现，并设置标题即可方便的引用，修改，设置 prompt 内容。可以直接使用段落标题来指代大段内容，也可以告诉 ChatGPT 修改调整指定内容。这类似于编程中的变量，因此我们可以将这种标题当做变量使用。
Markdown 的语法层级结构很好，适合编写 prompt ，因此 LangGPT 的变量基于 markdown 语法。实际上除 markdown 外各种能实现标记作用，如 json,yaml, 甚至好好排版好格式 都可以。
变量为 Prompt 的编写带来了很大的灵活性。使用变量可以方便的引用角色内容，设置和更改角色属性。这是一般的 prompt 方法实现起来不方便的。
- LangGPT 模板：
ChatGPT 十分擅长角色扮演，大部分优质 prompt 开头往往就是 “我希望你作为 xxx”，“我希望你扮演 xxx” 的句式定义一个角色，只要提供角色说明，角色行为，技能等描述，就能做出很符合角色的行为。
如果你熟悉编程语言里的 “对象”，就知道其实 prompt 的“角色声明”和类声明很像。因此 可以将 prompt 抽象为一个角色 （ Role ），包含名字，描述，技能，工作方法等描述，然后就得到了 LangGPT 的 Role 模板。
使用 Role 模板，只需要按照模板填写相应内容即可。
除了变量和模板外，LangGPT 还提供了命令，记忆器，条件句等语法设置方法。
- LangGPT 咒语生成器
值得一提的是，我们基于 LangGPT 设计了 LangGPT 助手来帮助大家使用 LangGPT, 它会帮助你设计很好的咒语
LangGPT 还在探索开发阶段，有问题欢迎反馈，更欢迎更多的人参与进来！ 欢迎关注+star ，欢迎共同参与！
Github 项目地址: https://github.com/yzfly/LangGPT
 |
1
prenwang 352 天前  2
现在都是基于向量数据库了， 以及加入 agent 来调度的思路，只做 prompt 提升程度有限。
|
 |
3
etherealai OP @prenwang 所谓 Agent 本质也是用 prompt 调用大模型能力。这个项目是针对 prompt 的优化，与调度 agent 的思路并不冲突。
|
|
4
prenwang 351 天前
@Bao3C
@etherealai 说的没错， 用在 agent 机制里， 就起到非常关键的作用了，agent 的调度环境会涉及到很多次自主 LLM 的调用， 而这些调用通常需要设计精致的 prompt ， 来起到承上启下的作用，prompt 就是 AI 世界的 python ， 通过粘合发挥最大价值 比如， 阅读 langchain 的源码， 可以发现其设计的 prompt 的思路的妙处 |
|
5
etherealai OP @prenwang 是的，所以 prompt 设计比较重要。还有就是随着模型可接受的输入长度越来越长，模型能力越来越强，相信 prompt 的重要性也会越来越凸显
|
Select Language