LangGPT —— 让人人都能编写高质量 Prompt
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！
ChatGPT 中文指南