什么是提示词Prompt提示词Prompt是与大型语言模型LLM或生成式 AI 进行交互的核心指令。它是一段精心设计的文本输入用于引导 AI 模型生成符合预期的、高质量的文本、代码、图像或其他格式的输出。简单来说提示词就是你向 AI 提出的问题或下达的任务描述。它的质量直接决定了 AI 回答的准确性和实用性。提示词的核心作用定义任务明确告诉 AI需要做什么例如总结、翻译、创作、分析。提供上下文给予AI完成任务所需的相关背景信息。约束输出指定输出的格式、风格、长度、语气等要求。引导思维通过分步指令Chain-of-Thought引导AI进行复杂推理。一个优秀的提示词工程师Prompt Engineer能够通过优化提示词极大地提升AI模型在特定任务上的表现。主流提示词框架有哪些在AI交互日益频繁的今天提示词早已不是简单的“我问你答”。它是一套精密的指令系统决定了AI是给你一个平庸的回复还是输出一份惊艳的方案。面对ICIO、CRISPE、BROKE、CO-STAR等琳琅满目的框架很多初学者会陷入选择困难到底哪个最好我该用哪个本文将为你拆解主流提示词框架的核心逻辑通过横向对比帮你建立清晰的认知地图并提供一套可落地的选用决策方法让你从此告别“随便问问”的低效模式。一、框架的本质为什么需要结构化在进入具体框架之前先理解一个核心问题为什么需要框架随便写一句“帮我写个方案”得到的回复和用框架组织过的指令得到的回复差距往往是指数级的。原因在于大模型本质上是一个概率预测机器它需要足够多的约束条件来缩小可能性空间。框架的价值在于三点消除歧义把模糊的“写得好一点”变成具体的“字数800字风格参考麦肯锡报告目标读者是CEO”稳定输出同样的框架能保证多次生成的质量一致性不会忽高忽低降低迭代成本一次写对避免反复修改补充尤其在API调用场景下能直接省钱二、主流框架全景图目前市面上流传的框架不下二十种但真正高频使用、经得起考验的可以归纳为以下十个。我们按结构复杂度分为三个梯队。第一梯队轻量级三要素框架这类框架结构极简通常只有3个核心要素适合日常快速任务。1. RTFRole-Task-Format结构角色 → 任务 → 格式示例“你是一位资深营养师角色为健身人群设计一日食谱任务用表格按早中晚分类呈现格式”优势零学习成本5秒上手局限缺少背景信息复杂任务容易跑偏2. TAGTask-Action-Goal结构任务 → 行动 → 目标示例“写一份年度报告摘要任务提取关键数据并总结核心观点行动最终控制在300字内让老板30秒抓住重点目标”优势目标导向明确适合分步骤执行局限没有角色设定AI的视角可能不够精准3. APEAction-Purpose-Expectation结构行动 → 目的 → 期望示例“设计一系列社交媒体广告行动目的是提高在线销售和品牌知名度目的期望下月销售增加30%期望”优势逻辑链条完整不仅告诉 AI做什么还解释为什么做局限缺少输出格式约束结果形式不可控第二梯队进阶级流程型框架这类框架引入了步骤、上下文和示例能更好地控制AI的思考过程。4. ICIOInstruction-Context-Input-Output结构指令 → 上下文 → 输入数据 → 输出指示示例“将客户反馈转为工单JSON指令系统字段包括工单ID、设备类型、故障描述上下文输入是原始反馈文本输入输出数组结构用蛇形命名输出”优势执行效率极高适合数据处理和格式转换局限缺少角色和风格设定生成内容偏机械5. RACERole-Action-Context-Expectation结构角色 → 行动 → 上下文 → 预期示例“你是一位HR经理角色写一封拒绝候选人的邮件行动候选人技术强但与团队文化不匹配上下文语气专业礼貌且富有同情心预期”优势兼顾角色、背景和行动适用性广局限缺少示例对输出风格的把控依赖描述精度6. CAREContext-Action-Result-Example结构上下文 → 行动 → 结果 → 示例示例“受众是新入职运营同学上下文讲解AARRR模型并配套练习行动要求他们能独立设计增长实验结果以校园社群拉新为例讲解示例”优势示例能极大提升输出准确性适合教学和培训场景局限结构稍长简单任务用起来有点重7. RISERole-Input-Steps-Expectation结构角色 → 输入 → 步骤 → 预期示例“你是策略分析师角色输入是目标用户和竞品信息输入按收集信息→对比分析→洞察提炼→给出建议的步骤执行步骤输出Markdown表格和5条核心洞察预期”优势通过明确步骤让AI按流程处理稳定性极高局限步骤设计需要使用者对任务本身有清晰认知第三梯队综合级全要素框架这类框架要素最全能进行多维度控制适合深度分析、创意生成和高风险决策。8. CRISPECapacity-Insight-Statement-Personality-Experiment结构能力与角色 → 洞察 → 陈述 → 个性 → 实验示例“你是品牌战略专家能力我们是一家AI写作工具公司市场已有竞品但我们更懂中文创意洞察请做市场定位分析并提出3个口号陈述语气专业自信富有远见个性最后请告诉我这个提示词本身可以如何改进实验”优势全面细致甚至能激发AI的自我反思局限学习成本高简单任务显得大材小用9. BROKEBackground-Role-Objective-Key Results-Evolve结构背景 → 角色 → 目标 → 关键结果 → 演变示例“某电商Q3销售额下降15%背景你担任商业数据分析师角色定位核心衰退原因并给出提升方案目标关键结果包括识别TOP3流失环节和提出3项改进策略关键结果先用Python分析数据我们再讨论迭代演变”优势融合OKR思想强调可衡量结果和持续优化局限结构复杂适合项目级任务而非日常问答10. CO-STARContext-Objective-Style-Tone-Audience-Response结构上下文 → 目标 → 风格 → 语气 → 受众 → 回复格式示例“为智能家居新品撰写新闻稿上下文突出节能特性吸引科技媒体目标风格参考科技媒体深度报道风格语气专业客观充满科技感语气受众是科技编辑和极客受众输出完整新闻稿含标题导语正文回复格式”优势新加坡政府科技局使用对风格和受众的控制力极强局限六要素全填满需要一定时间不适合即时性需求三、横向对比一张表看清十个框架为了更直观地对比这十个框架下表汇总了它们的核心信息帮助你快速决策框架要素数量核心特点最适合场景学习成本输出稳定性RTF3极简铁三角角色-任务-格式快速问答、简单生成★☆☆☆☆★★★☆☆TAG3目标导向任务-行动-目标分步骤执行的任务★☆☆☆☆★★★☆☆APE3逻辑链条完整行动-目的-期望需要解释目的的任务★☆☆☆☆★★★☆☆ICIO4执行效率高指令-上下文-输入-输出数据处理、格式转换★★☆☆☆★★★★☆RACE4适用性广角色-行动-上下文-预期通用写作、邮件沟通★★☆☆☆★★★★☆CARE4示例驱动上下文-行动-结果-示例教学、培训、文档★★☆☆☆★★★★★RISE4步骤控制角色-输入-步骤-预期分析报告、策略制定★★★☆☆★★★★★CRISPE5全面细致能激发AI自我反思深度分析、创意生成★★★★☆★★★★★BROKE5融合OKR思想强调可衡量结果项目级任务、商业分析★★★★☆★★★★★CO-STAR6对风格和受众的控制力极强品牌文案、公关稿件★★★☆☆★★★★★说明学习成本★越多表示掌握该框架所需的学习和理解时间越长。输出稳定性★越多表示使用该框架时AI生成结果的质量和一致性越高。通过这张表你可以快速定位到符合你当前任务复杂度、风险等级和输出要求的框架。四、如何选用三步决策法面对十个框架选择的关键不在于“哪个最好”而在于“哪个最匹配当前任务”。以下是可落地的三步决策流程。第一步判断任务类型把你的任务放进以下三个分类中执行型任务有明确输入和输出格式要求如数据转换、代码生成、格式整理 → 优先考虑 ICIO、RTF创作型任务需要生成内容对风格、语气、受众有要求如文案、新闻稿、营销内容 → 优先考虑 CO-STAR、CARE分析型任务需要深度思考、多步骤推理、策略建议如商业分析、方案策划 → 优先考虑 RISE、BROKE、CRISPE第二步评估风险等级低风险错了也没关系可以重来 → 用轻量级框架RTF、TAG、APE快速出结果中风险需要一定的准确性和稳定性 → 用进阶级框架ICIO、RACE、CARE加入上下文和示例高风险决策后果严重需要深度分析和验证 → 用综合级框架BROKE、CRISPE、CO-STAR必要时组合使用第三步按需组合不存在单一的最佳框架。实际使用中框架组合往往比单一框架更有效。例如写一份商业计划书高风险创作型用 BROKE 定大框架背景、目标、关键结果再用 CO-STAR 补充风格和受众要求做一份竞品分析报告中风险分析型用 RISE 控制分析步骤再用 ICIO 规范输出格式快速生成一封邮件低风险执行型直接用 RTF 或 RACE三要素搞定五、实战演示同一任务不同框架的效果差异以“为一家新开的社区咖啡店写小红书推广文案”为例看看不同框架的指令差异。用RTF轻量级“你是小红书博主角色为社区咖啡店写推广文案任务用emoji分段呈现格式”用CO-STAR综合级“新开了一家社区咖啡店主打手冲精品豆和宠物友好空间上下文目标是吸引周边3公里内的年轻白领和自由职业者到店打卡目标风格参考小红书探店博主的真实分享感风格语气亲切温暖带一点小确幸语气受众是25-35岁注重生活品质的都市青年受众输出包含标题、正文、5个话题标签的完整笔记回复格式”两者的差距一目了然前者AI可能输出任何风格的文案后者则精准锁定了目标人群、内容调性和传播要素。六、一个建议从简到繁逐步进阶如果你是初学者不要试图一次性掌握所有框架。建议的学习路径是第一周只用 RTF养成“先定角色、再派任务、最后规定格式”的习惯第二周升级到 RACE 或 ICIO开始加入上下文和输出约束一个月后尝试 CO-STAR 或 CRISPE感受多维度控制带来的质量飞跃框架是工具不是枷锁。当你熟练到一定程度就会发现自己已经不再需要刻意套用某个框架——因为结构化思维已经内化成了你的本能。到那时你写的每一句提示词都是最适合当下任务的那个“框架”。提示词相关认证考证有哪些随着提示词工程成为热门技能一些机构和平台推出了相关的认证课程以系统化地培训和评估从业者的能力。1. 国际知名认证Vanderbilt University (Coursera):《Prompt Engineering for ChatGPT》平台Coursera内容由范德堡大学开设涵盖提示词基础、高级技巧及在 ChatGPT 中的应用。形式在线课程完成可获得结业证书。DeepLearning.AI:《ChatGPT Prompt Engineering for Developers》平台Coursera / DeepLearning.AI内容由吴恩达Andrew Ng和 OpenAI 合作推出面向开发者聚焦 API 调用和最佳实践。形式短期课程免费学习可获得证书。2. 国内相关培训与认证百度文心一言插件开发及提示词工程相关培训。阿里云通义千问模型应用开发及优化课程。腾讯云TI-ONE平台上的AI模型调优及提示词设计工作坊。一些职业培训机构和在线教育平台也推出了“AI 提示词工程师”培训课程及认证。3. 企业级认证Microsoft与Azure OpenAI服务相关的AI解决方案认证中包含提示词设计和优化内容。Google Cloud在生成式AI学习路径中涉及Prompt设计的最佳实践。如何选择认证目标导向明确你是想提升通用技能还是针对特定平台如 OpenAI、文心一言。实践比重优先选择包含大量实战练习和案例分析的课程。社区与更新选择那些有活跃社区、课程内容随AI发展快速更新的认证。成本与时间考虑免费课程、微认证与付费系统培训之间的平衡。总结掌握提示词是高效利用生成式 AI 的关键。从理解基本概念开始运用CRISPE、RTF、BORE等框架来结构化你的思考并通过Chain-of-Thought等技巧引导复杂推理。对于希望职业化发展的朋友可以考虑参加DeepLearning.AI、Vanderbilt University等机构的权威课程获取认证。未来随着多模态模型的发展提示词工程将不仅限于文本还会涵盖图像、音频等多种交互形式其重要性只会日益凸显。
