# Deepractice提示词标记语言模式协议 (DPML) > **TL;DR:** DPML(Deepractice Prompt Markup Language)是一种专为#提示词 工程设计的标记语言,结合了#标签(XML结构)和#内容(Markdown内容),为各类提示词提供标准化的表达框架,确保提示词的结构清晰性和语义准确性。 ### 目的与范围 DPML旨在为提示词工程提供一种标准化的表达方式,解决以下关键问题: - 为不同类型的提示词提供清晰的#语义结构(思考类、执行类等) - 保持提示词的自然语言表达能力和灵活性 - 支持提示词的模块化组织和复用 - 确保提示词的机器可解析性和人类可读性 DPML适用于所有需要结构化表达提示词的场景,包括但不限于: - AI助手的提示词系统 - 复杂任务的指令设计 - 自动化工作流的提示词定义 - 知识管理的提示词组织 ### 设计思想 DPML的核心设计理念基于以下关键思想: 1. **自然语言驱动**: DPML认为提示词本质上是自然语言的结构化表达,而非传统编程语言。#标签结构仅用于提供#语义边界,#内容仍以自然语言为主。 2. **释义即实现**: DPML中,对提示词的#语义释义本身就构成了#实现。当AI系统理解一个提示词的语义后,无需额外的转换层,该理解过程即为执行过程。 3. **语义透明性**: #标签和#属性名称具有自解释性,使人类和AI都能直观理解结构的意图和功能。 4. **组合复用**: 通过协议实现绑定(`A:B`语法),简单协议可组合构建复杂功能,实现"积木式"提示词工程。 5. **一致性理解**: 同一DPML结构应在不同AI系统中产生一致理解和行为,确保提示词的可移植性和稳定性。 这些设计思想指导DPML的所有协议设计,使提示词既具备结构化的机器可解析性,又保持自然语言的表达力和灵活性。 ### 相关协议 - **XML**: DPML的基本#标签结构借鉴了XML - **Markdown**: DPML的#内容部分采用Markdown格式 ## 📝 语法规则 ### 形式化定义 ```ebnf document ::= element | (element document) element ::= '<' tag attributes '>' content '' | '<' tag attributes '/>' tag ::= [namespace ':'] name namespace ::= name name ::= [A-Za-z][A-Za-z0-9_-]* attributes ::= (attribute attributes) | ε attribute ::= name '="' value '"' value ::= [^"]* content ::= markdown_text | (element content) | ε markdown_text ::= (* 任何有效的Markdown文本 *) ``` ### 词法元素 | 元素 | 形式 | 描述 | |------|------|------| | #标签 | `...` | 定义#语义单元,如``,`` | | #自闭合标签 | `` | 无内容的标签,如`` | | #属性 | `property="value"` | #标签配置信息,如`type="analysis"` | | #内容 | Markdown格式文本 | #标签内的实际提示词文本 | | 注释 | `` | 协议注释,不作为提示词内容 | ### 组合规则 1. #标签可以嵌套,形成层次结构 2. 一个#标签可以有多个#属性,属性名在同一标签中不能重复 3. #标签必须正确闭合,要么是配对标签``,要么是#自闭合标签`` 4. #内容部分可以是纯Markdown文本,也可以包含其他#标签 5. 根元素推荐使用``,但不强制要求 ## 🧩 语义定义 ### 核心概念 | 概念 | 定义 | 示例 | |------|------|------| | #提示单元 | 由#标签定义的语义完整的提示组件 | `分析问题...` | | #属性修饰 | 通过#属性细化#提示单元的行为特性 | `` | | #内容表达 | 使用Markdown表达的实际提示文本 | `# 步骤\n1. 首先...` | | #组合提示 | 多个#提示单元组合形成完整提示 | `......` | ### 属性约束 DPML对#属性采用以下约束和规范: 1. **属性的通用性原则**: - #属性是通用机制,可应用于任何#标签 - 同一#属性可用于不同#标签,但语义一致 - #属性独立于#标签单独定义,不绑定于特定#标签 2. **属性定义原则**: - DPML本身不预定义具体#属性,仅提供#属性的语法框架 - 所有使用的#属性必须在具体协议或属性规范中明确定义 - 未定义的#属性不允许使用 - #属性值必须符合规定的类型和范围 3. **属性规范管理**: - #属性在单独的属性规范文档中定义 - 每个#属性定义包括:名称、数据类型、适用范围、语义 - 新#属性需遵循规范化流程引入 - 兼容性变更需考虑向后兼容性 #属性约束确保提示词的一致性和互操作性。在使用DPML开发提示词时,开发者应遵循已定义的#属性规范,不得创建私有或未文档化的#属性。 ### 协议实现绑定 DPML中的冒号(`:`)语法是核心语义机制,用于表达#标签间的实现关系: 1. **基本实现绑定**:通过冒号表示一个功能通过特定协议实现 ```xml ``` 在DPML中,`A:B`表示"A通过B实现",读作"A implemented with B"。冒号左侧表示"做什么"(功能),右侧表示"怎么做"(实现方式)。 2. **实现继承行为**:当使用``形式时,A#标签继承B协议的全部结构规则和语义特征。例如: ```xml ... ... ``` 3. **多协议组合**:不同功能可以通过不同协议实现,共同构建复杂系统 ```xml 存储操作... 检索操作... ``` 4. **实现层次结构**: ```mermaid flowchart LR A["memory"] --> B["store:execution"] A --> C["recall:resource"] B --> D["process"] B --> E["rule"] C --> F["path引用"] ``` 每个实现绑定关系都明确表达了"这个功能使用那个协议来实现",确保提示词组件的语义清晰性和交互一致性。 ### 解释规则 1. #标签名决定#提示单元的主要语义类型(思考、执行等) 2. #属性提供额外的控制和元数据,影响#提示单元的解释方式 3. #内容部分按Markdown语法解析,保留其格式特性(标题、列表、强调等) 4. #嵌套标签表示包含关系,内层#提示单元属于外层#提示单元的组成部分 5. 同级#标签按顺序解释,表示提示流程的先后次序 ## 📋 使用示例 ### 有效示例 **1. 基本思考-执行流程** ``` # 问题分析 这是一个**数据处理**问题,需要考虑: 1. 数据格式转换 2. 性能优化 # 执行步骤 1. 首先读取输入文件 2. 应用转换算法 3. 输出结果到目标位置 确保全程**记录日志**以便调试。 ``` **2. 带属性的复杂结构** ``` # 项目背景 客户需要一个数据可视化dashboard。 # 设计思路 采用模块化设计,分离数据层和视图层。 ## 架构概念 使用React + D3.js组合 # 实现步骤 1. 搭建基础框架 2. 实现数据连接器 3. 开发可视化组件 ``` **3. 资源引用** ``` 参考API规范文档 API端点定义在源码的25-35行 基于API规范进行设计... ``` **4. 跨协议组合示例** ``` 用户操作系统:MacOS 13.4 # 存储流程 ```mermaid flowchart TD A[接收内容] --> B[验证格式] B --> C[写入存储] ``` 1. 记忆写入必须原子化 2. 冲突时保留高置信度版本 @memory://system/os_info?confidence=0.8 ``` ### 无效示例 **1. 标签未闭合** ``` 思考内容... 执行步骤... ``` 错误原因:``标签未正确闭合 **2. 属性格式错误** ``` 思考内容... ``` 错误原因:属性值缺少双引号,应为`type="analysis"` **3. 使用未定义属性** ``` 思考内容... ``` 错误原因:使用了未在属性规范中定义的`color`和`importance`属性 ## 💡 最佳实践 1. **标签命名自释义**:选择具有自解释性的标签名称,使其本身就能清晰表达逻辑语义,即使没有计算机处理,人和AI也能轻松理解标签结构的逻辑上下文 2. **语义清晰度**:选择表意明确的标签名,让提示结构一目了然 3. **适度分层**:合理使用嵌套结构,避免过深的层次导致可读性下降 4. **内容聚焦**:每个标签内容应关注单一职责,避免功能混杂 5. **属性合理性**:只使用必要的属性,避免过度配置 6. **一致性**:在整个项目中保持一致的DPML结构风格 7. **命名空间明确性**:使用命名空间时,确保左侧表示"做什么"(功能),右侧表示"怎么做"(实现) 8. **属性合规性**:只使用已正式定义的属性,遵循属性规范中的类型和值约束 ## 📌 总结 DPML通过结合标签语言的结构化能力和Markdown的内容表现力,为提示词工程提供了一种既规范又灵活的表达方式。其核心优势在于清晰的语义结构、协议复用机制和人类可读性,特别适合构建复杂、模块化的AI交互提示系统。