随着人工智能技术的迅速发展，AI在各个领域的应用日益广泛，从智能对话助手到自动化工作流，AI技术正深刻影响着我们的生活和工作方式。然而，伴随AI能力的增强，如何设计精准、高效且可维护的提示（prompts）成为亟待解决的难题。传统提示工程往往依赖于字符串拼接，缺乏结构与类型保护，导致开发效率低下且易出错。面对这一挑战，BAML（Basically a Made-up Language）应运而生，作为一门专注于AI提示工程的全新语言，它将提示设计从无序的文本拼接提升为结构化的模式编程，极大地简化了开发流程，提升了提示的可靠性和可维护性。BAML由BoundaryML团队打造，采用开源Apache 2协议，核心以Rust语言编写，结合静态类型系统和高性能设计，支持流式响应、自动重试、模型切换等功能，充分满足高复杂度AI应用的需求。简单来说，BAML将AI提示视为函数，每个提示都是一个明确的函数定义，输入参数和返回类型受严格限制，开发者可以直观地描述提示上下文、参数以及预期输出，避免了传统字符串模式带来的歧义和错误。
BAML的函数不仅仅是代码抽象，更结合了提示的设计：在函数定义中你可以指定调用哪些语言模型（LLM），编写明确的提示模板，还能定义复杂的类结构以表达输入输出数据，语言本身具备强大的模型适配能力，无论是OpenAI、Anthropic，还是AWS Bedrock，各类模型均可无缝接入。BAML的设计哲学强调简洁和易用。它将工程师从海量提示模板的管理中解放出来，借助版本控制工具如git，实现提示版本管理，同时支持在任意文本编辑器或终端中进行编辑调试，无需依赖庞大的IDE环境。BAML还提供强大的本地测试和提示Fiddle交互环境，极大地加快了提示的开发和验证速度。一项重要特色是BAML支持提示的流式输出。在现代AI技术中，许多应用需要逐步生成内容，如聊天机器人的实时回复或长文本的逐段输出。
BAML内置的流式接口为这些场景提供了类型安全且性能卓越的支持，让开发者能够轻松地管理和展示分阶段生成的内容，提升用户体验。此外，BAML具备强大的工具调用能力，即使底层模型不支持复杂的原生工具调用API，BAML的SAP（schema-aligned parsing，模式对齐解析）算法能够高效地解析模型输出中的嵌套结构，实现可靠的任务切分与执行。开发者可以在BAML中以声明式方式定义重试策略、模型轮换和回退机制，确保提示流程在面对模型响应异常、服务不稳定等问题时具有较强鲁棒性。BAML的生态支持极其丰富，不仅提供了Python、TypeScript、Ruby、Go等多语言客户端，满足不同开发环境的需求，还支持无缝集成于现代Web框架如Next.js，方便构建交互式前端应用。开发者可以借助BAML生成的类型安全hook和工具，打造美观且高效的流式UI。BAML是100%开源且注重隐私安全的框架，所有的提示文件均可保存在本地或版本控制系统中，运行时不上传任何非必要数据，满足企业和个人对数据保密的高要求。
它的Rust核心保证了执行速度与安全性，使用户几乎感受不到框架的运行负担。为什么选择BAML？传统的提示工程通常通过字符串模板驱动，缺乏结构与类型约束，随着提示复杂性的增加，维护成本迅速飙升。BAML通过将提示结构化为函数和类，结合类型系统，使提示的设计像写代码一样安全清晰。同时，BAML支持多模型切换，重试和流式输出，为高级应用提供坚实的基础。BAML还大大提升了开发体验。内置的VSCode插件提供了强大的提示可视化、版本控制、API请求追踪等功能，帮助开发者实时了解提示执行过程，快速调试和优化。
团队协作亦变得简单，提示定义以代码形式管理，便于审查与协同开发。展望未来，BAML有望成为AI提示工程的事实标准。随着各类大模型不断涌现，提示设计的复杂性只会提高，BAML提供了一套完整的解决方案，将提示代码化，以提升开发效率和系统稳定性。开发者无需全部掌握BAML语言，即可通过多语言客户端轻松调用BAML函数，实现跨平台灵活集成。简而言之，BAML是一种专为AI提示工程打造的现代语言，它深入解决了提示工程中的核心问题，使得AI工作流的搭建变得更系统化、工程化。随着AI技术的普及和复杂化，BAML的优势会愈发显著，推动AI应用迈向更高效、更智能的阶段。
无论你是AI研究人员、应用开发者，还是想提升提示设计效率的技术团队，了解并掌握BAML都将成为未来不可忽视的重要技能。
