POML 一种管理 Prompt 的工具

2025年9月2日 · 阅读需 12 分钟

Oxygen

Front End Engineer

POML 是微软团队开源的一款管理 prompt 的工具，下面一起来探索下使用方式。

POML

什么是 POML

POML（Prompt Orchestration Markup Language），提示词编排标记语言，使用 .poml 扩展名的文件来定义。主要特点如下：

结构化提示标记：POML 采用 XML 标签语法来约束提示词的结构，例如 <role>、<task>、<output-format> 等；

<poml>
  <role>You are a patient teacher explaining concepts to a 10-year-old.</role>
  <task>Explain the concept of photosynthesis using the provided image as a reference.</task>

  <output-format>
    Keep the explanation simple, engaging, and under 100 words.
    Start with "Hey there, future scientist!".
  </output-format>
</poml>

超文本标记语法：类似于 HTML，POML 能包含超越文本的数据格式，例如表格、图片，视频，音频等数据；甚至能通过 <stylesheet> 定义或内联属性修改样式；
集成模板引擎：POML 内置模板引擎，支持变量（ {{ }} ）、循环（ for ）、条件（ if ）和变量定义（ <let> ），用于动态生成复杂的数据驱动提示；
软件开发工具包：提供 Nodejs 使用的 TypeScript SDK 和 Python SDK，也提供了 VS Code 扩展。

POML 的语法

对于前端开发来说，POML 的语法看起来相当简单，毕竟熟悉了 HTML、React 这类标签语法，所以使用 POML 只需要学习内部定义的一些标签的名称即可。

在 POML 的 Components 这篇文档中定义了所有 POML 支持的标签名称，常见的有以下这些：

poml

poml 主要用于提示符的根元素，也可以在其他位置使用。如果第一个元素是纯文本内容，则将添加<poml syntax="text">；如果第一个元素是POML 组件，则自动在顶层添加 <poml syntax="markdown">。<poml>标签可以设置以下属性：

syntax：值可以是 markdown, html, json, yaml, xml, text;
speaker：当前内容的角色，可以是 human, ai, system；
className：定义 markdown 渲染的样式；
tokenLimit：限制 prompt 的 token 数量，有些 LLM 有输入限制，超出限制则会被截断；
charLimit：内容字符长度限制；
priority：token 限制是从父级向下应用的——先处理子节点的限制/优先级，再按 priority（优先级）排序、删除低优先级内容，最后再对剩下的内容进行截断。也就是说，你可以在 <poml tokenLimit="N"> 上控制整个块的 token 预算，并用 priority 控制哪些子节点先保留。

role

<role>标签定义 AI 角色，可以使用caption定义role标签渲染的 markdown title 的文本，默认显示为 Role，示例如下：

<role>You are a Senior Front end Engineer</role>

task

<task> 表示希望语言模型执行的操作。<task> 通常是简洁明了的陈述，还可以包括完成任务的步骤或说明列表。

<task>Cook a recipe on how to prepare a beef dish.</task>

output-format

<output-format>标签表示输出格式，可以是特定格式，例如 JSON，XML 或 CSV，或者是 story，图表或指令的步骤等通用格式，但是不要指定 PDF 或者视频。示例：

<output-format>Respond with a JSON without additional characters or punctuations.</output-format>

h

h 或者 <header> 用来定义标题。

<h syntax="markdown">Section Title</h>

p

<p>标签用于定义段落。

<p>Contents of the paragraph.</p>

b

<b>标签用于定义加粗文本。

<p><b>Task:</b> Do something.</p>

cp

<cp> 表示 CaptionedParagraph，也就是标题段落，用来定义一个带标题的段落，这样就可以把其他元素包含进去。示例：

<cp caption="USER REQUEST">
  <div whiteSpace="pre">
  {{ prompt }}
  </div>
</cp>

list

<list> 和 <item> 标签在一起配合使用，用来定义列表，比如程序的功能模块，AI 处理步骤等；可以使用 listStyle 属性来设置列表在 markdown 渲染的样式，可以设置为 star, dash, plus, decimal, latin。示例：

<list listStyle="decimal">
  <item>Item 1</item>
  <item>Item 2</item>
</list>

<list> 和 <item> 可以嵌套使用，并且通常放在 <cp> 内部使用，例如：

<cp caption="PROCEDURE (MUST follow strictly)">
<list listStyle="latin">
  <item>
    <b>Clarify Scope</b>
    <list listStyle="dash">
      <item>Restate the objective in your own words; if unclear, ask one concise question.</item>
      <item>Sketch a high-level plan of how to meet the objective.</item>
    </list>
  </item>
  <item>
    <b>Locate exact code edit point</b>
    <list listStyle="dash">
      <item>Work <b>only</b> inside the given code files.</item>
      <item>Quote the <b>smallest</b> relevant snippet (line numbers) you need to change.</item>
    </list>
  </item>
</list>
</cp>

code

<code>用于定义行内或者代码块。示例：

行内代码
<code inline="true">const x = 42;</code>

代码块
<code lang="javascript">
const x = 42;
</code>

object

<obj> 表示对象内容或者 JSON。

<Object syntax="json" data="{ key: 'value' }" />

table

<table> 用来定义表格数据或者 excel。

<table records="{{[{ name: 'Alice', age: 20 }, { name: 'Bob', age: 30 }]}}" />

excel

<table src="data.xlsx" parser="excel" maxRecords="10" syntax="csv" />

document

<document> 表示 PDF，TXT 或 DOCX 之类的外部文档，使用 multimedia 属性表示是否为多媒体。

<Document src="sample.docx" multimedia="false"/>

webpage

<webpage> 表示展示网页内容，可以使用 selector 属性来定义一个 CSS 选择器，用于从页面中提取特定内容显示。

<webpage url="https://example.com" selector="main article" />

img

<img> 表示图像。可以使用 maxWidth、maxHeight、resize 来定义图片的尺寸。

<img src="path/to/image.jpg" alt="Image description" position="bottom" />

audio

audio标签用于输入音频，可使用src或者base64属性来定义文件链接，如果定义src，那么文件会被转换成base64。示例：

<Audio src="path/to/audio.mp3" />

或

<Audio src="data:audio/mpeg;base64,[data]" />

example

<example>标签用于提供示例上下文，帮助模型了解预期的输入和输出。一般和 <input> 和 <output> 一起使用，<input> 用来定义输入内容，<output> 定义示例问题的输出。示例：

<example>
  <input>What is the capital of France?</input>
  <output>Paris</output>
</example>

vscode 插件

VS Code POML 扩展能够帮助开发者在 VSCode 内使用 POML 语法编辑 prompt，该扩展主要包含以下功能：

在 .poml 后缀文件内编辑时提供 POML 语法提示；
提供 vscode 侧边栏面板用来管理 POML 文件；
对 POML 进行可视化渲染。

TypeScript SDK

pomljs 是 POML 提供的 TypeScript SDK，其内部包含：

基于 React 的 JSX 组件：所有 POML 支持的标签都有对应的 JSX 组件可以使用；
提供 read 和 write 方法来读取和渲染 JSX 编写的 Prompt。

备注

0.0.8 版本及以下的 pomljs 存在组件和类型定义导出声明的问题，目前不建议使用。

POML​

什么是 POML​

POML 的语法​

poml​

role​

task​

output-format​

h​

p​

b​

cp​

list​

code​

object​

table​

document​

webpage​

img​

audio​

example​

vscode 插件​

TypeScript SDK​