POML 快速上手(Quick Start)

POML 快速上手(Quick Start)

参考官方教程:microsoft.github.io/poml/stable...

概述

本篇通过一个最小示例带你快速体验 POML 的核心用法:用结构化标记描述"角色、任务、上下文(图片)与输出格式",并在工具链中进行渲染与测试。

准备工作

  • 创建一个工作目录,并在其中放置两份文件:
    • example.poml
    • photosynthesis_diagram.png(任意一张光合作用示意图或你自己的图片,文件名保持一致)
  • 如需更好体验,可安装 VS Code 的 POML 扩展(语法高亮、预览、诊断等)。

目录结构(最小示例)

  • example.poml
  • photosynthesis_diagram.png

示例说明

该示例定义了:

  • 角色(<role>):模型应扮演耐心的教师。
  • 任务(<task>):基于提供的图片解释光合作用。
  • 图片(<img>):为模型提供视觉上下文(需与 .poml 同目录)。
  • 输出格式(<output-format>):限制风格与长度,确保结果稳定可控。

示例内容(概念展示)

将以下概念示例保存为 example.poml。为便于阅读,本示例加入了换行与缩进,语义与官方示例一致。

poml 复制代码
<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>

  <img src="photosynthesis_diagram.png" alt="Diagram of photosynthesis" />

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

运行与测试思路

  • 使用 POML 工具链进行渲染与测试(可在 VS Code 扩展中预览)。
  • 使用具备视觉能力的 LLM 进行测试(因为示例包含 <img>)。
  • 你也可以先替换为文本上下文进行测试(例如用 <document> 嵌入一段文字),再扩展到图片。

变体练习(建议)

  • 替换图片内容:用你自己的业务相关图片,观察输出差异。
  • 文本-only 版本:移除 <img>,改用 <document> 或外部文本,验证对输出的影响。
  • 输出风格控制:修改 <output-format> 中的长度、语气、段落/列表格式要求。
  • 结构化扩展:根据入门篇,尝试增加 <example><let> 变量、或样式层(<stylesheet>)来解耦逻辑与呈现。

常见问题

  • 图片找不到:确保 example.pomlphotosynthesis_diagram.png 处于同一目录,且 src 文件名一致。
  • 输出不稳定:通过 <output-format> 明确格式与长度;必要时拆分角色/任务/示例为独立片段以增强稳定性。
  • 多数据整合:使用 <document><table><img> 等组件组合多源信息;对呈现进行样式化以提高一致性。

视频与后续学习

相关推荐
武子康10 小时前
机器人策略 90% 与 92%:为什么两个百分点通常不足以证明更
人工智能·llm·agent
阿里云大数据AI技术10 小时前
PAI支持一键部署Qwen3.8-Flash-Next、GLM-5.3等最新开源模型
人工智能·开源·llm
吴佳浩14 小时前
企业如何把通用大模型训练成行业模型:Continued Pre-Training实战指南
人工智能·神经网络·llm
吴佳浩14 小时前
大模型是怎么来的:从数据到 Foundation Model
人工智能·llm·agent
武子康16 小时前
转写完全正确,语音 Agent 为什么还是做错了决定
人工智能·llm·agent
Darling噜啦啦16 小时前
从 SSE 到 LLM 流式输出:搞懂前端实时通信的两种姿势
前端·后端·llm
William一直在路上18 小时前
MCP 规范版本对比:2025-11-25 vs 2026-07-28
学习·ai·llm
DO_Community18 小时前
Baseten vs DigitalOcean、RunPod:7 个 AI 模型部署平台横向对比
人工智能·llm·aigc·agent·ai编程
circuitsosk1 天前
任务规划器的三种范式对比:ReAct、Plan-and-Execute 与 Tree-of-Thought 在真实业务中的取舍
前端·javascript·python·react.js·llm·ai agent
吴佳浩1 天前
32GB 显存,凭什么跑 56GB 大模型?从 Shared Memory 到 AI 异构内存架构
llm·agent·nvidia