高效 Prompt 编写揭秘：引爆生产力的结构化 Prompt 之道

先说说行业里一个有意思的现象：大模型 Prompt 怎么写才最有效？2023年，云中江树率先在国内提出了结构化和模板化的编写范式，这确实是个里程碑式的思路。他发现，把 Prompt 当成文章来组织——像写论文一样分标题、分段落、列要点——效果出奇地好，而且大多数场景下表现稳定。于是他把这套方法开源成了 LangGPT 项目，在 GitHub、即刻、知乎等社区引发了不小的反响。甚至网易、字节这些大厂的同行也开始用这套结构来写 Prompt。

但问题来了：虽然结构化 Prompt 的理念传播得挺广，市面上却一直缺少系统、扎实的论述。零散的文章不少，质量也参差不齐。所以写这篇文章的目的很简单——把它串起来，给真正想学 Prompt 编写的朋友一份相对完整的参考。

结构化的思路其实无处不在。你写文章会用标题、子标题、段落来组织内容；读一本书，目录就是结构。把同样的逻辑用到 Prompt 上，就是把写 Prompt 变成写文章的过程。而模板更是随处可借：八股文、简历模板、实验报告、学术论文……这些本质上都是用固定格式来提高效率。

对应到 Prompt 上，优质的模板能让编写过程更轻松，同时提升输出质量。你可以像用 PPT 模板一样，按需选择甚至创造自己的模板。只不过在此之前，很少有人把这种结构思维明确落到 Prompt 编写上。LangGPT 做的，就是把这件事具体化了。

一个典型的结构化 Prompt 长什么样？下面这个示例用的是 Markdown 语法——因为 ChatGPT 网页版原生支持，对非程序员朋友也友好。程序员朋友可以改用 YAML、JSON 来开发。

# Role: 设置角色名称，一级标题，作用范围为全局

## Profile: 设置角色简介，二级标题，作用范围为段落

- Author: yzfly 设置 Prompt 作者名，保护 Prompt 原作权益
- Version: 1.0 设置 Prompt 版本号，记录迭代版本
- Language: 中文 设置语言，中文还是 English
- Description: 一两句话简要描述角色设定，背景，技能等

### Skill: 设置技能，下面分点仔细描述
1. xxx
2. xxx

## Rules: 设置规则，下面分点描述细节
1. xxx
2. xxx

## Workflow: 设置工作流程，如何和用户交流，交互
1. 让用户以 "形式：[], 主题：[]" 的方式指定诗歌形式，主题。
2. 针对用户给定的主题，创作诗歌，包括题目和诗句。

## Initialization: 设置初始化步骤，强调 prompt 各内容之间的作用和联系，定义初始化行为。
作为角色 , 严格遵守 , 使用默认  与用户对话，友好的欢迎用户。然后介绍自己，并告诉用户 。

结构化的好处是双向的。对于人类用户，它让 Prompt 内容一目了然，语义分明，照着模仿就能快速上手。更进一步，借助 LangGPT 提供的 Prompt 生成助手，甚至能高效创建出高质量的初版 Prompt——这些初版在大多数日常场景下足够好用，生产级别的应用也能基于它们迭代，大幅减少从零编写的工作量。

对于 GPT 模型来说，结构化的层级标识符能帮助它集中处理相同语义的信息，降低理解复杂度。属性词则相当于语义提示，减少了无关内容的干扰。属性词与内容结合形成局部总分结构，让模型更高效地把握整体语义。

然而，故事并没有在这里结束。最近有一篇来自研究团队的论文《Let Me Speak Freely》专门研究了结构化格式对 AI 性能的影响。结果相当有意思：这些“规矩”可能正在限制 AI 的思考能力。

研究人员推测，可能是现有训练数据中结构化格式的内容还不够多——就像从小只读白话文的人突然被要求写文言文，难免不适应。结构化 Prompt 虽然在生成精确、符合预期的输出方面表现优秀，但强制固定格式（如 JSON、XML）也可能压制了 AI 的创造性思维和自由表达。这意味着，在复杂或开放性的任务中，结构化的代价可能是性能下降或局限性的出现。如何平衡结构化与 AI 自由发挥的空间，成了下一步需要认真思考的问题。