相比拖拉拽形式的工作流，prompt language可以更容易、清晰的表达agentic workflow。属于agent的调度语言。
prompt language的介绍将从以下几部分展开：
- 变量标识符
- 赋值语句
- llm调用语句
- 函数调用语句
- 代码块调用语句
- 条件判断语句
- exit退出语句
- for循环语句
- if-else判断语句
- @agent调用agent
- 基础语句：condition_judge、exit、code
- 高级语句：IF、elif、else、END、FOR
- agent模式：agent
- 大小写敏感
- 需要明确的缩进，4个空格
- 使用@符号调用各语句时，必须使用->或>>接收返回值，如果没有返回值则"->None"
- 执行过程中产生的所有变量都会被存入全局变量池，作为agentic workflow的中间结果
- 变量以数字字母下划线组成并且不能以数字开头，要用
$variable表示，如果变量后有其它数字、字母、下划线，需要在末尾加空格。 - 支持list的取值，但是要用
${}包裹，例如${variable[0]}，（loop_block和judgment_block中的变量暂时不支持此方式） - 支持dict和对象的取值，但是要用
${}包裹，例如${variable.key}，（loop_block和judgment_block中的变量暂时不支持此方式） - 所有的变量名最好不重名，重名会覆盖。尤其是for循环中的临时变量名，不支持和任何变量重名。
->表示赋值>>表示列表追加
tips: 使用 >> 会自动将变量类型转换为list
基础语句都以@开头，赋值 -> / >> 结尾（下述语句仅使用->作为示例）
-
标识符：自然语言指令
->结果变量名； -
examples：
查一下上海的天气 -> climate 根据${climate.status}写一首诗 -> poem 把$poem发到我的邮箱 -> result
-
标识符：
@func_name(args, args=xxx) -> result -
规范：目前1⃣️位置参数和2⃣️关键字参数（顺序要求：位置参数必须要在关键字参数之前）
-
examples：
@serpapi_search($question) -> result @serpapi_search("后羿射日") -> result
-
标识符：
@code() -> result -
规范（代码块支持3种模式）：
-
**模式1：**自定义python代码，适合临时注入，短小的代码补丁
代码块需要使用三个反引号包裹，符合markdown规范，示例如下：
@code(```python def add_one(a): return a+1 python_res = add_one($a) ```) -> result -
**模式2：**注入外部json数据，可以充当数据mock，灵活引入任务数据
json数据块需要使用三个反引号包裹，示例如下：
@code(```json { "status":"晴天", "humidity":"65%", "wind_speed":"5m/s" } ```) -> weather_schema -
**模式3：**输入自然语言
直接输入自然语言即可，LLM会先理解任务，生成python代码，并且执行，拿到最终结果，赋值给result
@code(计算一下10+89等于多少) -> result
-
标识符：
@condition_judge($variable, [结果分类列表]) -> result -
examples：
@code(```json {"question": "在上海擅长劳动法的律师有哪些呢？", "content": "上海擅长劳动法的律师有张律师、李律师。徐律师也擅长劳动法但是在北京。"} ```) -> question @condition_judge(${question.question}, ["找律师", "找案件"]) -> condition_flag
-
标识符：
@exit(msg="") -
examples：
@exit(msg="不玩啦，退出程序！")
- 标识符：
FOR - END - 规范：以大写的
FOR开头，大写END结尾。必须有明确的缩进（4个空格） - examples：
FOR $item in $variable:
根据$item写一首诗 -> result
@func1_name(args1) -> result1
@func2_name(args2) -> result2
END
-
标识符：
IF - else - elif - END -
规范：以大写的
IF开头，大写END结尾。必须有明确的缩进（4个空格） -
examples：
@code(```json {"question": "在上海擅长劳动法的律师有哪些呢？", "content": "上海擅长劳动法的律师有张律师、李律师。徐律师也擅长劳动法但是在北京。"} ```) -> question @condition_judge(${question.question}, ["找律师", "找案件"]) -> condition_flag IF $condition_flag == "找律师": 请根据参考信息回答问题： ${question.content} 问题：${question.question} ## 限制 不许捏造不存在的信息 -> result else: @serpapi_search($question) -> result END
-
标识符：
@agent(type="", task="", roles={}, tools=[]) -> agent_name- 参数type：
prompt-based、bambo、auto-decision。（默认为auto-decision模式） - 参数task：用户任务，自然语言表述。（必填项）
- 参数roles：主要给
bambo使用 - 参数tools：可以指定tools的范围。（默认使用全局变量池中的所有工具）
- 参数type：
-
规范：以
@agent开头，赋值语句结束，并且为该agent指定一个名称。- 运行之后agent会作为工具注册进全局工具池，key是agent_name，value是agent实例
- 运行之后agent的结果也会保存进全局变量池，key是agent_name，value是agent运行过程中的message
-
examples
@agent(type="auto-decision", task="查一下上海的天气，根据天气情况写一首诗，并将结果发送到我的邮箱", tools=[]) -> weather_agent -
**Tips：**self-refine、self-reflection、self-critical、plan-and-execute都可以通过workflow配置出来。
- 说明：
- 1. 断点工具用于调试，只能写在5种基础语句块之间，在程序运行到指定位置时，程序会暂停运行，并返回当前步骤的output和所有变量的状态值；
- 2. 继续执行时，需要附带所有的状态（因为prompt language是无状态的）
各个阶段都支持流样式输出，交互友好。