### [LangGPT](https://hello123.com/) **Published:** 2026-10-29T11:48:00 **Author:** hello123 **Excerpt:** LangGPT 将提示词设计变成类似编程的结构化流程。通过模板、变量、工作流和 Reminder 模块，用户可… ## LangGPT 是什么：结构化提示词的编程语言 **LangGPT** 是 GitHub 上开源的一种结构化提示词设计方法，定位为「面向**大语言模型**的编程语言」。注册或克隆项目后，用户会先看到 README 中的模板示例，例如 FitnessGPT 角色定义。该框架借鉴编程语言中的类与对象结构，将提示词分为模板和实例两层。模板定义角色、规则、**工作流**等固定结构，实例则填入具体内容。这种设计让提示词编写从自由文本变为填空式操作。 ![LangGPT截图](https://cdn.hello123.com/wp-content/uploads/2026/09/langgpt.jpg) 根据 SegmentFault 思否 2023 年 5 月的介绍，LangGPT 为大规模生产高质量 prompt 提供了可能。它强调系统性、灵活性和交互友好性。项目在 GitHub 上开源，曾进入全球趋势热榜前十。社区用户可提交模板或修改文档，推动提示词共享。 ### 双层框架：类与对象如何映射到 Prompt LangGPT 的双层结构直接类比面向对象编程。模板相当于类，定义了角色属性、规则、工作流等字段。实例相当于对象，是填入具体参数后的可执行提示词。例如，一个「诗人」模板包含角色描述、技能、约束等模块。用户填写姓名、风格、输出格式后，就得到一个具体诗人实例。 这种映射降低了学习成本。用户不需要理解底层模型机制，只需按字段填写。模板可复用，同一模板能生成多个不同实例。官方文档指出，该设计让提示词编写「像面向对象编程一样直观」。 ### 模板、变量、命令：三个核心语法元素 LangGPT 定义了三个核心语法元素：模板、变量、命令。模板提供结构化骨架，例如 Role、Profile、Rules、Workflow 等模块。变量用尖括号标记，如 ``，代表动态内容。命令用于执行预定义行为，例如切换语言或重置对话。 > 变量是 LangGPT 区别于传统提示词技巧的关键。用户可以在模板中设置变量，然后在引用时修改。例如，FitnessGPT 模板中定义 `#Age`、`#Gender`、`#Height` 变量。用户输入具体数值后，模型按变量位置生成定制方案。命令则让提示词具备可编程性，例如设置中英文切换。 ### 开源与社区：GitHub 趋势榜前十的项目 LangGPT 项目完全开源，托管在 GitHub。根据公开数据，它曾进入 GitHub 全球趋势热榜前十。仓库包含 Docs、examples、templates 等目录。用户可提交 issue 或 pull request 参与改进。 社区贡献体现在多个方面。有人提交韩语翻译，有人修复移动端问题，有人添加自定义采样参数。GitHub 提交记录显示，贡献者包括 quzard、idawnwon、Kamilake 等。这种开放模式加速了框架迭代。 ## LangGPT 功能和实际使用：从模板到 Reminder LangGPT 的功能围绕模板、变量、工作流和 Reminder 展开。模板让用户按固定结构填写，变量实现动态内容引用，工作流定义交互步骤，Reminder 缓解长期记忆缺失。这些功能共同降低提示词编写门槛。 > 根据 SegmentFault 思否的总结，LangGPT 有五个优点：系统性、灵活性、可编程性、交互友好性、模块化配置。其中 Reminder 功能专门解决对话过长时模型遗忘早期指令的问题。 ### 系统性模板：填鸭式编写降低门槛 模板是 LangGPT 的核心。用户不需要从零设计提示词，只需选择合适模板并填空。例如，角色模板包含 Author、Version、Language、Description 等字段。用户填写后，模型就能按角色设定响应。 这种填鸭式编写降低了学习成本。传统提示词技巧依赖经验和试错，而模板提供了明确结构。官方示例 FitnessGPT 展示了完整流程：定义角色、列出规则、创建工作流。用户照抄格式即可。 ### 变量引用：像编程一样修改 Prompt 内容 变量让提示词内容可动态修改。LangGPT 使用尖括号标记变量，例如 ``。用户可以在模板中声明变量，然后在引用时赋值。这种方式类似于编程中的参数传递。 例如，一个翻译模板可以定义 `` 和 `` 变量。用户使用时只需修改这两个值，无需重写整个提示词。官方文档指出，变量简化了角色内容引用和属性修改。 ### 工作流与 Reminder：定义交互并缓解记忆缺失 工作流定义角色与用户的交互步骤。例如，FitnessGPT 的工作流包括：接收用户信息、询问目标、生成计划、确认调整。用户按步骤操作，模型按流程响应。 Reminder 用于缓解长期记忆缺失。当对话过长时，模型可能遗忘早期指令。Reminder 在提示词中重复关键约束，例如「始终以 `JSON` 格式输出」。这能保持对话连贯性。 ## LangGPT 怎么用：从选模板到测试调整 使用 LangGPT 的流程分为八步：理解核心概念、选择模板、填写内容、使用变量、定义工作流、初始化角色、测试调整、使用助手。注册后通常会看到 README 中的快速启动示例。 用户首先需要熟悉 Markdown 语法。官方文档建议使用 **GPT-4** 或 **Claude** 作为底层模型。然后从 templates 目录选择合适模板，按字段填写。 ### 理解核心概念：模板、变量、工作流 使用前必须掌握三个概念。模板是结构化骨架，变量是动态内容标记，工作流是交互步骤定义。三者共同构成 LangGPT 提示词。 模板提供字段结构，例如 Role、Profile、Rules。变量用尖括号标记，例如 ``。工作流用编号列表定义，例如「1. 接收输入 2. 生成输出」。理解这三个概念后，用户就能上手编写。 ### 选择并填写模板：以角色模板为例 选择模板取决于任务类型。例如，想要模型扮演诗人，就选诗人角色模板。模板通常包含角色描述、技能、规则、工作流等字段。 以 FitnessGPT 为例，用户填写 Author、Version、Language、Description。然后在 Rules 中列出约束，例如「不要打破角色设定」。最后在 Workflow 中定义步骤。填写完成后，提示词即可使用。 ### 定义工作流与初始化角色 工作流是角色与用户的交互步骤。例如，客服角色工作流包括：问候用户、询问问题、提供解决方案、确认满意度。用户按步骤响应，模型按流程执行。 初始化角色是可选步骤。它在交互开始前执行，例如让模型先自我介绍。官方文档提到，初始化行为可以在角色开始与用户交互前设置。这能让对话更自然。 ### 测试、调整与使用 LangGPT 助手 编写完成后，将提示词输入大语言模型测试。根据输出调整字段内容或工作流步骤。例如，如果模型输出偏离角色设定，就修改 Rules 中的约束。 LangGPT 助手可以辅助生成模板。用户描述需求，助手输出相应提示词模板。这进一步降低了编写门槛。测试和调整是迭代过程，通常需要多轮。 ## LangGPT 与主流工具对比：结构化 vs 自由式 LangGPT 与传统提示词技巧、CRISPE 等结构化方法、通用提示词库存在明显差异。核心区别在于系统性和可复用性。传统技巧依赖经验，CRISPE 模块化程度较低，提示词库只是静态收藏。 以下表格对比三个维度： | 特性维度 | 结构化程度 | 可复用性 | 交互定义 | | :--- | --- | --- | --- | | LangGPT | 高（双层框架） | 高（模板+变量） | 支持工作流 | | 传统提示词技巧 | 低（自由文本） | 低（每次重写） | 不支持 | | CRISPE | 中（单层框架） | 中（固定模块） | 不支持 | ### 对比传统提示词技巧：系统性与可复用性 传统提示词技巧提供原则和建议，例如「明确指令」「提供示例」。但缺乏系统性，用户需要自己组织内容。同一任务每次都要重写提示词，适应性差。 LangGPT 通过模板和变量解决这个问题。模板提供固定结构，变量实现内容复用。用户只需修改变量值，就能生成新提示词。官方文档指出，传统方法「缺乏系统性和适应性」。 ### 对比 CRISPE 等结构化方法：模块化程度差异 CRISPE 是另一种结构化提示词方法，包含 Capacity、Role、Insight、Statement、Personality、Experiment 六个模块。但它只有单层结构，模块固定，无法扩展。 LangGPT 采用双层结构，支持扩展模块。用户可以根据需求添加新模块。这种设计提高了灵活性。例如，用户可以添加「输出格式」模块，而 CRISPE 没有对应字段。 ### 对比通用提示词库：从静态收藏到动态生成 通用提示词库是静态收藏，用户从中挑选现成提示词。但库中提示词无法调整，遇到新任务就失效。用户只能继续收藏，不能生成。 LangGPT 提供生成框架。用户基于模板创建新提示词，通过变量调整内容。它不是简单收藏，而是动态生成工具。官方定位是「为大规模生产高质量提示词奠定基础」。 ## LangGPT 适合什么场景：从内容创作到客服 LangGPT 主要面向五类典型场景：内容创作、代码编写、数据分析、教育辅导与客户服务。每个场景都能通过模板和变量快速构建提示词。 内容创作场景中，作家和营销人员可以用模板生成文章大纲或广告文案。代码编写场景中，程序员可以用模板生成代码片段。 ### 内容创作与代码编写：结构化生成大纲与代码片段 内容创作场景下，用户选择「文案专家」模板，填写产品信息、目标受众、语气风格。模型按模板生成广告文案。作家可以用「故事大纲」模板生成章节结构。 代码编写场景下，程序员选择「代码助手」模板，定义编程语言、框架、代码风格。模型按模板生成代码片段。变量可以指定函数名、参数类型。这比自由文本提示更精确。 ### 数据分析与教育辅导：查询语句与个性化材料 数据分析场景中，分析师用模板定义数据表结构、查询需求、输出格式。模型生成 `SQL` 查询语句。变量可以指定表名、字段名。这减少了语法错误。 教育辅导场景中，教师用模板生成个性化练习题。变量指定学生年级、知识点、难度。模型按模板输出题目和解析。学生也可以用模板生成学习材料。 ### 客户服务：构建智能客服系统 客户服务场景中，用户设计客服角色提示词。模板包含角色描述、常见问题、响应规则、升级流程。模型按模板响应客户咨询。 工作流定义客服交互步骤：问候、询问、解决、确认。Reminder 保持客服语气一致。这能提高服务质量，减少人工介入。 ## LangGPT 更新了哪些新东西：近期版本与功能变化 > 根据 GitHub 提交记录，LangGPT 近期更新包括打字机光标优化、清空聊天历史、自定义 temperature/top\_p、移动端修复、多语言支持。这些更新集中在 v2.10.7 到 v2.11.0 版本。 v2.11.0 添加了自定义采样参数，v2.10.9 添加了 socks5 代理认证。移动端修复和韩语翻译也在近期完成。 ### v2.11.0 增强：自定义采样参数与复制反馈 v2.11.0 版本添加了自定义 temperature 和 top\_p 参数。temperature 控制输出随机性，top\_p 控制候选词范围。用户可以在设置中调整这两个值。 该版本还优化了复制代码反馈效果。用户点击复制按钮后，界面反馈更清晰。贡献者 quzard 提交了相关代码。 ### BugFix 与多语言：移动端修复与韩语翻译 近期 BugFix 涉及四类问题：移动端、默认语言、ESM 与 PWA。贡献者 idawnwon 修复了默认语言错误。 多语言方面，Kamilake 添加了韩语翻译。这扩大了用户群体。移动端体验问题部分修复，但仍有用户反馈。 ## LangGPT 的局限性与已知问题：用户吐槽与缺失功能 LangGPT 存在几个已知问题。插件功能依赖 **OpenAI** **API** 函数调用，移动端体验不完善，文档不够清晰。这些问题来自 GitHub issue 和社区反馈。 插件功能基于 LangChain 实现，需要 OpenAI API 函数调用。转发 GitHub **Copilot** 接口无法使用插件。移动端问题在多个版本中反复出现。 ### 插件功能依赖 OpenAI API：转发接口无法调用 LangGPT 的插件功能基于 LangChain 实现，调用 OpenAI API 函数。如果用户使用转发 GitHub Copilot 接口或类似模拟接口，插件无法正常工作。官方 README 明确警告了这一点。 这意味着使用非官方接口的用户无法使用搜索、**RAG** 等插件。他们只能使用基础对话功能。这限制了部分用户的功能体验。 ### 移动端体验与文档问题：用户反馈汇总 移动端体验问题在 GitHub issue 中多次被提及。例如，界面布局错乱、按钮点击不灵敏。部分问题在 v2.10.7 和 v2.11.0 中修复，但仍有残留。 文档问题包括说明不清晰、示例过少。新用户可能不知道如何配置环境变量。官方文档更新速度慢于代码迭代。 ## LangGPT 的集成生态：API、插件与 Webhook 扩展 LangGPT 支持 API 调用和基于 LangChain 的插件功能。社区还提出了 **Webhook** 扩展需求。这些集成能力扩展了工具的应用范围。 API 支持让用户通过程序调用 LangGPT。插件功能实现搜索、RAG 等能力。Webhook 需求目前尚未实现。 ### API 与插件：LangChain 函数调用实现搜索等能力 LangGPT 通过 API 与外部服务交互。插件功能基于 LangChain 实现，支持搜索、RAG、语音输入等。搜索插件优先级为 GoogleCustomSearch、SerpAPI、BingSerpAPI 等。 RAG（**检索增强生成**，让 AI 能查询外部**知识库**后再回答）功能需要配置嵌入模型。如果不配置，WebBrowser 和 **PDF**Browser 插件无法使用。语音输入需要 `HTTPS` 访问。这些功能扩展了 LangGPT 的应用场景。 ### Webhook 扩展：社区需求与未来方向 GitHub issue #575 提出了增加 openapi 和 webhook 支持的需求。用户希望 LangGPT 能通过 Webhook 与其他服务集成。该 issue 目前仍处于 Open 状态。 Webhook 支持将允许 LangGPT 接收外部事件触发。例如，当有新数据时自动生成报告。目前尚无官方实现时间表。 ## 参考资料 - [SegmentFault 思否](https://segmentfault.com/a/1190000043810880?sort=newest)（2023-05-20）— 介绍 LangGPT 的系统性、灵活性、交互友好性及关键语法。 - [CSDN](https://m.blog.csdn.net/gitblog_00180/article/details/142191227)（2024-09-13）— 提供 LangGPT-tools 的安装与使用示例。 - [GitHub](https://github.com/lechie/chatgpt-web/blob/main/CHANGELOG.md)（2023-10-11）— 记录 v2.11.0 等版本的自定义采样参数、移动端修复、韩语翻译等更新。 ---