DPML (Deepractice Prompt Markup Language)

像写HTML一样写AI：标签语言驱动的AI工程开发新范式

简介

想象一下：只需编写几行类似HTML的代码，就能创建一个专业的AI助手。

<agent>
  <llm model="gpt-4"></llm>
  <prompt>你是营销专家</prompt>
</agent>

这就是DPML的魅力 - 它用简单的标签语言代替了复杂的编程，让任何人都能轻松定制和部署AI应用。

通过直观的声明式语法，DPML显著降低了AI开发门槛，提高开发效率，让AI技术真正走向大众。无需深入理解模型原理，只需描述您想要的结果。

演示

演示：使用DPML定义AI旅游助手

核心特点

• 声明式配置：使用类 XML，HTML 语法声明式定义AI助手行为，无需编写复杂代码
• 低门槛：无需深入了解AI模型细节和编程知识
• 快速部署：几行配置即可创建功能完整的对话机器人
• 标准化：提供统一的Agent配置格式，便于分享和复用

快速开始

安装

npm install -g dpml

创建环境变量文件

在当前目录创建一个.env文件，用于存储API密钥和其他敏感信息：

OPENAI_API_KEY=sk-xxxxxxxxxxxx
OPENAI_API_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
OPENAI_MODEL=qwq-plus

示例的配置我们使用了阿里云百炼平台提供的大模型调用 url 和 通义 qwq-plus 大模型。

这些环境变量将被DPML自动读取，可以在配置文件中通过@agentenv:前缀引用。

创建Agent配置文件

创建一个travel.dpml文件：

<agent>
  <llm api-type="openai"
  api-key="@agentenv:OPENAI_API_KEY"
  api-url="@agentenv:OPENAI_API_URL"
  model="@agentenv:OPENAI_MODEL"/>

  <prompt>

  ## 角色

  你是一名张家界旅游规划师， 你擅长为客户规划恩施行程。

  </prompt>
  
</agent>

启动对话

dpml agent chat travel.xml --env-file .env

环境变量

DPML支持在配置文件中引用环境变量，避免将敏感信息（如API密钥）直接硬编码：

在配置中引用环境变量

<agent>
  <llm api-type="openai" api-key="@agentenv:OPENAI_API_KEY" model="gpt-4-turbo">
  </llm>
</agent>

设置环境变量的方式

1. 命令行传递:

   dpml agent chat my-assistant.xml --env OPENAI_API_KEY=sk-xxx

2. 环境变量文件: 创建.env文件并在其中设置变量：

   OPENAI_API_KEY=sk-xxx
   ANTHROPIC_API_KEY=sk-yyy
   

3. 系统环境变量:

   # Linux/macOS
   export OPENAI_API_KEY=sk-xxx
   
   # Windows
   set OPENAI_API_KEY=sk-xxx

标签语法参考

DPML使用类似HTML的标签语法定义AI助手的配置：

基本结构

<agent>
  <!-- Agent配置内容 -->
</agent>

核心标签

标签	描述	属性
<agent>	根标签，包含所有配置	-
<llm>	定义使用的大语言模型	api-type, api-key, api-url, model
<prompt>	定义系统提示词	-

未来规划

工具扩展

• 更完善的文档体系
• IDE 插件支持
• DPML Develop Kit 领域开发框架

领域开发

• Agent领域 支持 <tools> 标签实现智能体工具调用
• Agent领域 支持 <mcp-servers> 标签实现智能体 MCP 接入
• MCP领域 支持 通过定义标签开发开发 MCP Servers
• Prompt领域 支持 结构化定义提示词，实现提示词工程化
• Repository领域 实现中央仓库，提供模板复用，共享 DPML
• Workflow领域 支持 AI 企业级工作流