DeepSeek 结构化提示词完全指南

《DeepSeek最佳实践指南》LangGPT结构化提示词PART ONE定义与特点LangGPT结构化提示词是一种面向大语言模型的自然语言提示词框架。

自然语言提示词框架

01、通过模块化、标准化的方式设计提示词，使AI能够结构化理解需求，建立清晰的指令层级，保持提示词的一致性和可复用性。

模块化、标准化设计

02、提高交互效率减少反复尝试的成本LangGPT结构化提示词能够提高交互效率，减少反复尝试的成本。增强AI回答的可预测性通过结构化设计，LangGPT能够增强AI回答的可预测性，便于持续优化和迭代。LangGPT框架结构PART TWO双层架构类似编程语言中的”类”，指导AI的不同方面，如角色设定、约束条件、目标等。

模块层设计类似编程语言中的”函数”和”属性”，代表具体指令内容，分为辅助型和方法型。元素层设计LangGPT模型概述LangGPT模型通过Markdown格式的结构化提示词来定义角色名称和背景，如“Role: [角色名称]”和“Profile- [角色背景]”，确保角色信息清晰明确。

角色与背景01在“Skills-”部分，模型列出了角色的技能，例如“技能1”，“技能2”，“技能3”，这些技能是角色执行任务和达成目标的关键。核心技能02LangGPT模型通过“Goals-”部分明确角色的目标，如“目标1”，“目标2”，这些目标指导模型在特定场景下的行为和决策。

模型目标03“Constraints-”部分定义了角色在执行任务时需要遵守的约束条件，例如“约束1”，“约束2”，这些约束确保模型的输出符合特定的要求和限制。应用约束04LangGPT模型的工作流程在“Workflow”部分被详细描述，包括“步骤1”，“步骤2”，“步骤3”，这些步骤指导模型从输入到输出的整个处理过程。

工作流程05在“OutputFormat”部分，模型定义了输出的格式，确保最终结果的结构化和一致性，满足不同应用场景的需求。输出格式定义06LangGPT核心模块概览基本格式LangGPT结构化提示词采用Markdown格式编写，便于理解和应用。

Markdown格式通过模块化设计建立清晰的指令层级，保持提示词的一致性和可复用性。清晰指令层级提示词分为角色、背景、技能、目标、约束、工作流和输出格式等模块。模块化设计010203适用场景PART THREE最适合的场景角色扮演创建特定专业领域的顾问，设计虚拟助手的个性，构建特定风格的写作助手。

复杂任务处理多步骤问题解决，系统化分析和推理，创意内容生成。持续交互应用教育辅导系统，客户服务机器人，个人助理应用。不适合的场景010203简单查询基本信息查找，简短事实性问答。单一步骤任务单一步骤的任务，对话效率要求极高的场景。结构化提示词限制可能占用更多Token，不适合需要极致响应速度的场景。