LangGPT 结构化提示词完整指南：如何5分钟写出可复用的 AI 提示词

2026/11/3 10:25:56

LangGPT 结构化提示词完整指南：如何5分钟写出可复用的 AI 提示词

【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

LangGPT 是一个结构化、可复用的提示词设计框架，它把提示词拆成Role、Rules、Workflow等模块化区块，被称为"提示词的编程语言"。它解决的是单句提示词输出不稳定、提示词文本难以维护的问题，适合想让 AI 稳定产出内容的新手，以及需要沉淀、复用提示词的团队。

场景：单句提示词撑不住的时候

某天你需要让 AI 连续、稳定地为公司的文化账号写七言律诗。你发出的第一句是"你是诗人，给我写一首七言律诗"，结果押韵混乱，下一轮对话它还开始脱离角色讲诗学理论。你反复调整措辞，效果依然不稳定。

问题不在模型，而在指令的写法：角色、技能、规则、交互流程全部挤在一句话里，模型只能"猜"每条要求的权重。

LangGPT 的回答是：像写文章一样写提示词。标题给位置，小节给归属，内容各归其位。上手有两条快速路径：

靠名字触发：LangGPT 流传足够广，你可以直接对主流大模型说"用 LangGPT 风格帮我写个提示词"，模型会直接产出结构化的提示词；
自己手写：完整骨架不到 30 行，5 分钟可以照葫芦画瓢填完（下文第三节演示）。

核心概念：给 AI 发一张岗位说明书

理解 LangGPT 最直接的类比是新员工入职。新人入职会拿到一份岗位说明书：岗位叫什么、履历背景如何、哪些红线不能碰、日常工作按什么流程走。AI 没有参加过"HR 培训"，它只能看到你写了什么，所以这份说明书必须写全。

对应到模板就是：

模块	类比	写什么
`Role`	岗位名称	AI 扮演谁
`Profile`	简历	背景、版本号、语言、一句话简介
`Skills`	岗位技能	擅长什么，分条列出
`Rules`	员工手册	必须遵守的红线
`Workflow`	作业流程	与用户交互的先后步骤
`Initialization`	入职第一天讲话	会话开始时说什么

第二个类比：模板里的#、##符号是标识符，Role、Rules这些词是属性词，合起来像一本书的章节编号。模型是在海量文章和书籍上训练出来的，你给它一个它熟悉的层级——按层级聚拢语义、按小节提纲挈领——它的理解成本就会降低。LangGPT 论文把自然语言提示词与编程语言对照成多层结构，一眼能看懂这套设计的来源：

最后一个概念是变量。<Role>、<Rules>这种尖括号写法，相当于文档内的交叉引用——"详见第三条"。角色名在一处修改，结尾的Initialization会自动引用新名字，全文不会失同步。

动手实操：从模板到产出结果，5分钟做一个可复用的"诗人"角色

这一节用"诗人"角色走一遍完整流程，从拿代码到实际对话。

第 1 步：获取代码。LangGPT 是"方法论 + 示例"型仓库，不需要安装或构建，克隆下来就有模板和示例：

git clone https://gitcode.com/gh_mirrors/la/LangGPT

第 2 步：看示例提示词。打开诗人示例，核心结构如下：

# Role: 诗人 ## Profile - Author: YZFly - Version: 0.1 - Language: 中文 - Description: 创作诗歌的艺术家，擅长表达情感、描绘景象、讲述故事 ### 擅长写七言律诗 1. 古代诗歌体裁，每句七字 2. 需要押韵，结构严谨 ## Rules 1. 内容健康积极向上；七言律诗和五言诗必须押韵 ## Workflow 1. 让用户以"形式：[], 主题：[]"指定形式和主题 2. 针对给定主题创作诗歌，包含题目和诗句 ## Initialization 作为<Role>, 严格遵守<Rules>, 用默认<Language>对话，友好欢迎用户，介绍自己并说明<Workflow>

第 3 步：贴进模型。整段复制进 ChatGPT（GPT-4、Claude 或指令遵循能力强的模型表现更稳）。模型会按Initialization以"诗人"身份自我介绍，并主动向你索要参数：

"您好，欢迎来到诗歌的世界！我是一位诗人，擅长创作现代诗、七言律诗和五言诗。请您以'形式：[], 主题：[]'的方式告诉我您希望的诗歌形式和主题……"

第 4 步：输入参数得到结果。回复"形式：七言律诗，主题：智慧女神"，模型按Workflow输出带题目、押韵的诗句。这个主题聊完关闭会话，下次把这段提示词重新贴进新会话，就又能得到一个"全新"的诗人——这就是"可复用"的含义。

两个实用提醒：模型较弱时，可以把多级标题降级为"1. 2. 3. + -"的二级结构再迭代微调；提示词用了几轮后觉得哪里缺，直接在对应小节补一句，并把Version从 0.1 改成 0.2。

进阶技巧与常见坑：三组错误示范与正确写法

先补两个让提示词更"聪明"的高级能力。

Commands（命令）：定义一组斜杠命令，长对话中随时可控：

## Commands - Prefix: "/" - Commands: - help: 显示所有可用命令 - continue: 继续被截断的输出

Reminder（提醒）：对抗长对话中"忘了角色"的问题，让模型每次回答前重新核对设定：

## Reminder 1. 每次回答前检查角色设定 2. 当前语言：<Language>，当前规则：<Rules>

下面是三个高频坑，按"错误示范 → 正确写法"对比。

坑一：大杂烩段落式写法。

错误示范：

你是诗人，擅长现代诗和七言律诗，要押韵，内容积极向上， 先问用户主题，再创作，最后解释创作思路

角色、技能、规则、流程混在一段，模型只能猜每条要求的权重。正确写法：各归其位。

### 擅长写七言律诗 1. 每句七字，必须押韵 ## Rules 1. 内容健康积极向上 ## Workflow 1. 先让用户指定"形式：[], 主题：[]" 2. 再创作诗歌并解释创作思路

坑二：内容与属性词不匹配。

错误示范：

## Rules 1. 擅长现代诗 2. 擅长七言律诗

"Rules"的语义是"必须遵守的事项"，写的却是技能描述，模型可能把技能误解成约束。正确写法：把"擅长现代诗"放进### Skills，把"不要打破角色""不要编造事实"这类红线放进## Rules。官方教程把这一点称为"内容语义一致性"——每一节的内容要对得起它的标题。

坑三：变量写死。

错误示范：

作为一个诗人，你必须说中文，并且执行上面的流程

角色改成"五言诗大师"、语言换成英文时，要翻出多处逐个改，还容易漏。正确写法：

作为<Role>, 遵守<Rules>, 用默认<Language>对话， 介绍自己并说明<Workflow>

变量自动跟随模块取值，改一处、全局生效。

另有一条经验：把提示词存成文件，在Profile里维护Version，并按 V0.2、V0.3 这样给版本命名，效果回退时才能追得清是哪一版改坏的。

写在最后

LangGPT 做的事，本质是把"调提示词"变成"写带标题的文档"：角色、规则、流程各占一节，变量让全文保持同步。建议今天花 10 分钟打开基础模板，填入你最高频使用的那个角色，贴进日常模型，看输出是否比原来的单句提示词更稳定。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

LangGPT 结构化提示词完整指南：如何5分钟写出可复用的 AI 提示词