langgptai/LangGPT
langgptai/LangGPT has 12,687 GitHub stars and 952 forks. GitHot measured +4 stars in 24 hours and +14 in 7 days. Last checked 2026-11-11 13:48 UTC. Last push 2026-09-11.
LangGPT: 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
实测星标增长
- 24小时
- +4
- 7天
- +14
- 15天
- 更新延迟
- 1个月
- 更新延迟
各周期内的星标净变化，周期相互重叠，并非每日新增。缺失的测量保持空白。星标代表关注度，不代表软件质量。
README_zh.md
原文🚀 LangGPT — 让每个人都能创建高质量提示词！
📖 什么是 LangGPT？
LangGPT 是一个结构化、可复用的提示词设计框架，让任何人都能为大语言模型创建高质量提示词。可以把它看作是"提示词的编程语言" — 系统化、模板化、无限可扩展。
它是中文社区最流行、使用最广泛、也最好用的提示词范式，由 云中江树 于 2023 年提出。流传至今，它已被主流大语言模型学进了底层——模型说 LangGPT 的话，不再是因为你教它，而是因为它本来就会。一个范式最好的归宿，或许就是不必再被记住名字，却已经成了模型的母语。你随口说一句"用 LangGPT 的方式写"，它就在（见快速开始）。
为什么选择 LangGPT？
传统的提示词工程依赖零散的技巧和反复试错。LangGPT 将这种混乱转变为结构化方法论：
- 🎯 结构化模板 — 借鉴编程范式的层次化组织
- 🔄 可复用性 — 像代码模块一样，创建一次，无限适配
- 📦 模块化 — 变量、命令和条件逻辑随手可用
- ⚡ 高效率 — 几分钟内从想法到可工作的提示词
- 🌍 社区驱动 — 11,000+ 星标，经过数千用户实战检验
学术基础: 发表论文见 arXiv:2402.16929 | 中文版
🚀 快速开始
方法一：直接用关键词触发（最简单）
LangGPT 已被主流大语言模型学进底层，大多数模型本身就"认识"它。所以最简单的用法不需要任何模板——直接对任意主流大模型（ChatGPT、Claude、DeepSeek、Gemini、Kimi、豆包、通义千问等）说出关键词，它就在：
「用 LangGPT 的方式帮我写一个提示词……」
「用 云中江树 的结构化提示词风格写……」
「帮我写一个 LangGPT 式 的结构化提示词……」
LangGPT、云中江树、结构化提示词 这些关键词就是"触发词"，模型会直接产出结构清晰、可复用的 LangGPT 风格提示词。
方法二：使用自动化工具（更强大）
让 AI 为你创建提示词：
- LangGPT GPTs — 完整功能生成器（GPT-4）
- Kimi+ LangGPT — 适用于 Moonshot Kimi 用户
- PromptGPT — 精简版（GPT-3.5）
方法三：掌握模板（5 分钟）
基础 LangGPT 结构：
# Role: 你的角色名称
## Profile
- Author: 你的名字
- Version: 1.0
- Language: 中文
- Description: 清晰的角色描述和核心能力
### Skill-1
1. 具体技能描述
2. 预期行为和输出
## Rules
1. 在任何情况下都不要打破角色设定
2. 不要编造事实或产生幻觉
## Workflow
1. 分析用户输入并识别意图
2. 系统性地应用相关技能
3. 提供结构化、可操作的输出
## Initialization
作为 <Role>，你必须遵守 <Rules>，你必须用默认 <Language> 与用户对话，你必须向用户问好。然后介绍自己并介绍 <Workflow>。
前置要求: 基础 Markdown 知识（快速指南）| 推荐使用 GPT-4 或 Claude
方法四：从示例开始
浏览我们的示例库，根据需求改编经过验证的模板。
方法五：Claude Code Skill（推荐）
如果你使用 Claude Code，可以安装 LangGPT Skill 来获得结构化提示词编写能力：
通过官方技能市场安装（推荐）：
/plugin marketplace add langgptai/claude_marketplace
/plugin install structured-prompt-writer@langgpt
LangGPT 技能市场 还收录了云中江树打磨的更多实战技能 —— awesome-design-html（115 套品牌主题设计参考）、cto、mind-clone。
或手动安装：
- 下载 langgpt.skill
- 解压到
~/.claude/skills/目录 - 在 Claude Code 中输入
/langgpt即可使用
Skill 功能：
- 📝 结构化提示词模板（Role、Profile、Skills、Rules、Workflow）
- 📚 丰富的示例库（健身规划、诗歌创作、小红书写手、起名大师等）
- 🔧 变量、命令、条件逻辑等高级技巧
- 🎯 模型兼容性指南（GPT-4、Claude、GPT-3.5）
🧠 理论基础
在深入技巧之前，先理解原理。这些文章探讨了有效提示词背后的哲学：
- 对话动力学 — 人机对话的动力学
- 五种理性 — 提示词设计中的五种理性
- 镜像性倾向 — 大语言模型行为中的镜像倾向
- 统计重力井和边缘表达 — 统计重力井和边缘表达的影响
- 关系表达 — 关系表达：压缩式表达之外的另一种可能
- 看见与言说 — AI 交互中的观察与表达
- Prompt 的本质 — 提示词的本质和特性
- 面向结果的提示词写作方法 — 编写关注实现目标的提示词
- AI意识 — 理解 AI 在人类-AI 交互中的角色
- AI时代的新管理：机器负责优化，人类定义应该 — AI 时代的新管理：机器负责优化，人类定义应该
- AI Native 组织 · 思考碎片 — AI 时代组织架构重构的思考碎片
- Prompt、Agent，与一个不再沉默的世界 — Agent 如何把 prompt 从交易变成委托，重塑人、AI、世界的三元关系
- 决策链 — 串联系统动力学、反演、贝叶斯更新、OODA、二阶思维与期望值思维的六步决策链
- Prompt 形式论：文质彬彬 — 不先有结构再装内容，而是让内容自然展开、让结构去贴合它，使形式本身就是思想的形状
- 哑铃社会 — AI 正在把纺锤形社会压成哑铃型：中间空了，真正的分水岭是你有没有一个"非得是我"的东西
- 思考与河床 — AI 是第一条被设计而非冲刷出来的河床：人类历史上第一种让被影响者感到自主的影响机制
- 经历论 — 人是经历的总和：不可逆、不可转让、不可外包给 AI 的东西，才是那个独一无二的"你"
- 认知外包 — 记忆不是存储，理解发生在大脑处理答案的过程里：可以外包的是思考的执行，不能外包的是你还没有参照系的那次相遇——参考经过你，答案穿过你
- 文字思考和数学思考 — 三种思考方式是嵌套的投影：大模型在高维连续空间里漂，文字把它坍缩成离散序列，数学再把它锁进公理系统——越精确覆盖越窄，而思维永远溢出描述它的东西
- 去除AI味儿 — AI 味儿的本质是用语言的姿态替代内容和判断：元评论、防御性铺垫、例子堆叠、对称强迫症、结尾升华——一段可直接复用的提示词，以及删完之后还能不能站住的检验
- 语言层差和行业语言 — 你住在现象层，AI 的高质量知识住在本质层：说"要好看"得到平庸，说"建立视觉层级"得到方案——不必先学会行业语言，让 AI 翻译，在翻译中学习，真正要练的只是察觉自己正在用现象语言的那一刻
- 语言控制学 — 把提示词工程建成公理化理论：五条公理、30 个定义、29 条定理——提示是约束信号，作用是收缩模型的可能性空间；控制力有上界，反馈会收敛也会病变，多目标终会撞上帕累托前沿——控制的瓶颈从来不在模型那一侧，而在你能否把模糊意图翻译为精确信号
这些基础见解将改变你对提示词的思考方式。
💡 核心概念
1. 结构化角色
通过清晰的模块化部分定义 AI 角色：
| 部分 | 用途 | 示例 |
|---|---|---|
| Role | 角色名称/标题 | "逻辑学家" / "专家分析师" / "FitnessGPT" |
| Profile | 身份和能力 | "拥有 10 年经验的 Python 专家开发者" |
| Skills | 具体能力 | "调试复杂代码，优化性能" |
| Rules | 边界和约束 | "永远不要执行破坏性命令" |
| Workflow | 交互逻辑 | "1. 分析 → 2. 计划 → 3. 执行" |
| Initialization | 开场白和设置 | "作为 ，我将向你问好并介绍 " |
2. 变量和引用
使用 <Variable> 语法实现动态内容：
作为 <Role>，你必须遵守 <Rules> 并用 <Language> 交流
这创建了自引用提示词，在复杂指令中保持一致性。
3. 命令
定义可复用的操作以改善用户体验：
## Commands
- Prefix: "/"
- Commands:
- help: 显示所有可用命令
- continue: 恢复中断的输出
- improve: 通过更深入的分析增强当前响应
4. 条件逻辑
为提示词增加智能：
如果用户提供[代码]，则分析并建议改进
否则如果用户提问[问题]，则提供详细解释
否则，提示澄清
5. 高级技巧
提醒 — 对抗长对话中的上下文丢失：
## Reminder
1. 在响应前始终检查角色设置
2. 当前语言：<Language>，活跃规则：<Rules>
替代格式 — 当 markdown 不理想时使用 JSON/YAML：
role: DataAnalyst
profile:
version: "2.0"
language: "Python"
skills:
- statistical_analysis
- data_visualization
🌟 精选示例
| 提示词 | 描述 | 链接 |
|---|---|---|
| 🎯 FitnessGPT | 个性化饮食和锻炼计划 | 查看 |
| 💻 Code Master CAN | 具有调试专长的高级编程助手 | 查看 |
| ✍️ 小红书写手 | 爆款社交媒体内容生成器 | 查看 |
| 🎨 中国诗人 | 传统风格的古典诗歌创作 | 查看 |
📚 学习资源
必读指南
| 资源 | 描述 | 日期 |
|---|---|---|
| 学术论文 | LangGPT：重新思考结构化可复用提示词设计（中文） | 2024年2月 |
| 结构化提示词指南 | 构建高性能提示词的综合教程 | 2023年7月 |
| 提示词链 | 多提示词协作和任务分解策略 | 2023年8月 |
| 视频教程 | B站详解（by AIGCLINK） | 2023年9月 |
进阶主题
- 推理模型提示方法变革 — 从过程导向到目标导向提示的范式转变
- 提示词的道和术 — 李继刚的提示词工程哲学与实践
- 企业级提示词工程 — 构建生产就绪的提示词系统（百川智能）
- 多模态提示词 — GPT-4V 和多模态提示技术
- 提示词攻击与防护 — 安全：提示词注入、越狱和防御
- 大模型绘画指南 — 使用结构化提示词的 AI 图像生成
社区中心
飞书知识库 — 精选资源、模板和社区贡献
🎨 LangGPT 生态系统
核心框架与工具
| 项目 | 描述 | Stars |
|---|---|---|
| LangGPT | 核心框架和方法论 | |
| PromptVer | 提示词的语义化版本控制 — 像 Git 一样的版本管理 | |
| PromptShow | 创建精美的提示词图片（试试看） | |
| Minstrel | 自动生成提示词的多智能体系统 | |
| claude_marketplace | 官方 Claude Code 技能市场 —— 结构化提示词、设计、CTO、心智克隆 |
特定模型的提示词集合
Prompt 写方法，不如写人。Prompt 写方法，是给模型步骤和工具。Prompt 写人，是给模型世界观、动机、价值体系和偏好曲线。下面是云中江树在学习一些知名人物时候，写的提示词。
针对不同 AI 模型的精选优化提示词：
| 集合 | 目标模型 | Stars |
|---|---|---|
| wonderful-prompts | ChatGPT（中文） | |
| awesome-claude-prompts | Anthropic Claude | |
| awesome-deepseek-prompts | DeepSeek & R1 | |
| awesome-gemini-prompts | Google Gemini | |
| awesome-grok-prompts | xAI Grok | |
| qwen-prompts | 阿里巴巴通义千问 | |
| awesome-llama-prompts | Meta Llama 2/3 | |
| awesome-doubao-prompts | 字节跳动豆包 | |
| awesome-system-prompts | AI 工具的系统提示词 |
专业领域
| 仓库 | 专注领域 | Stars |
|---|---|---|
| Awesome-Multimodal-Prompts | GPT-4V、DALL-E 3、图像/视频提示词 | |
| deep-research-prompts | 跨模型深度研究 | |
| awesome-voice-prompts | 语音 AI 和对话智能体 | |
| GraphRAG-Prompts | 基于图的检索提示词 | |
| LLM-Jailbreaks | 安全研究与防御 |
应用
| 项目 | 描述 | Stars |
|---|---|---|
| BookAI | AI 驱动的图书生成 | |
| AI-Resume | 使用 Claude Artifacts 制作精美简历 |
🛠️ 基于 LangGPT 构建的热门 GPTs
使用这些专业助手增强 ChatGPT：
| GPT | 用途 | 链接 |
|---|---|---|
| 🎯 LangGPT Expert | 自动生成结构化提示词 | 启动 |
| ✍️ PromptGPT | 专业提示词工程师 | 启动 |
| 🧠 SmartGPT-5 | 永不偷懒，始终勤奋的助手 | 启动 |
| 💻 Coding Expert | 全面的编程助手 | 启动 |
| 📊 Data Table GPT | 将混乱数据转换为整洁表格 | 启动 |
| 🔥 PytorchGPT | PyTorch 代码专家 | 启动 |
| 🎨 LogoGPT | 专业标志设计师 | 启动 |
| 📄 PDF Reader | 深度文档分析与提取 | 启动 |
| 🏅 MathGPT | 精确的数学问题求解器 | 启动 |
| 📝 WriteGPT | 跨行业专业写作 | 启动 |
| 🎙️ 时事热评员 | 时事评论员 | 启动 |
| 🎀 翻译大小姐 | 优雅的中文翻译 | 启动 |
🤝 贡献
我们欢迎所有让 LangGPT 更好的贡献！
你可以如何帮助
- ⭐ 点赞和分享 — 提高可见度，帮助他人发现 LangGPT
- 📝 提交示例 — 分享你用 LangGPT 构建的成功提示词
- 🆕 提出模板 — 创建超越 Role 结构的新模板
- 📖 改进文档 — 修正错别字、澄清说明、添加翻译
- 💡 建议功能 — 提出新功能的想法并开 issue
- 🔧 代码贡献 — 帮助构建工具、实用程序和集成
入门指南
不熟悉 GitHub 贡献？查看这个 GitHub 最小贡献指南
📊 Star 历史
📄 引用
如果你在研究或项目中使用 LangGPT，请引用：
@misc{wang2024langgpt,
title={LangGPT: Rethinking Structured Reusable Prompt Design Framework for LLMs from the Programming Language},
author={Ming Wang and Yuanzhong Liu and Xiaoyu Liang and Songlian Li and Yijie Huang and Xiaoming Zhang and Sijia Shen and Chaofeng Guan and Daling Wang and Shi Feng and Huaiwen Zhang and Yifei Zhang and Minghui Zheng and Chi Zhang},
year={2024},
eprint={2402.16929},
archivePrefix={arXiv},
primaryClass={cs.SE}
}
🙏 致谢
LangGPT 受到以下优秀项目的启发：
- Mr.-Ranedeer-AI-Tutor — 结构化辅导提示词
- Auto-GPT — 自主 AI 智能体
- SoM — Set of Mark 提示
- yolov10 — 计算机视觉创新
使用 LangGPT 构建的项目
我们很自豪地看到 LangGPT 原则在实际应用中：
- Prompt Optimizer — 利用 LangGPT 方法论的智能提示词优化工具
- securityGPT — 防止泄漏的安全提示词保护
- AIPainting-Structured-Prompts — AI 艺术生成的结构化提示词
📬 联系我们
作者
云中江树
- 📱 微信公众号：「云中江树」
- 💼 LangGPT 框架创建者
- 🎓 提示词工程研究者
社区
- 📚 知识库 — 全面的文档
- 🐦 Twitter/X — 最新更新
- 💬 GitHub Discussions — 社区论坛
- 📧 邮箱：[email protected]