POML：体验微软开源的Prompt工程语言

#大模型#AI#Prompt#编程

发现微软开源了一个专门用来写Prompt的标记语言POML

下午试玩了一下，配合Claude Code把自己很久之前一个小项目中的 prompt 用 POML 重构了下。大概体验了一下这个语言的特点。

一、概述

简而言之，POML 就是一个标准的「标记语言」的定位，类似HTML是网页格式的标准化一样，POML尝试把 Prompt 的书写给「标准化」了，另外，也把「内容」和「渲染」分离开来。

相比传统的字符串模板，提供了：

1. 结构化组织： 语义化的组件如<role>、<task>、<stepwise-instructions>
2. 更好的可读性： 清晰的层级结构和组件分离
3. 类型安全： 组件参数验证和自动补全
4. 多格式输出： 可渲染为 Markdown、JSON、HTML 等多种格式
5. 模板复用：组件化设计便于维护和复用

二、示例

我重构的一个例子（这个prompt因为年代太久，其实现在已经用处不大了，参考它其中的标签元素用法即可）：

<poml>
<role>你是一名资深的内容策略专家和主题分析师，具有10年以上的学术研究和内容策划经验。你善于从复杂的多源信息中提炼出核心主题，并能准确把握不同领域的专业术语和概念关联。</role>

<task>基于提供的资源内容，运用系统性分析方法推断出最佳的文章主题</task>

<inputcaption="待分析资源内容">{{resources_content}}</input>

<examplescaptionStyle="header"caption="学习示例">
 <examplecaptionStyle="bold"caption="示例一：计算机视觉主题">
  <inputcaption="资源内容"syntax="text">论文1: 深度学习在图像识别中的应用研究
论文2: 卷积神经网络优化算法分析 
论文3: 计算机视觉领域的最新进展</input>
  
  <outputcaption="完整分析过程">
   <section>
    <h>第一步：关键概念提取</h>
    <listlistStyle="dash">
     <item>深度学习、图像识别、卷积神经网络、优化算法、计算机视觉</item>
    </list>
   </section>
   
   <section>
    <h>第二步：主题域识别</h>
    <listlistStyle="dash">
     <item>核心领域：人工智能/机器学习</item>
     <item>具体方向：计算机视觉</item>
     <item>技术焦点：深度学习算法</item>
    </list>
   </section>
   
   <section>
    <h>第三步：重要性评估</h>
    <listlistStyle="dash">
     <item>图像识别是计算机视觉的核心应用</item>
     <item>深度学习是当前主流技术</item>
     <item>优化是实用性关键</item>
    </list>
   </section>
   
   <section>
    <h>第四步：主题综合</h>
    <p>基于频次分析和重要性权衡，核心主题围绕"深度学习在计算机视觉中的应用与优化"</p>
   </section>
   
   <section>
    <h>最终主题</h>
    <p><b>深度学习驱动的计算机视觉</b></p>
   </section>
  </output>
 </example>
 
 <examplecaptionStyle="bold"caption="示例二：区块链金融主题">
  <inputcaption="资源内容"syntax="text">报告1: 区块链技术在金融行业的应用现状
报告2: 数字货币监管政策分析
报告3: 分布式账本技术的安全性研究</input>
  
  <outputcaption="完整分析过程">
   <section>
    <h>第一步：关键概念提取</h>
    <listlistStyle="dash">
     <item>区块链、金融、数字货币、监管政策、分布式账本、安全性</item>
    </list>
   </section>
   
   <section>
    <h>第二步：主题域识别</h>
    <listlistStyle="dash">
     <item>核心领域：金融科技</item>
     <item>技术基础：区块链技术</item>
     <item>关注点：应用与监管</item>
    </list>
   </section>
   
   <section>
    <h>第三步：重要性评估</h>
    <listlistStyle="dash">
     <item>金融是区块链最重要的应用场景</item>
     <item>监管是行业发展的关键因素</item>
     <item>安全性是技术可信度基础</item>
    </list>
   </section>
   
   <section>
    <h>第四步：主题综合</h>
    <p>主题应该涵盖技术应用、政策环境和安全保障三个维度</p>
   </section>
   
   <section>
    <h>最终主题</h>
    <p><b>区块链金融应用与监管</b></p>
   </section>
  </output>
 </example>
</examples>

<stepwise-instructionscaption="分析步骤指南">
 <listlistStyle="decimal">
  <item><b>深度阅读</b>：逐一仔细阅读所有资源内容，理解每个资源的核心观点和专业词汇</item>
  <item><b>概念提取</b>：识别并列出所有关键概念、技术术语、方法论和研究对象</item>
  <item><b>主题域映射</b>：确定资源所属的学科领域、技术方向或应用场景</item>
  <item><b>关联分析</b>：分析不同资源间的概念重叠、逻辑关系和层次结构</item>
  <item><b>重要性权衡</b>：基于出现频次、技术重要性和实际影响力评估各概念的权重</item>
  <item><b>主题综合</b>：整合分析结果，提炼出能够统领所有资源的核心主题</item>
  <item><b>质量检验</b>：验证主题的准确性、完整性和表达效果</item>
 </list>
</stepwise-instructions>

<cpcaption="思维链分析结构">
 <p>请严格按照以下结构进行逐步分析，展示你的完整推理过程：</p>
 <listlistStyle="decimal">
  <item><b>第一步：关键概念提取</b>列出从各个资源中识别出的关键术语、概念和主题词</item>
  <item><b>第二步：主题域识别</b>确定资源涉及的核心学科领域、技术方向或应用场景</item>
  <item><b>第三步：重要性评估</b>分析各概念的重要性权重和相互关系</item>
  <item><b>第四步：主题综合</b>说明如何整合分析结果得出最终主题</item>
 </list>
</cp>

<cpcaption="质量标准">
 <p>主题必须满足以下要求：</p>
 <listlistStyle="star">
  <item><b>准确性</b>：准确反映所有资源的核心内容</item>
  <item><b>完整性</b>：涵盖资源的主要维度，不遗漏重要方面</item>
  <item><b>简洁性</b>：控制在8-15个汉字，便于理解和记忆</item>
  <item><b>专业性</b>：使用准确的专业术语，体现学术严谨性</item>
  <item><b>吸引力</b>：具有一定的概括性和表达力</item>
 </list>
</cp>

<cpcaption="常见错误预防">
 <p>避免以下问题：</p>
 <listlistStyle="dash">
  <item>主题过于宽泛，缺乏针对性（如"人工智能研究"）</item>
  <item>主题过于具体，无法覆盖所有资源</item>
  <item>使用过时或不准确的术语</item>
  <item>忽略资源间的重要关联</item>
  <item>主题表达冗长或模糊</item>
 </list>
</cp>

<output-formatcaption="输出格式要求">
 <p>请严格按照以下格式输出：</p>
 
 <section>
  <h>思维链分析</h>
  <p>[按照上述四个步骤展示完整推理过程]</p>
 </section>
 
 <section>
  <h>最终结果</h>
  <p>主题：[8-15个汉字的主题名称]</p>
 </section>
 
 <section>
  <h>主题说明</h>
  <p>[用1-2句话简要说明主题的核心内涵和覆盖范围]</p>
 </section>
</output-format>
</poml>

可以用VSCode中的POML插件预览渲染后的结果：

也可以看渲染成Markdown的样子：

三、程序集成

在程序中使用，配合SDK（我的项目是Python语言）：

importasyncio
frompathlibimportPath
fromtypingimportAny

importpoml

classPOMLLoader:
 """OML 提示词加载器"""

 def__init__(self, prompts_dir: str | Path = None):
   """初始化加载器

    Args:
      prompts_dir: POML 提示词文件目录，默认为当前模块的 prompts 目录
    """
   ifprompts_dirisNone:
      prompts_dir = Path(__file__).parent /'prompts'
    self.prompts_dir = Path(prompts_dir)

 asyncdefload_prompt(self, name: str, variables: dict[str, Any] = None)-> str:
   """加载并渲染 POML 提示词

    Args:
      name: 提示词名称（不含扩展名）
      variables: 传入的变量字典

    Returns:
      渲染后的提示词文本

    Raises:
      FileNotFoundError: 当提示词文件不存在时
    """
    poml_file = self.prompts_dir /f'{name}.poml'

   ifnotpoml_file.exists():
     raiseFileNotFoundError(f'OML 文件不存在:{poml_file}')

   # 使用 POML SDK 的 context 参数进行变量注入
    messages = poml.poml(poml_file, context=variables, parse_output=True)

   # 从消息列表中提取内容
   ifisinstance(messages, list)andmessages:
     # 合并所有消息的content字段
      contents = []
     formsginmessages:
       ifisinstance(msg, dict)and'content'inmsg:
          contents.append(msg['content'])
     return'\n\n'.join(contents)

   returnstr(messages)

 defload_prompt_sync(self, name: str, variables: dict[str, Any] = None)-> str:
   """同步版本的加载提示词方法"""
   returnasyncio.run(self.load_prompt(name, variables))

# 默认加载器实例
default_loader = POMLLoader()

asyncdefload_theme_infer_prompt(resources_content: str)-> str:
 """加载主题推断提示词"""
 returnawaitdefault_loader.load_prompt('theme_infer', {'resources_content': resources_content})

在写这个加载器的时候，发现这个库目前还非常不成熟，文档中poml函数有一个format参数，但是最近的稳定版0.0.7并不支持，这一点让 Claude Code 写的很纠结，最后只好不那么优雅地自己额外提取并拼接了一下渲染后的结果。

总结

• 有点用处，如果你的prompt比较多，可以更程序化地管理
• 内容与渲染分离，理论上也更有拓展性，不过我目前的场景基本只用markdown，所以这部分好处还显现不太出来，只有心理作用会感觉更「干净」一点。
• 目前项目还不是很稳定，期待未来能逐渐成熟