[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-microsoft--poml":3,"tool-microsoft--poml":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",159636,2,"2026-04-17T23:33:34",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":78,"owner_twitter":79,"owner_website":80,"owner_url":81,"languages":82,"stars":106,"forks":107,"last_commit_at":108,"license":109,"difficulty_score":32,"env_os":110,"env_gpu":110,"env_ram":110,"env_deps":111,"category_tags":116,"github_topics":117,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":122,"updated_at":123,"faqs":124,"releases":153},8703,"microsoft\u002Fpoml","poml","Prompt Orchestration Markup Language","poml（Prompt Orchestration Markup Language）是一种专为大语言模型设计的新型标记语言，旨在让复杂的提示词（Prompt）工程变得结构化、易维护且灵活多变。它借鉴了 HTML 的语义化标签（如 `\u003Crole>`、`\u003Ctask>`）和 CSS 的样式分离理念，帮助开发者将提示词的逻辑内容与呈现形式解耦，从而有效解决传统提示词编写中常见的结构混乱、多模态数据（如图片、表格）集成困难以及对格式过于敏感等痛点。\n\npoml 内置了强大的模板引擎，支持变量定义、循环和条件判断，能够动态生成数据驱动的高质量提示词。此外，它还提供了丰富的开发工具链，包括具备语法高亮、自动补全和实时预览功能的 VS Code 插件，以及适用于 Python 和 Node.js 的 SDK，方便无缝集成到各类应用工作流中。\n\n这款工具特别适合需要构建复杂、可靠 LLM 应用的软件开发者和 AI 研究人员。如果你希望像编写代码一样规范地管理提示词，提升团队协作效率并降低维护成本，poml 将是一个得力的助手，让你的大模型应用开发更加专业高效。","# POML: Prompt Orchestration Markup Language\n\n[![Documentation](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-microsoft.github.io-blue)](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F)\n[![VSCode Extension](https:\u002F\u002Fimg.shields.io\u002Fvisual-studio-marketplace\u002Fv\u002Fpoml-team.poml)](https:\u002F\u002Fmarketplace.visualstudio.com\u002Fitems?itemName=poml-team.poml)\n[![PyPI](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fpoml)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fpoml\u002F)\n[![npm (latest)](https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002Fpomljs)](https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Fpomljs)\n[![Test Status](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Factions\u002Fworkflows\u002Ftest.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Factions\u002Fworkflows\u002Ftest.yml)\n[![License: MIT](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-MIT-yellow.svg)](https:\u002F\u002Fopensource.org\u002Flicenses\u002FMIT)\n[![Discord](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Join-5865F2?logo=discord&logoColor=white)](https:\u002F\u002Fdiscord.gg\u002FFhMCqWzAn6)\n\n**POML (Prompt Orchestration Markup Language)** is a novel markup language designed to bring structure, maintainability, and versatility to advanced prompt engineering for Large Language Models (LLMs). It addresses common challenges in prompt development, such as lack of structure, complex data integration, format sensitivity, and inadequate tooling. POML provides a systematic way to organize prompt components, integrate diverse data types seamlessly, and manage presentation variations, empowering developers to create more sophisticated and reliable LLM applications.\n\n## Demo Video\n\n[![The 5-minute guide to POML](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_poml_readme_6a82d54972f4.jpg)](https:\u002F\u002Fyoutu.be\u002Fb9WDcFsKixo)\n\n## Key Features\n\n- **Structured Prompting Markup**: Employs an HTML-like syntax with semantic components such as `\u003Crole>`, `\u003Ctask>`, and `\u003Cexample>` to encourage modular design, enhancing prompt readability, reusability, and maintainability.\n- **Comprehensive Data Handling**: Incorporates specialized data components (e.g., `\u003Cdocument>`, `\u003Ctable>`, `\u003Cimg>`) that seamlessly embed or reference external data sources like text files, spreadsheets, and images, with customizable formatting options.\n- **Decoupled Presentation Styling**: Features a CSS-like styling system that separates content from presentation. This allows developers to modify styling (e.g., verbosity, syntax format) via `\u003Cstylesheet>` definitions or inline attributes without altering core prompt logic, mitigating LLM format sensitivity.\n- **Integrated Templating Engine**: Includes a built-in templating engine with support for variables (`{{ }}`), loops (`for`), conditionals (`if`), and variable definitions (`\u003Clet>`) for dynamically generating complex, data-driven prompts.\n- **Rich Development Toolkit**:\n  - **IDE Extension (Visual Studio Code)**: Provides essential development aids like syntax highlighting, context-aware auto-completion, hover documentation, real-time previews, inline diagnostics for error checking, and integrated interactive testing.\n  - **Software Development Kits (SDKs)**: Offers SDKs for Node.js (JavaScript\u002FTypeScript) and Python for seamless integration into various application workflows and popular LLM frameworks.\n\n## Quick Start\n\nHere's a very simple POML example. Please put it in a file named `example.poml`. Make sure it resides in the same directory as the `photosynthesis_diagram.png` image file.\n\n```xml\n\u003Cpoml>\n  \u003Crole>You are a patient teacher explaining concepts to a 10-year-old.\u003C\u002Frole>\n  \u003Ctask>Explain the concept of photosynthesis using the provided image as a reference.\u003C\u002Ftask>\n\n  \u003Cimg src=\"photosynthesis_diagram.png\" alt=\"Diagram of photosynthesis\" \u002F>\n\n  \u003Coutput-format>\n    Keep the explanation simple, engaging, and under 100 words.\n    Start with \"Hey there, future scientist!\".\n  \u003C\u002Foutput-format>\n\u003C\u002Fpoml>\n```\n\nThis example defines a role and task for the LLM, includes an image for context, and specifies the desired output format. With the POML toolkit, the prompt can be easily rendered with a flexible format, and tested with a vision LLM.\n\n## Installation\n\n### Visual Studio Code Extension\n\nInstall from [Visual Studio Code Marketplace](https:\u002F\u002Fmarketplace.visualstudio.com\u002Fitems?itemName=poml-team.poml).\n\nYou can also install the extension manually by downloading the `.vsix` file from our [GitHub releases page](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Freleases) and installing it in VS Code via the Extensions view.\n\nBefore testing prompts with the POML toolkit, make sure you have configured your preferred LLM model, API key, and endpoint. If these are not set, prompt testing will not work.\n\n**To configure in Visual Studio Code:**\n\n- Open the extension settings (open \"Settings\" and search for \"POML\").\n- Set your model provider (e.g., OpenAI, Azure, Google), API key, and endpoint URL in the POML section.\n- Alternatively, you can add these settings directly to your `settings.json` file.\n\n### Node.js (via npm)\n\n```bash\nnpm install pomljs\n```\n\n### Python (via pip)\n\n```bash\npip install poml\n```\n\nFor development or local installation, you might use `pip install -e .` from a cloned repository.\n\n**Refer to the [documentation](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml) for more details on installing the nightly build.**\n\n## Documentation\n\nFor detailed information on POML syntax, components, styling, templating, SDKs, and the VS Code extension, please refer to our [documentation](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml).\n\n## Learn More\n\n- **Watch our Demo Video on YouTube:** [POML Introduction & Demo](https:\u002F\u002Fyoutu.be\u002Fb9WDcFsKixo)\n- **Join our Discord community:** Connect with the team and other users on our [Discord server](https:\u002F\u002Fdiscord.gg\u002FFhMCqWzAn6).\n- **Read the Prompt Orchestration Markup Language paper:** [Prompt Orchestration Markup Language](https:\u002F\u002Farxiv.org\u002Fabs\u002F2508.13948) presents the design of POML and its impact on prompt engineering.\n- **Explore Content-Format Integrated Prompt Optimization:** [Beyond Prompt Content: Enhancing LLM Performance via Content-Format Integrated Prompt Optimization](https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.04295) proposes an iterative approach that jointly optimizes prompt content and formatting to improve LLM performance.\n\n## Citation\n\nIf you find POML useful or related to your research, please cite the following paper:\n\n```bibtex\n@misc{zhang2025promptorchestrationmarkuplanguage,\n      title={Prompt Orchestration Markup Language},\n      author={Yuge Zhang and Nan Chen and Jiahang Xu and Yuqing Yang},\n      year={2025},\n      eprint={2508.13948},\n      archivePrefix={arXiv},\n      primaryClass={cs.HC},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2508.13948},\n}\n```\n\n## Ecosystem & Community Projects\n\n- [mini-poml-rs](https:\u002F\u002Fgithub.com\u002Flinmx0130\u002Fmini-poml-rs) – Experimental Rust-based POML renderer for environments without JavaScript or Python interpreters.\n- [poml-ruby](https:\u002F\u002Fgithub.com\u002FGhennadiiMir\u002Fpoml) – Ruby gem implementation of POML for Ruby applications.\n- [ai-chatbot-with-python-and-angular](https:\u002F\u002Fgithub.com\u002Fhereandnowai\u002Fai-chatbot-with-python-and-angular) – A chatbot built with Python and Angular (version 20), utilizing POML for prompting and the Langchain framework. Developed by HERE AND NOW AI.\n- [PomlSDK.jl](https:\u002F\u002Fgithub.com\u002Fimohag9\u002FPomlSDK.jl) – Julia implementation of the POML specification.\n\n## Contributing\n\nThis project welcomes contributions and suggestions. Most contributions require you to agree to a Contributor License Agreement (CLA) declaring that you have the right to, and actually do, grant us the rights to use your contribution. For details, visit https:\u002F\u002Fcla.opensource.microsoft.com.\n\nWhen you submit a pull request, a CLA bot will automatically determine whether you need to provide a CLA and decorate the PR appropriately (e.g., status check, comment). Simply follow the instructions provided by the bot. You will only need to do this once across all repos using our CLA.\n\nThis project has adopted the [Microsoft Open Source Code of Conduct](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002F). For more information see the [Code of Conduct FAQ](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002Ffaq\u002F) or contact [opencode@microsoft.com](mailto:opencode@microsoft.com) with any additional questions or comments.\n\n## Trademarks\n\nThis project may contain trademarks or logos for projects, products, or services. Authorized use of Microsoft trademarks or logos is subject to and must follow [Microsoft's Trademark & Brand Guidelines](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Flegal\u002Fintellectualproperty\u002Ftrademarks\u002Fusage\u002Fgeneral). Use of Microsoft trademarks or logos in modified versions of this project must not cause confusion or imply Microsoft sponsorship. Any use of third-party trademarks or logos are subject to those third-party's policies.\n\n## Responsible AI\n\nThis project has been evaluated and certified to comply with the Microsoft Responsible AI Standard. The team will continue to monitor and maintain the repository, addressing any severe issues, including potential harms, if they arise. For more details, refer to the [Responsible AI Readme](RAI_README.md).\n\n## License\n\nThis project is licensed under the MIT License. See the [LICENSE](LICENSE) file for details.\n","# POML：提示编排标记语言\n\n[![文档](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-microsoft.github.io-blue)](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F)\n[![VSCode 扩展](https:\u002F\u002Fimg.shields.io\u002Fvisual-studio-marketplace\u002Fv\u002Fpoml-team.poml)](https:\u002F\u002Fmarketplace.visualstudio.com\u002Fitems?itemName=poml-team.poml)\n[![PyPI](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fpoml)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fpoml\u002F)\n[![npm (最新版)](https:\u002F\u002Fimg.shields.io\u002Fnpm\u002Fv\u002Fpomljs)](https:\u002F\u002Fwww.npmjs.com\u002Fpackage\u002Fpomljs)\n[![测试状态](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Factions\u002Fworkflows\u002Ftest.yml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Factions\u002Fworkflows\u002Ftest.yml)\n[![许可证：MIT](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-MIT-yellow.svg)](https:\u002F\u002Fopensource.org\u002Flicenses\u002FMIT)\n[![Discord](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDiscord-Join-5865F2?logo=discord&logoColor=white)](https:\u002F\u002Fdiscord.gg\u002FFhMCqWzAn6)\n\n**POML（提示编排标记语言）**是一种新颖的标记语言，旨在为大型语言模型（LLM）的高级提示工程带来结构化、可维护性和多功能性。它解决了提示开发中常见的挑战，例如缺乏结构、复杂的数据集成、对格式的敏感性以及工具支持不足等问题。POML提供了一种系统化的组织提示组件的方式，能够无缝集成多种数据类型并管理呈现方式的变化，从而帮助开发者构建更复杂、更可靠的 LLM 应用程序。\n\n## 演示视频\n\n[![POML 五分钟指南](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_poml_readme_6a82d54972f4.jpg)](https:\u002F\u002Fyoutu.be\u002Fb9WDcFsKixo)\n\n## 核心特性\n\n- **结构化提示标记**：采用类似 HTML 的语法，包含 `\u003Crole>`、`\u003Ctask>` 和 `\u003Cexample>` 等语义化组件，鼓励模块化设计，提升提示的可读性、可重用性和可维护性。\n- **全面的数据处理**：内置专门的数据组件（如 `\u003Cdocument>`、`\u003Ctable>`、`\u003Cimg>`），可无缝嵌入或引用文本文件、电子表格和图片等外部数据源，并提供自定义的格式化选项。\n- **解耦的呈现样式**：具有类似 CSS 的样式系统，将内容与呈现分离。这使得开发者可以通过 `\u003Cstylesheet>` 定义或内联属性来修改样式（如详尽程度、语法格式），而无需改变核心提示逻辑，从而降低 LLM 对格式的敏感性。\n- **集成的模板引擎**：内置模板引擎，支持变量（`{{ }}`）、循环（`for`）、条件语句（`if`）以及变量定义（`\u003Clet>`），用于动态生成复杂的、数据驱动的提示。\n- **丰富的开发工具套件**：\n  - **IDE 扩展（Visual Studio Code）**：提供语法高亮、上下文感知自动补全、悬停文档、实时预览、内联诊断错误检查以及集成式交互测试等开发辅助功能。\n  - **软件开发工具包（SDKs）**：提供适用于 Node.js（JavaScript\u002FTypeScript）和 Python 的 SDK，便于无缝集成到各种应用工作流和流行的 LLM 框架中。\n\n## 快速入门\n\n以下是一个非常简单的 POML 示例，请将其保存为名为 `example.poml` 的文件，并确保该文件与 `photosynthesis_diagram.png` 图片文件位于同一目录下。\n\n```xml\n\u003Cpoml>\n  \u003Crole>你是一位耐心的老师，正在向一位10岁的孩子解释概念。\u003C\u002Frole>\n  \u003Ctask>请结合提供的图片，解释光合作用的概念。\u003C\u002Ftask>\n\n  \u003Cimg src=\"photosynthesis_diagram.png\" alt=\"光合作用示意图\" \u002F>\n\n  \u003Coutput-format>\n    解释要简单易懂，富有吸引力，字数不超过100字。\n    开头请使用“嘿，未来的小科学家！”。\n  \u003C\u002Foutput-format>\n\u003C\u002Fpoml>\n```\n\n此示例定义了 LLM 的角色和任务，插入了一张参考图片，并指定了期望的输出格式。借助 POML 工具包，可以轻松地以灵活的格式渲染提示，并使用具备视觉理解能力的 LLM 进行测试。\n\n## 安装\n\n### Visual Studio Code 扩展\n\n从 [Visual Studio Code 市场](https:\u002F\u002Fmarketplace.visualstudio.com\u002Fitems?itemName=poml-team.poml)安装。\n\n您也可以手动下载 `.vsix` 文件，从我们的 [GitHub 发布页面](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Freleases)获取，然后通过 VS Code 的扩展视图进行安装。\n\n在使用 POML 工具包测试提示之前，请确保已配置好您偏好的 LLM 模型、API 密钥和端点。如果未设置这些信息，提示测试将无法正常运行。\n\n**在 Visual Studio Code 中配置：**\n\n- 打开扩展设置（进入“设置”并搜索“POML”）。\n- 在 POML 部分设置您的模型提供商（如 OpenAI、Azure、Google）、API 密钥和端点 URL。\n- 或者，您也可以直接将这些设置添加到 `settings.json` 文件中。\n\n### Node.js（通过 npm）\n\n```bash\nnpm install pomljs\n```\n\n### Python（通过 pip）\n\n```bash\npip install poml\n```\n\n对于开发或本地安装，您可以从克隆的仓库中使用 `pip install -e .`。\n\n**有关夜间构建版本的更多安装详情，请参阅[文档](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml)。**\n\n## 文档\n\n有关 POML 语法、组件、样式、模板、SDK 以及 VS Code 扩展的详细信息，请参阅我们的[文档](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml)。\n\n## 了解更多\n\n- **观看我们的 YouTube 演示视频：** [POML 介绍与演示](https:\u002F\u002Fyoutu.be\u002Fb9WDcFsKixo)\n- **加入我们的 Discord 社区：** 与团队及其他用户在我们的 [Discord 服务器](https:\u002F\u002Fdiscord.gg\u002FFhMCqWzAn6)交流。\n- **阅读《提示编排标记语言》论文：** [Prompt Orchestration Markup Language](https:\u002F\u002Farxiv.org\u002Fabs\u002F2508.13948) 介绍了 POML 的设计及其对提示工程的影响。\n- **探索内容-格式一体化提示优化：** [超越提示内容：通过内容-格式一体化提示优化提升 LLM 性能](https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.04295) 提出了一种迭代方法，同时优化提示内容和格式，以提高 LLM 的性能。\n\n## 引用\n\n如果您认为 POML 对您的研究有所帮助，请引用以下论文：\n\n```bibtex\n@misc{zhang2025promptorchestrationmarkuplanguage,\n      title={Prompt Orchestration Markup Language},\n      author={Yuge Zhang and Nan Chen and Jiahang Xu and Yuqing Yang},\n      year={2025},\n      eprint={2508.13948},\n      archivePrefix={arXiv},\n      primaryClass={cs.HC},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2508.13948},\n}\n```\n\n## 生态系统与社区项目\n\n- [mini-poml-rs](https:\u002F\u002Fgithub.com\u002Flinmx0130\u002Fmini-poml-rs) – 基于 Rust 的实验性 POML 渲染器，适用于没有 JavaScript 或 Python 解释器的环境。\n- [poml-ruby](https:\u002F\u002Fgithub.com\u002FGhennadiiMir\u002Fpoml) – 用于 Ruby 应用程序的 POML Ruby gem 实现。\n- [ai-chatbot-with-python-and-angular](https:\u002F\u002Fgithub.com\u002Fhereandnowai\u002Fai-chatbot-with-python-and-angular) – 由 HERE AND NOW AI 开发的聊天机器人，使用 Python 和 Angular（版本 20）构建，利用 POML 进行提示设计，并结合 Langchain 框架。\n- [PomlSDK.jl](https:\u002F\u002Fgithub.com\u002Fimohag9\u002FPomlSDK.jl) – POML 规范的 Julia 实现。\n\n## 贡献说明\n\n本项目欢迎各类贡献和建议。大多数贡献都需要您签署贡献者许可协议（CLA），以声明您有权并将您的贡献权利授予我们使用。有关详细信息，请访问 https:\u002F\u002Fcla.opensource.microsoft.com。\n\n当您提交拉取请求时，CLA 机器人会自动判断您是否需要提供 CLA，并相应地为 PR 添加标记（例如状态检查、评论）。请按照机器人提供的指示操作即可。对于所有使用我们 CLA 的仓库，您只需完成一次此步骤。\n\n本项目已采纳 [Microsoft 开源行为准则](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002F)。更多信息请参阅 [行为准则常见问题解答](https:\u002F\u002Fopensource.microsoft.com\u002Fcodeofconduct\u002Ffaq\u002F) 或发送邮件至 [opencode@microsoft.com](mailto:opencode@microsoft.com) 咨询更多问题或意见。\n\n## 商标\n\n本项目可能包含项目、产品或服务相关的商标或标识。未经授权使用 Microsoft 商标或标识须遵守并遵循 [Microsoft 商标与品牌指南](https:\u002F\u002Fwww.microsoft.com\u002Fen-us\u002Flegal\u002Fintellectualproperty\u002Ftrademarks\u002Fusage\u002Fgeneral)。在本项目的修改版本中使用 Microsoft 商标或标识时，不得造成混淆或暗示 Microsoft 的赞助关系。任何第三方商标或标识的使用均应遵守该第三方的相关政策。\n\n## 负责任的人工智能\n\n本项目已通过评估并认证符合 Microsoft 负责任的人工智能标准。团队将持续监控和维护该代码库，及时处理可能出现的严重问题，包括潜在的危害。更多详情请参阅 [负责任的人工智能自述文件](RAI_README.md)。\n\n## 许可证\n\n本项目采用 MIT 许可证授权。详细信息请参阅 [LICENSE](LICENSE) 文件。","# POML 快速上手指南\n\nPOML (Prompt Orchestration Markup Language) 是一种专为大语言模型（LLM）提示词工程设计的标记语言。它通过类 HTML 的语法结构、样式与内容分离机制以及内置模板引擎，帮助开发者构建更结构化、可维护且高效的提示词。\n\n## 环境准备\n\n在开始之前，请确保满足以下要求：\n\n*   **操作系统**：Windows, macOS 或 Linux。\n*   **运行时环境**（二选一或全选）：\n    *   **Node.js**: 版本 16+（用于 JavaScript\u002FTypeScript 开发）。\n    *   **Python**: 版本 3.8+（用于 Python 开发）。\n*   **编辑器**（推荐）：Visual Studio Code（用于获得语法高亮、自动补全和实时预览体验）。\n*   **LLM 配置**：需准备好大模型服务商的 API Key 和 Endpoint（如 OpenAI, Azure, Google 等），以便进行提示词测试。\n\n## 安装步骤\n\n你可以根据开发需求选择安装 VS Code 插件或编程语言 SDK。\n\n### 1. 安装 Visual Studio Code 扩展（推荐）\n\n这是最便捷的开发方式，提供完整的编辑辅助功能。\n\n*   **方式一：通过市场安装**\n    在 VS Code 扩展商店中搜索 `POML` 或访问 [VS Code Marketplace](https:\u002F\u002Fmarketplace.visualstudio.com\u002Fitems?itemName=poml-team.poml) 点击安装。\n\n*   **方式二：手动安装**\n    从 [GitHub Releases](https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Freleases) 下载 `.vsix` 文件，在 VS Code 扩展视图右上角菜单中选择“从 VSIX 安装”。\n\n*   **配置模型信息**\n    安装完成后，打开 VS Code 设置（搜索 \"POML\"），填入你的模型提供商、API Key 和 Endpoint URL；或直接编辑 `settings.json` 文件进行配置。\n\n### 2. 安装 Python SDK\n\n```bash\npip install poml\n```\n\n> **提示**：国内用户若下载缓慢，可使用清华源加速：\n> ```bash\n> pip install poml -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n> ```\n\n### 3. 安装 Node.js SDK\n\n```bash\nnpm install pomljs\n```\n\n> **提示**：国内用户若下载缓慢，可配置淘宝镜像：\n> ```bash\n> npm config set registry https:\u002F\u002Fregistry.npmmirror.com\n> npm install pomljs\n> ```\n\n## 基本使用\n\n以下是一个最简单的 POML 示例，展示了如何定义角色、任务、嵌入图片以及规定输出格式。\n\n1.  创建一个名为 `example.poml` 的文件。\n2.  确保该文件目录下存在一张名为 `photosynthesis_diagram.png` 的图片（或修改代码中的图片路径）。\n3.  将以下内容复制到文件中：\n\n```xml\n\u003Cpoml>\n  \u003Crole>You are a patient teacher explaining concepts to a 10-year-old.\u003C\u002Frole>\n  \u003Ctask>Explain the concept of photosynthesis using the provided image as a reference.\u003C\u002Ftask>\n\n  \u003Cimg src=\"photosynthesis_diagram.png\" alt=\"Diagram of photosynthesis\" \u002F>\n\n  \u003Coutput-format>\n    Keep the explanation simple, engaging, and under 100 words.\n    Start with \"Hey there, future scientist!\".\n  \u003C\u002Foutput-format>\n\u003C\u002Fpoml>\n```\n\n**运行与测试：**\n\n*   **在 VS Code 中**：打开该文件，利用插件提供的 \"Run\" 或 \"Preview\" 功能，即可直接调用配置的 LLM 进行测试并查看结果。\n*   **在代码中**：使用安装的 SDK 读取并渲染该 `.poml` 文件，将其转换为最终发送给 LLM 的 Prompt 字符串。\n\n此示例定义了 AI 的角色和任务，嵌入了上下文图片，并严格限制了输出的风格和长度。通过 POML，你可以轻松管理复杂的数据输入和样式变化，而无需硬编码字符串。","某教育科技公司的后端工程师正在开发一个“多模态作业批改系统”，需要让大模型根据学生上传的手写公式图片和题目文本，生成结构化的纠错报告。\n\n### 没有 poml 时\n- **提示词维护混乱**：角色设定、任务指令和输出格式混杂在长长的 Python 字符串中，一旦需求变更，修改极易出错且难以阅读。\n- **多模态数据拼接繁琐**：开发者需手动编写代码将图片路径、Base64 编码与文本提示词进行复杂的字符串拼接，容易因格式错误导致模型无法识别图片。\n- **样式调整牵一发而动全身**：当需要调整输出为 JSON 或 Markdown 格式时，必须深入业务逻辑代码修改核心提示词，测试成本高。\n- **缺乏动态渲染能力**：面对不同年级的题目，难以在不重写代码的情况下，通过简单的条件判断动态调整提示词的复杂度。\n\n### 使用 poml 后\n- **结构化清晰易读**：利用 `\u003Crole>`、`\u003Ctask>` 等语义化标签将提示词模块化，工程师可像编写 HTML 一样直观地管理和迭代指令逻辑。\n- **原生支持多模态嵌入**：直接使用 `\u003Cimg src=\"...\">` 标签即可无缝引用本地或远程图片，poml 自动处理数据编码与注入，彻底告别手动拼接。\n- **内容与样式彻底解耦**：通过独立的 `\u003Cstylesheet>` 定义输出风格，仅需修改样式配置即可切换报告格式，无需触碰核心业务逻辑。\n- **内置模板引擎灵活应变**：利用 `if\u002Ffor` 语法和变量定义，可根据学生年级动态生成差异化指令，大幅提升了系统的适应性和开发效率。\n\npoml 通过标准化的标记语言和强大的工具链，将原本杂乱脆弱的提示词工程转变为可维护、可扩展的现代化开发流程。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmicrosoft_poml_6a82d549.jpg","microsoft","Microsoft","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmicrosoft_4900709c.png","Open source projects and samples from Microsoft",null,"opensource@microsoft.com","OpenAtMicrosoft","https:\u002F\u002Fopensource.microsoft.com","https:\u002F\u002Fgithub.com\u002Fmicrosoft",[83,87,91,95,98,102],{"name":84,"color":85,"percentage":86},"TypeScript","#3178c6",81.6,{"name":88,"color":89,"percentage":90},"Python","#3572A5",13.1,{"name":92,"color":93,"percentage":94},"JavaScript","#f1e05a",3.1,{"name":96,"color":97,"percentage":32},"CSS","#663399",{"name":99,"color":100,"percentage":101},"HTML","#e34c26",0.1,{"name":103,"color":104,"percentage":105},"C++","#f34b7d",0,4859,245,"2026-04-17T14:19:48","MIT","未说明",{"notes":112,"python":110,"dependencies":113},"该工具为提示词编排标记语言及解析库，非重型深度学习模型，无特殊硬件需求。核心运行依赖为 Python 或 Node.js 环境。若使用 VS Code 插件进行测试，需自行配置 LLM 服务商（如 OpenAI, Azure, Google）的 API Key 和端点。社区有 Rust、Ruby、Julia 等非官方实现版本。",[114,115],"poml (Python SDK)","pomljs (Node.js SDK)",[45,35,14],[118,119,120,121],"llm","markup-language","prompt","vscode-extension","2026-03-27T02:49:30.150509","2026-04-18T09:20:09.417550",[125,130,135,140,145,149],{"id":126,"question_zh":127,"answer_zh":128,"source_url":129},38984,"如何在 VS Code 扩展中配置 MCP 服务器或与 GitHub Copilot 集成？","目前可以通过安装独立的 npm 包 `poml-mcp` 来尝试相关功能。关于直接集成 GitHub Copilot 设置以复用 LLM 和 MCP 服务器的配置，官方尚未在插件中完全原生支持，建议关注后续更新或尝试使用 `poml-mcp` 包进行实验。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fissues\u002F105",{"id":131,"question_zh":132,"answer_zh":133,"source_url":134},38985,"在 v0.0.8 版本中使用 Azure OpenAI 测试 Prompt 时出现 'Resource not found' 错误怎么办？","这是一个已知的回归问题。解决方法是在配置 `poml.languageModel.apiUrl` 时，确保 URL 末尾包含 `\u002Fopenai` 路径（例如：`https:\u002F\u002F\u003Cyour-endpoint>.openai.azure.com\u002Fopenai`）。此外，根据 Vercel AI SDK 的建议，某些情况下可能只需要填写资源名称而非完整 URL。官方已承诺修复文档以明确此配置要求。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fissues\u002F143",{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},38986,"配置 Google Gemini API 时遇到 404 错误，正确的 apiUrl 应该如何设置？","不要在 `apiUrl` 中直接硬编码包含 `{model=...}` 占位符的完整生成端点 URL，这会导致 404 错误。正确的做法是：将 `poml.languageModel.provider` 设置为 `\"google\"`，`poml.languageModel.model` 设置为目标模型（如 `\"gemini-2.5-flash\"`），并将 `apiUrl` 设置为基础端点（通常插件会自动处理路径拼接，或者只需提供到版本级的基础 URL）。如果正式版仍有问题，可以尝试使用官方提供的 nightly 构建版本进行测试。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fissues\u002F84",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},38987,"在独立的 .poml 文件中使用 \u003Cdocument> 标签时报 'Cannot determine parser' 错误如何解决？","该错误通常发生在 standalone 模式下解析器无法自动识别源文件上下文时。虽然移除 `\u003Cdocument>` 标签可以暂时规避错误，但根本原因可能是 schema 配置缺失或语法不支持。建议检查 `\u003Cmeta>` 标签中的 `schema` 属性是否正确设置为 `\"standard\"`，并确保文件结构符合当前扩展版本（如 v0.0.7+）的规范。如果问题持续，可能是特定版本的解析器 Bug，建议升级到最新版本或暂时避免在独立文件中使用该标签。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fissues\u002F109",{"id":146,"question_zh":147,"answer_zh":148,"source_url":129},38988,"如何正确配置 poml.languageModel 以连接 GitHub Pro 订阅模型或其他非默认 LLM？","在 `settings.json` 中，需要明确指定 `poml.languageModel.apiUrl`、`poml.languageModel.apiKey` 和 `poml.languageModel.apiVersion`（或 `model`）。例如，若要使用 GitHub Pro 订阅模型，需填入对应的 API 端点和密钥。配置完成后，可以通过插件的 \"Test Prompt\" 功能验证连接是否成功。如果看到类似的请求参数日志且无报错，即表示配置生效。",{"id":150,"question_zh":151,"answer_zh":152,"source_url":134},38989,"VS Code 扩展中 Azure OpenAI 的配置文档示例与实际代码行为不一致怎么办？","由于底层依赖 Vercel AI SDK，其推荐配置可能与文档示例存在差异（例如 URL 格式要求）。如果遇到文档示例配置无效的情况，请参考维护者在 Issue 中的最新反馈：尝试在 URL 后追加 `\u002Fopenai`，或者仅填写资源名称部分。官方已承认文档存在混乱并计划进行修正，因此在调试时以实际可运行的配置为准。",[154,159,164,169],{"id":155,"version":156,"summary_zh":157,"released_at":158},314914,"v0.0.8","**摘要**：版本 0.0.8 包含了 2025 年 7 月至 8 月期间合并的 52 个拉取请求。本次发布修复了大量问题、新增了多项功能需求，并引入了三位新外部贡献者的代码贡献。若无重大问题报告，这将是最后一个预发布版本。\n\n## 亮点\n\n* **令牌管理**：通过 `charLimit`、`tokenLimit` 和 `priority` 引入了令牌计数与控制功能。[文档](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F0.0.8\u002Flanguage\u002Ftoken\u002F)\n* **元数据增强**：新增对输出模式、工具定义以及按文件运行时配置的支持。[文档](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F0.0.8\u002Flanguage\u002Fmeta\u002F)\n* **OpenAI 聊天格式集成**：[详情](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F0.0.8\u002Fpython\u002Fintegration\u002Fopenai\u002F)\n* **MCP 集成（预览）**：[详情](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F0.0.8\u002Fpython\u002Fintegration\u002Fmcp\u002F)\n* **生态集成**：新增对 [LangChain](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F0.0.8\u002Fpython\u002Fintegration\u002Flangchain\u002F)、[MLflow](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F0.0.8\u002Fpython\u002Fintegration\u002Fmlflow\u002F)、[AgentOps](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F0.0.8\u002Fpython\u002Fintegration\u002Fagentops\u002F) 和 [Weave](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F0.0.8\u002Fpython\u002Fintegration\u002Fweave\u002F) 的支持。\n* **教程**：新增构建差旅费用代理的示例。[文档](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F0.0.8\u002Ftutorial\u002Fexpense_part1\u002F)\n* **追踪改进**：提升了稳定性和易用性。[文档](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F0.0.8\u002Fpython\u002Ftrace\u002F)\n* **VS Code CodeLens**：为模板本地调试添加了 CodeLens 支持。[文档](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F0.0.8\u002Fvscode\u002Ffeatures\u002F#expression-evaluation-with-codelens)\n* **VS Code 测试**：借助 Vercel AI SDK 和多提供商支持，增强了测试命令的可靠性。[文档](https:\u002F\u002Fmicrosoft.github.io\u002Fpoml\u002F0.0.8\u002Fvscode\u002Fconfiguration\u002F)\n\n## 完整 PR 列表\n\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F60 中添加面板自动添加测试\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F61 中启用追踪工件和美观的结果转储\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F62 中支持针对提示的资源级选项\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F63 中添加基于优先级的截断功能\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F64 中实现用于文档缓存的 BufferCollection\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F65 中修复 tokenCounterImage 的 lint 警告\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F66 中启动对代理和追踪框架的支持\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F67 中测试确保在循环中被求值\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F69 中重构并集中 poml 中的文件系统使用\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F71 中为视觉提示添加 poml 格式测试\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F70 中自动加载诊断上下文和样式表\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F70 中新增表达式求值 CodeLens","2025-08-25T05:52:14",{"id":160,"version":161,"summary_zh":162,"released_at":163},314915,"v0.0.7","## 亮点\n* 预览现在支持自定义上下文和样式表，可以动态附加并配置。\n* 跟踪功能现已启用。使用跟踪功能调试和测试大型代理应用程序中的 POML。\n* `@poml` 已进入 VSCode Copilot 的测试阶段。尝试使用 `@poml \u002Fask` 和 `@poml \u002Fedit`。探索提示模板库。\n* 实时预览中增加了消息的 token 数量。\n* 支持启用\u002F禁用组件，并可指定 min\u002FmaxVersion（测试阶段）。\n\n## 变更内容\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F36 中添加了 npm 包的构建与发布流程。\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F27 中为预览添加了上下文和样式表支持。\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F45 中改进了跟踪目录的命名。\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F49 中将 token 计数器合并到主分支。\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F46 中扩展了阅读器提案。\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F51 中添加了聊天功能。\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F52 中添加了画廊提示模板。\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F55 中更新了 ask edit 提示。\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F56 中修复了发布工作流中的 NPM 打包问题。\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F53 中添加了选择性别名禁用和版本检查功能。\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F57 中转储包含原始源路径的环境变量。\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F58 中版本号升级至 0.0.7。\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F59 中修复了版本号升级相关的 bug（0.0.7）。\n\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fcompare\u002Fv0.0.6...v0.0.7","2025-07-25T10:25:39",{"id":165,"version":166,"summary_zh":167,"released_at":168},314916,"v0.0.6","## 变更内容\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F13 中更新 README\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F14 中使用 webpack 对代码进行最小化处理\n* [codex] 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F17 中修复预览测试并延长 Mocha 超时时间\n* [codex] 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F18 中添加 WebView 测试并修复复制行为\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F19 中解决多个用户体验问题\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F20 中实现 include 标签支持\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F22 中修复保存时的重复诊断问题\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F25 中添加 CLI 跟踪目录支持\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F26 中添加源映射支持\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F28 中添加示例预期输出\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F29 中确保示例的正确性\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F31 中添加每日测试计划\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F30 中修复跳转到源代码的映射问题\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F33 中添加 Codex 设置说明\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F35 中验证 Base64 编码并确保 Prompt with 块外的内容能够正确渲染\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F32 中添加 LSP 服务器测试\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F37 中修复示例中图片之间的多余空格\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F41 中修复生成说明文字末尾的多余空格\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F42 中版本号升级至 0.0.6\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F43 中添加 azure-pipelines.yaml 文件\n* 在 https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fpull\u002F44 中将 RUN_ID 设置为 azure-pipelines.yml 中的队列时间变量\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fpoml\u002Fcompare\u002Fv0.0.5...v0.0.6","2025-07-04T09:57:05",{"id":170,"version":171,"summary_zh":172,"released_at":173},314917,"v0.0.5","这是我们在正式推送到公开渠道之前的预发布版本。请将其作为 POML 功能的预览。\n\n要安装 VSCode 扩展，请下载 `.vsix` 包，并在扩展管理器中点击“从 VSIX 安装”（感谢 [stackoverflow](https:\u002F\u002Fstackoverflow.com\u002Fquestions\u002F42017617\u002Fhow-to-install-vs-code-extension-manually) 提供的图片）。\n\n![image](https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F16a7dc45-edf0-4434-bced-955ff13b3a20)\n\n要安装 Python SDK，请在命令行中运行 `pip install poml-0.0.5-py3-none-any.whl`。目前我尚未确认该包的实际可用性，仍建议采用开发模式进行安装。\n\n本次预发布版本中未打包 Node.js SDK。","2025-06-05T10:44:38"]