LangGPT

LangGPT 是由云中江树在 2023 年提出的结构化提示词框架，官方把它描述为「一种结构化、可复用的提示词设计框架」，并称可以把它理解成「提示词领域的编程语言」。它的核心主张是把提示词从零散技巧变成有层级、有模板的方法论，让提示词像代码模块一样一次写好、反复复用。

核心能力

• 结构化模板：官方称受编程范式启发，用层级化方式组织提示词，形成统一书写结构。
• 模块化设计：官方把提示词拆成 Role、Profile、Goal、Skills、Rules、Workflow、Initialization 等模块，每个模块承担明确职责。
• 变量与引用：官方称支持用变量语法实现自引用提示，在复杂指令中保持一致，减少重复改写。
• 命令与条件逻辑：官方称可定义可复用命令，并支持条件判断结构，为提示词注入执行逻辑。
• 可复用与可扩展：官方称「一次创建，无限适配」，提示词可以像模块一样被改造与组合。
• 开源与社区：官方称项目在 GitHub 开源，拥有大量星标与用户实践，并发表相关论文。

适合谁

• 需要长期维护提示词的产品或运营人员：用统一模板管理多条提示词，避免风格与结构失控。
• 想让输出更稳定的开发者：通过 Rules 与 Workflow 约束模型行为，减少随机发挥。
• 带团队做 AI 应用的负责人：把结构化提示词当作交付规范，降低交接成本。
• 提示词爱好者：从示例库中的成熟模板开始改造，比从零摸索更快。
• 需要在多个模型间迁移提示词的人：结构化的写法在不同模型上迁移成本更低。

使用建议

• 先从官方示例模板开始改，理解每个模块为什么存在，再尝试自己从头写。
• Rules 模块是效果差异最关键的一段，把禁止行为写清楚比把能力写得多更有效。
• 长对话中模型容易遗忘设定，可在对话中重复关键约束作为提醒。
• 复杂提示词建议用 Markdown 之外的格式承载，结构化数据场景可用 JSON 或 YAML。
• 模板只是骨架，业务背景与验收标准仍需自己补齐，否则输出依然空泛。此外，这类偏基础设施与社区型的工具，价值往往在使用一段时间后才显现：早期多花点时间熟悉它的数据结构和接口约定，后续接入自有工作流的成本会明显下降。