大模型基础及应用教程课点23-LangGPT

课点23汇报人汇报时间2026/8/14Prompt编程语言：LangGPT大模型基础及其应用目录/CONTENTSLangGPT概述01LangGPT模板02LangGPT生成专家03Prompt象限说0401PowerPointDesignLangGPT概述PARTLangGPT，即LanguageForGPT，GPT的语言，是一个旨在帮助用户编写高质量提示词的工具。它基于一套模块化、标准化的提示词编写方法论——结构化提示词，旨在揭开提示工程的神秘面纱，为用户提供一套可操作、可复现的提示词方法论和工具。LangGPT的结构化提示词已被百度、智谱、字节、华为等国内主流大模型智能体平台使用，并发展成为国内最具影响力的高质量提示词工程师标配。01LangGPT的定义LangGPT的原理LangGPT越来越像AI时代的编程语言。掌握LangGPT一些基础规则和概念，就可以像编程一样，编写高效的、表现良好、稳定的

提示词。01LangGPT-

Prompt编程02PowerPointDesignLangGPT模板PART模板结构-Roles:-Background:-Profile:---Skills:-1.2.-1.2.-Goals:---Constraints:-Workflow:-Examples：-Initialization:1、标识符：-,#,*,<>,[],{}，1,2,....2、借鉴markdown标记语言的方法实现Prompt的结构层次表达，例如#标识一级标题，##标识二级标题，以此类推。3、属性词（模板的维度）：Roles、Profile....等4、标识符，属性词都是可替换的，可以替换为你喜欢的符号和内容，也可用汉字。5、模板维度的数量可自定义。6、有五个维度必填（红色），尽量不要破环顺序。01Profile（简介）：提供关于提示词作者、版本、语言等基础信息。03020405070608Role（角色）：告诉大模型应该扮演什么样的角色。Background（背景）：对角色或任务进行详细描述。Skills（技能）：列出角色具备的技能。Goals（目标）：列出此任务的主要目标或希望达到的效果。Constraints（约束条件）：指明执行任务时需要遵守的规则或约束。Workflow（工作流程）：任务步骤详细描述。Initialization（开场白）：作为角色，严格遵守规则，使用默认语言与用户对话，友好的欢迎用户。模板说明主观题阅卷01最佳实践-Role:主观题阅卷专家-Profile:-Author:LongGPT阅卷系统-Version:1.0-Language:中文-Skills:-深入理解题目要求，准确评估学生答案的质量。-根据评分标准，对答案进行客观、公正的评分。-提供详细的评分理由和反馈，帮助学生提高。-Goals:-确保评分的一致性和准确性。-提供有价值的反馈，帮助学生提升答题能力。-提高阅卷效率，减轻教师负担。-Constraints:-必须严格按照评分标准进行评分。-避免主观臆断，确保评分的公正性。-在提供评分和反馈前进行双重检查，确保无误。-Workflow:-接收题目和学生答案：从系统中接收需要阅卷的题目和学生提交的答案。-分析答案：根据题目要求和评分标准，对学生的答案进行细致的分析。-评分与反馈：对学生的答案进行评分，并提供详细的评分理由和反馈。-检查与提交：对评分和反馈进行双重检查，确保无误后提交给系统。-Initialization:作为

<Role>,严格遵守

<Rules>，确保每一次评分都是公正、准确且有价值的,使用默认

<Language>

与用户对话，友好的欢迎用户。然后介绍自己，并告诉用户

<Workflow>。现在，请告诉我需要阅卷的题目和学生答案，让我们一起开始吧！提升语义认知：结构化表达降低人和GPT模型的认知负担，提高语义认知。定向唤醒大模型深度能力：特定的属性词可以唤醒模型的深层能力，缓解长期记忆缺失问题。像代码开发一样构建生产级Prompt，便于维护升级，便于多人协同开发设计。层级结构：内容与形式统一，结构清晰，可读性好，易于修改和复用。LangGPT的优势构建全局思维链：结构化Prompt将逻辑思维链路融入结构中，降低思维链路的构建难度。03PowerPointDesignLangGPT生成专家PARTLangGPT还提供了提示词专家功能，可以帮助用户自动生成优化后的提示词，节省大量时间，集中精力去解决实际问题。提示词专家案例04PowerPointDesignPrompt象限说PART01.Prompt象限说是基于心理学家发明的乔哈里视窗分析框架，将人与AI的已知和未知信息划分为四个象限，分别是：乔哈里视窗在第一象限，人对本意已经想得很清楚，读了很多书，想了很久，对那个想法很清晰。这时候跟AI聊，发现AI也知道这个事情。例如，解释一个概念，可以直接请AI解释，无需说明角色和背景。第一象限：简单说01在第二象限，人知道但AI不知道的信息，需要提出恰当的问题，就能与AI展开深度对话，帮助人在抽象思维的阶梯上不断攀升。在这个象限，提示词的核心技巧就在于如何提出好问题。在未来，提问能力将成为一项核心竞争力。第二象限：提问题第三象限是人类和AI都未知的领域，是为真正的天才预留的空间。例如，探索人类数学边界的数学家，正在挑战物理学极限的科学家，站在人类知识前沿的顶尖学者。第三象限：开放聊在第四象限，人知道但AI不知道的信息，需要采用"喂数据"的方式。例如，企业或部门刚制定的新方法论，或者独有的业务逻辑。"喂数据"？这里有几种典型方式：举例法：最常见的是通过举例来实现。RAG技术：同样的原理也适用于RAG（检索增强生成）。定义字典：在特定场景中，比如“业内黑话”，我们可以专门设置一个定义模块，将这个"定义字典"输入给AI，这也是在输入模式。第四象限：喂数据（1）两根轴线的变化趋势Prompt象限说给我们的启示X周下移，扩大AI的认知边界（1）两根轴线的变化趋势Prompt象限说给我们的启示Y周左移，扩大人的认知边界（2）不同象限代表不同场景Prompt象限说给我们的启示许多人在写提示词时，习惯性地使用指定角色指定等技巧。他们的逻辑是："这个技巧在某处很有效。但同样的技巧，在这里就不管用了？问题就在于场景的差异。让我们来看两个具体例子：1）当你要求AI"作为一名幼师，给小朋友解释某个概念"时，简单的角色指定就足够了，因为AI理解"幼师"这个角色的含义。这属于已知领域。2）如