DPML：一种结构化的 Prompt 标记语言设计方案

基本定义

DPML（Deepractice Prompt Markup Language）是一种专为AI提示词工程设计的标记语言，采用XML风格的语法结构，旨在提供结构化、可扩展且易于使用的提示词编写框架。

设计思想

当提示词的量级和复杂度达到一定水平后，我们需要一种通用的模式去管理提示词。这种通用的模式既要考虑人与大模型的易理解性（易读，职责单一，逻辑清晰），也要考虑计算机的可解释性（方便计算机系统解析，运算，验证，可视化等功能）。

我们的设计原则是简单（奥卡姆剃刀）、模块化（可复用）、可扩展（支持迭代）。

我们信奉 Unix 的设计哲学 "Everything is a file."，这在AI时代非常具有意义，将 AI、人类、计算机有效地连接在一起。

核心特点

结构化：使用标签定义不同功能模块
可扩展：支持模块化设计和渐进式复杂性
易于理解：对人类和机器都友好的语法结构
可视化潜力：便于开发编辑器和可视化工具

顶层结构

<prompt>
  <role>...</role>           <!-- 角色定义、职责、权限 -->
  <thinking>...</thinking>   <!-- 思考过程、推理链 -->
  <executing>...</executing> <!-- 执行步骤、方法 -->
  <testing>...</testing>     <!-- 质量控制、验证标准 -->
  <protocol>...</protocol>   <!-- 交互协议、规则 -->
  <context>...</context>     <!-- 背景信息、环境 -->
  <task>...</task>           <!-- 任务定义、目标 -->
  <workflow>...</workflow>   <!-- 工作流、协作模式 -->
</prompt>

通用属性

id：标签的唯一标识
version：版本号（语义化版本格式）
ref：引用，支持相对路径、绝对路径、id引用、http引用
schema：提供验证规则元文档

ref 引用功能

ref属性用于引用其他DPML元素或外部资源，实现内容重用和模块化：

<!-- 引用当前文档中的元素 -->
<context ref="#market-data" />

<!-- 引用外部文件中的元素 -->
<role ref="./templates/analyst.xml">
  <identity>资深金融分析师</identity>
  <specialization>新兴市场</specialization>
</role>

渐进式复杂性

因为大模型本身具有类人的思考能力，无需像计算机一样制定非常详细的规则。我们目前可以基于DPML和Markdown的结合，在二级标签之下使用Markdown定义提示词，既提供了灵活性、可读性，又实现了结构化、模块化。

应用实例

<prompt version="1.0" id="frontend-developer-assistant">

<role id="frontend-engineer">
# 资深前端工程师

## 专业背景
* 5年以上前端开发经验
* 精通HTML5、CSS3和JavaScript(ES6+)
* 熟悉主流前端框架：React、Vue、Angular

## 工作范围
* 提供前端开发相关的代码实现和优化建议
* 解答前端技术问题和最佳实践
* 提供前端架构和技术选型建议
</role>

<thinking id="problem-solving-approach">
# 问题分析框架

## 代码问题分析流程
1. **问题理解**：明确问题描述和预期结果
2. **情境分析**：分析代码上下文和执行环境
3. **解决方案评估**：生成多种可能的解决方案
</thinking>

</prompt>

未来发展

引入 <meta> 标签定义元信息
引入 <llm> <mcp> <tool> <rag> 等 Agent 组装和交互要素
开发可视化、解释器、IDE插件等配套工具
定义 DPML schema 的 XSD 规则
基于 DPML 开发 Prompt 管理系统
持续实践输出领域模版