首页  

12种常见的提示词框架     所属分类 AI 浏览量 11
1. CRISPE框架
用途:多维度优化复杂提示
Creative(创造性):控制输出风格
Role(角色):定义模型角色
Instructions(指令):明确任务步骤
Style(风格):设定语言风格
Persona(人设):模拟特定身份
Experiment(实验):要求迭代优化
示例:
作为资深数据分析师(Role),用简洁报告风格(Style),分三步分析销售数据(Instructions)


2. BROKE框架
用途:分步拆解复杂任务
Background(背景):提供上下文
Request(请求):明确需求
Outcome(结果):定义成功标准
Knowledge(知识):补充必要信息
Example(示例):给出参考案例

示例:
背景:公司需提升客户留存率(Background),请列出5条策略(Request),需可量化(Outcome),
参考行业报告(Knowledge),类似案例:某公司通过会员计划提升20%留存(Example)

3. RTF框架
用途:快速生成结构化内容
Role(角色)
Task(任务)
Format(格式)

示例:
作为营销专家(Role),生成3个618促销方案(Task),用Markdown表格列出(Format)

4. SPAR框架
用途:问题分析与解决
Situation(情境)
Problem(问题)
Action(行动)
Result(结果)

示例:

情境:新APP下载量低(Situation)
问题:用户获取成本高(Problem)
建议3种低成本推广策略(Action)
预期结果:降低30%成本(Result)


5. TAG框架
用途:精准控制输出
Task(任务)
Action(动作)
Goal(目标)
示例:
任务:写产品描述(Task)
动作:突出3个核心卖点(Action)
目标:转化率提升15%(Goal

6. SCQA框架
用途:讲故事的逻辑结构
Situation(背景)
Complication(冲突)
Question(问题)
Answer(答案)

示例:
背景:在线教育需求增长(Situation)
冲突:完课率不足30%(Complication)
如何提升完课率?(Question)
答案:引入游戏化学习设计(Answer)

7. APE框架
用途:指令优化迭代
Action(行动)
Purpose(目的)
Expectation(期望)
示例:

行动:生成Python代码(Action)
目的:自动化数据清洗(Purpose)
期望:代码带注释和示例数据(Expectation)


8. ROSES框架
用途:多轮对话管理
Request(请求)
Options(选项)
Steps(步骤)
Evaluation(评估)
Solution(解决方案)

示例:
请求:推荐旅行目的地(Request)
选项:东南亚、欧洲(Options)
评估标准:预算1万元(Evaluation)

9. TRACE框架
用途:因果推理
Trigger(触发事件)
Response(响应)
Analysis(分析)
Conclusion(结论)
Example(案例)

示例:
触发事件:社交媒体负面评论(Trigger)
分析:产品包装问题(Analysis)
结论:改进包装设计(Conclusion)

10. SCOPE框架
用途:限定范围
Subject(主题)
Context(上下文)
Objective(目标)
Parameters(参数)
Exclusions(排除项)

示例:
主题:新能源汽车(Subject)
范围:仅讨论2023年国内市场(Parameters),不涉及技术细节(Exclusions)


11. PECRA框架
用途:项目规划
Purpose(目的)
Expectation(期望)
Constraints(约束)
Resources(资源)
Actions(行动)

示例:
目的:上线新功能(Purpose)
约束:2周内完成(Constraints)
资源:3人团队(Resources)

12. DISC框架
用途:行为引导
Direct(直接)
Informative(信息性)
Supportive(支持性)
Clarifying(澄清)

示例:
直接:立即停止错误操作(Direct)
支持性:如需帮助可联系客服(Supportive)



选择建议 简单任务:RTF/TAG 复杂分析:CRISPE/BROKE 问题解决:SPAR/SCQA 多轮对话:ROSES 通过框架化提示设计,可减少无效输出,提升大模型工作效率 , 实际应用中常需组合多个框架

上一篇     下一篇
AI大模型基础基础概念

用「分工协作」秒懂 AI 界的超级架构:Transformer

大模型 与 CUDA

Python3 VS Python2

FastAPI 和 Flask