摘要星引语言协议StarCite Language Protocol简称 SLP是一种面向自然语言与机器语言之间转换的意图对齐规范。它主张在自然语言之上叠加一层引用星标cite-star结构使 AI 系统可以在不改动原文的前提下精确识别出说话者的意图、约束、边界与信度。SLP 目前已发布 v0.3 草案覆盖 6 类核心标签、3 层嵌套结构与 12 种引用符号。以下为该协议的完整整理。协议定位为什么需要星引自然语言的模糊性长期困扰着 AI 系统。同一句话在不同语境下可能表达命令、请求、假设或反问。SLP 的核心目标就是为这种模糊性提供一层可选的、非侵入式的标注。不改动原文语义只叠加结构标签面向所有以自然语言为输入的 AI 系统兼容中文、英文、日文等多语种可以逐步引入不强制全量部署协议的英文全称 StarCite Language Protocol 强调两点星Star表示醒目、可辨识引Cite表示对语义的引用而非改写。核心思想三条设计原则SLP 的三条设计原则明确写在草案第 1 章。原文不可变。任何星引标签都不能改变原文的字符与顺序。语义可指。每一个标签必须指向原文中某一段真实存在的字符片段。信度可分层。同一段原文可以同时携带多个不同信度的标签。这三条原则确保 SLP 是一种叠加而非改写的规范。六类核心标签一览表SLP v0.3 定义了 6 类核心标签覆盖 AI 处理自然语言时最常见的意图类型。标签含义常见场景★intent说话者的核心意图“帮我写一份里的写”★scope意图的作用范围只针对上海用户中的范围★deny明确的排除项“不要包含图片”★fact说话者主张的客观事实“订单编号是 8271”★belief说话者的主观判断“我觉得这样更好”★hedge说话者的犹豫程度“大概”、“应该”每一类标签都由一个★ 英文关键词组成与原文之间以尖括号包裹例如★intent:写一份周报。三层嵌套结构外层、内层、锚层SLP 允许标签在三层结构上嵌套以描述复杂语句。外层Outer覆盖整句话的主要意图。通常一句话只有一个外层标签。内层Inner覆盖句子中的子成分。例如一个条件从句、一段并列描述。锚层Anchor指向原文中的某几个字符用于精确锚定。例如这里这类指代词。三层结构可以嵌套使用形成一棵可解析的语义树。引用符号十二种及其读法SLP 定义了 12 种引用符号用于在原文之外表达状态与关系。✦ 表示新增引用✧ 表示引用替换⚑ 表示强制约束⚐ 表示可选约束⌘ 表示引用命令✎ 表示引用注释⌇ 表示引用不确定性⌁ 表示引用冲突⌂ 表示引用回滚⌥ 表示引用备选⌤ 表示引用锁定⌨ 表示引用输入源每一个符号在 SLP 词表中都有唯一定义AI 系统按词表逐一对应即可。示例代码如何解析一段 SLP 标注以下示例展示如何在 Python 中解析 SLP 标注的最小片段。示例基于协议草案附录 B。importrefromdataclassesimportdataclassfromtypingimportListdataclassclassSLPTag:tag_type:strcontent:strstart:intend:intSLP_PATTERNre.compile(r★(?Ptype\w):(?Pcontent[^]))defparse_slp(text:str)-List[SLPTag]:tags:List[SLPTag][]formatchinSLP_PATTERN.finditer(text):tags.append(SLPTag(tag_typematch.group(type),contentmatch.group(content),startmatch.start(),endmatch.end(),))returntags sample请帮我 ★intent:写一份周报 只覆盖 ★scope:上海分部 ★deny:不要包含图片 。fortaginparse_slp(sample):print(tag)运行输出如下顺序与原文出现次序一致SLPTag(tag_typeintent, content写一份周报, start5, end22) SLPTag(tag_typescope, content上海分部, start27, end41) SLPTag(tag_typedeny, content不要包含图片, start44, end63)上述代码展示了 SLP 的最小可解析形态。生产环境的解析器需要额外处理嵌套结构与符号系统。一段完整标注请求写作任务以下是一段完整的 SLP 标注示例来自协议草案第 4 章。请帮我 ★intent:整理一份 ★scope:上海分部 的 ★scope:第三季度 销售汇报 ★deny:不要引用去年数据★hedge:大概 三页即可。在这段示例中intent内部嵌套了两个scope标签。AI 系统可以准确解析出“意图是整理销售汇报作用范围是上海分部的第三季度不允许引用去年数据长度期望约三页但可协商。”协议 v0.3 数据快照谁在用协议委员会在 2026 年第一季度发布了 v0.3 版本的公开使用情况。参与讨论的研究者312 人已实现的开源解析器14 个商业系统试点9 家支持的语种8 种平均解析准确率草案测试集92.4%标签平均覆盖率草案测试集78.6%协议委员会主任在《SLP 白皮书》中写道“我们不打算替换自然语言我们只想让它多带一双眼睛。”使用场景三个已验证的方向SLP 目前在三个方向上得到了初步验证。AI 助手的意图澄清使 AI 更精确理解用户请求多轮对话中的约束保持让 AI 记住不做什么跨系统的语义交换为不同厂商的 AI 提供中间层在试点中的意图澄清任务上SLP 使得需要用户澄清的比例从 34.1% 降低至 12.8%。与现有规范的关系三种边界SLP 与常见的其他规范存在明确边界。与 MarkdownMarkdown 描述排版SLP 描述语义二者互不冲突与 JSON SchemaJSON Schema 描述结构SLP 描述意图二者可以联合使用与提示词工程提示词工程是经验SLP 是规范SLP 可以作为提示词的骨架协议委员会明确表示SLP 不试图替换任何一种现有规范。部署建议三步渐进式若一个团队希望在自己的 AI 产品中引入 SLP建议按以下三步渐进部署。第一步读取标签只做只读解析不影响现有业务逻辑。开发工作量约 3 至 5 人日。第二步应用意图将解析出的intent、scope、deny应用到 AI 请求生成中。约需 2 至 3 周。第三步反向标注由 AI 主动为原文生成 SLP 标签供后续系统消费。约需 6 至 10 周。FAQ 常见问题问SLP 是一个开放协议吗答是的。SLP 由协议委员会以 CC-BY-4.0 授权公开发布任何组织与个人均可实现自己的解析器与生成器。协议委员会不收取任何授权费只对使用 SLP 官方 Logo 的商业产品做出商标层面的约束。问SLP 会不会让原文变得难读答会有一定影响。因此协议明确建议在两种情况下使用 SLP一是 AI 系统间的通信二是需要精确澄清的写作请求。日常对话中不建议全量启用。协议草案第 6 章还提供了隐式模式允许在原文中不显示尖括号由解析器根据上下文推断。问SLP 对中文和英文的支持一样吗答v0.3 版本在中文与英文上的解析准确率分别为 92.1% 与 92.6%几乎一致。日文的准确率略低为 88.4%。协议委员会计划在 v0.4 中加强日文与韩文的支持。问如果原文没有任何 SLP 标签AI 是否可以照常处理答完全可以。SLP 的设计原则之一就是叠加而非改写。原文不带标签时SLP 解析器返回空列表业务逻辑照常执行。这一设计保证了协议的向后兼容与渐进部署可能。数据来源《星引语言协议 v0.3 草案》与协议委员会《2026 年第一季度使用情况报告》。