提示词工程03——提示词框架

核心定义

一套结构化、模块化的提示词写作模板与方法论。它将零散的指令经验沉淀为标准范式,为各类AI应用场景提供可复用的底层逻辑,让不同使用者在指令创作时都能有章可循,从根源上避免因表达随意导致的Al响应偏差。

核心目的

将用户模糊、抽象的业务需求,拆解为AI能够精准识别、稳定执行的标准化指令。通过明确任务目标、执行规则与输出格式,有效消除人机交互中的理解歧义,大幅降低沟通成本与反复调试的试错率,让AI的能力能够更高效、稳定地服务于实际业务场景。

底层本质

构建人与大语言模型之间的高效沟通协议。这一协议是连接人类主观意图与机器客观执行的关键接口,在自然语言的灵活性与机器运算的严谨性之间建立统一的语义桥梁。它让复杂的智能协作能够基于共同的"语言规则"发生,实现从"人适应机器"到"机器理解人"的高效协同。

通用万能型框架（适用于大多数日常任务的标准化模板）

1.RTF框架（角色、任务、格式，适用于：日常文案，总结等，通用性框架）

• 赋予AI专业身份设定

为AI设定具体的专业角色,例如资深顾问、行业分析师或技术专家。这能让AI在特定领域的知识体系下进行思考,确保生成内容具备专业视角,符合行业标准与实际应用场景。

• 明确核心执行目标

清晰、具体地向AI下达指令,说明需要完成的工作内容与核心成果要求。避免模糊的表述,让AI精准把握执行方向,从而产出聚焦主题、切中要点的高质量结果,减少无效信息。

• 定义输出规范标准

提前指定最终的呈现形式,如报告结构、段落长度、语言风格(正式/口语)、甚至数据可视化的类型。标准化的格式要求能让AI的输出直接适配业务流程,大幅降低后期人工整理与调整的成本。

2.ICIO框架（指令、上下文、输入数据、输出指引，适用于：数据分析、正式方案等）

• 指令(Instruction)（错定核心目标,以动词为明确行动起点）

精准定义Al需要执行的核心任务,拒绝模糊表述。通过动词开头的折使句直接下达行动指令,剔除冗余修饰,让模型无需猜测,清晰知晓第一步要做什么,为后续执行奠定准确基调。

• 上下文(Context)（对齐执行语境,明确用途、风格与受众）

为AI补充任务发生的背景信息,包括业务使用场景、内容的写作风格、目标受众画像及潜在的执行限制。这能帮助模型跳出通用化回答,理解"为什么做",从而生成贴合具体业务场景的个性化、高相关性内容。

• 输入数据(Input)（提供任务载体,交付完整核心原始信息）

作为任务处理的基础原料,需完整粘贴与任务相关的原始数据、参考文本、对话记录或素材文件。确保关键信息无遗漏、无截断,让Al够基于真实、全面的一手信息进行深度分析、归纳或创作,避免因信息缺失导致结果偏差。

• 输出指引(Output)（定义交付成果,规范格式、结构与标准）

提前约定最终产出的形式与标准,如报告的章节结构、字数限制、排版格式、是否需要分点或表格、必须包含的关键要素等。直接指向可用的业务成果,减少后续人工调整的时间成本,让模型一次性生成符合落地要求的有效产出。

3.CO-STAR框架（背景、目标、风格、语调、受众、输出格式，适用于：内容创作，营销文案，如小红书文案，抖音文案等）

• Context/背景

为内容创作提供必要的上下文、前提条件与具体应用场景,帮助执行者快速理解任务发生的环境与背景信息,减少信息偏差,为后续执行奠定统一的认知基础。

• Objective/目标

明确内容创作的核心任务与预期成果,通常以动词为开头精准定义行动方向。清晰的目标能确保产出物聚焦核心问题,直接对业务结果负责,避免无效产出。

• Style/风格

界定输出内容的文体类型与表现形式,例如正式报告、营销文案、技术文档等。通过统一风格规范,让内容的结构特征与表达范式保持一致性,符合场景使用习惯。

• Tone/语调

定义语言表达的情绪、态度与情感倾向,如专业严谨、轻松幽默、亲切易懂等。合适的语调能拉近与受众的距离,让内容更具亲和力与感染力,提升信息传递的效果。

• Audience/受众

精准定位内容的目标阅读群体,分析其知识背景、认知水平与核心需求,如行业小白、技术专家、业务决策者等。以受众为中心的创作能实现信息的精准触达与有效沟通。

• Response/输出格式

强制规定内容的呈现结构、排版布局与篇幅长度,明确核心模块的组成、信息的层级关系及交付物的最终形态。标准化的格式能提升执行效率,便于后续的审核、归档与复用。

4.CRISPE框架（背景、角色、指令、风格、语气、输出格式，适用于：全能框架）

• 背景(Context)

提供任务发生的背景信息与相关资料,清晰界定问题所处的业务场景、行业环境或具体前提,帮助AI快速建立对任务的基础认知,减少理解偏差。

• 角色(Role)

为AI明确指定具体的专业身份,如资深战略顾问、资深软件工程师、资深文案策划等。精准的角色定位能激活AI对应领域的知识库,使其输出更具专业深度的内容。

• 指令(Instruction)

清晰、无歧义地陈述核心执行任务,明确"需要做什么"。指令需具备可操作性,避免模糊的表述,确保AI能够准确捕捉任务目标,聚焦关键行动步骤展开响应。

• 风格(Style)

指定最终输出内容的文体与表达风格,例如正式商务报告、技术白皮书、口语化对话、学术分析或创意营销文案等。统一的风格能让产出物适配具体的使用场景。

• 语气(Persona/Tone)

设定语言传递的情绪与态度倾向,如专业严谨、亲切友好、客观中立、鼓励启发或批判性分析等。合适的语气能增强内容的感染力,同时契合沟通对象的心理预期。

• 输出格式(Output)

明确结果的结构化量现方式,如分点列表、对比表格、项目进度图、思维导图或完整的段落闸还等。规范的输出格式能提升信息的可读性,便于后续的阅读与使用。

推理逻辑型框架（引导AI进行深度思考与复杂推理）

1.CoT思维链(Chain of Thought)

核心思想:过程显性化
打破传统的"问题→答案"黑盒模式,将解决路径重构为清的线性推导链。要求模型像人一样,把从问题出发的每一步分析、判断和计算都清晰呈现,最终导向结论。

核心价值:能力跃升
强制模型暴露中间逻辑而非直接跳跃。这种过程式思考能有效激活天模型的复杂推理模块,在算术运算、常识推理、多步骤决策等任务中显著降低因"思维跳跃"导致的错误率。

关键执行指令:引导模型展开思考
请一步步思考,把推理过程详细写出来,确保每一步都符合逻辑和常识;如果遇到复杂计算,请分步计算;完成所有推导后,最后再给出最终的答案。

2.ToT思维树(Tree of Thoughts)

核心思想:树状搜索的迭代进化
不再局限于单一路径的线性推导,而是将推理过程建模为树状接索空间。通过"生成可能性→评估价值→剪枝无效分支→回溯优"的闭环逻辑,让模型能够像人类思考一样,主动探索多种可能性并动态调整方向,系统性地逼近问题的最优解。

01多元生成
打破单一答案的思维惯性,针对当前问题节点主动生成多个差异化的初始思路或候选方案。这一步是构建思维树的基础,为后续筛选提供了充足的可能性空间。

02价值剪枝
引入"评估机制"对所有生成的分支进行即时判断。依据问题的目标导向、逻辑一致性和潜在成功率,剔除偏离核心、效率低下或明显错误的路径,大幅减少无效计算。

03迭代推导
对保留的高价值分支进行深度延伸与推导。在每一个新的思维节点上重复"生成一评估一剪枝"的循环,通过层层递进的探索,逐步收敛可能性,最终锁定最合理的解决方案。

3.ReAct框架(Reasoning+Acting)

核心思想
打破大模型内部推理的黑盒模式,将逻辑思考(Think)与外部行动(Act)同步显性化。让模型像人类一样,在思考下一步该做什么的同时,实际执行操作并获取反馈。

标准流程
遵循「思考 行动→观察」的动态闭环。模型先基于现有信息分析问题、制定计划,执行具体操作后,再根据环境反馈结果调整策略,通过不断循环逐步逼近目标。

适用场景
主要用于需要调用外部工具(如网络搜索、计算器、API)或涉及多步骤拆解的复杂任务。有效解决模型参数知识滞后、单一能力不足等问题,扩展应用边界。

打破黑盒推理,实现动态可解释决策
ReAct枢架通过将隐性的思考过程转化为显性的行动步骤,不仅提升了大模型处理复杂任务的成功率,更赋予了决策过程追溯的透明度。在面对信息缺失或环境动态变化时,模型能主动获取外部信息并实时修正路径,这种"边想边做"的模式使其成为处理现实世界开放问题的重要范式

创作营销型框架（提升营销内容的转化效率）

1.AIDA营销框架

• 吸引注意

在信息繁杂的环境中,用直击人心的标题或核心视觉瞬间抓取受众目光。这是营销的第一道门槛,决定了用户是否愿意为你停留,进而接收后续的品牌信息。

• 激发兴趣

精准洞察用户在特定场景下的未被满足的需求与核心痛点,青晰闹述产品或服务的独特价值主张,让受众感知到"这正是我需要的",从而主动产生探索欲望。

• 唤起渴望

通过场景化的利益演示与情感共鸣,将产品带来的价值具象化。让用户在脑海中预演使用后的理想状态,将理性的功能认知斗华为感性的情感向往,产生"我想要拥有它"的强烈动机。

• 促使行动

设计清晰、低门槛且具有紧迫感的行动指令(CTA)。通过明确的引导语和便捷的操作路径,消除用户的决策顾虑,推动他们即刻完成购买、注册或咨询,将营销势能转化为实际的业务成果果

2.PAS痛点框架

• Problem·点出问题（直击用户真实痛点,拒绝无关痛痒的表面描述）

精准捕捉用户在实际业务或生活场景中遇到的核心障碍与困扰,不回避、不模糊。用直白的语言让用户第一眼产生"这正是我目前面临的难题"的强烈共鸣,为后续沟通建立基础连接。

• Agitation·放大痛苦（揭示痛点背后的深层后果,强化不行动的代价）

深入剖析当前问题若不及时解决将引发的连锁负面效应,将用户隐性的焦虑与担忧显性化、具体化,通过放大痛苦,让用户清晰感知现状的紧迫性,推动其心理状态从"可以解决"转向"必须立即解决"。

• Solution·给出方案（提供针对性解药,明确收益与行动指引）

作为解决痛点的终极答案,清晰阐述产品或服务的核心价值主张,将其与用户的核心需求精准匹配。同时明确告知用户选择该方案后的实际业务收益,并给出具体、可落地的下一步行动指令,完成从问题到解决的闭环。

核心逻辑:通过"问题聚焦一痛苦强化一方案落地"的递进式沟通节奏,层层递进地打破用户的心理防线。在建立深度共情的基础上,将产品价值与用户的追切需求绑定,最终高效激发用户的行动意愿,是B2B业务沟通与客户转化中极具穿透力的核心策略

项目规划型框架（用于复杂项目规划与问题解决）

BROKE框架

• Background背景

提供任务的核心上下文、当前业务现状、执行过程中的硬性约束与关键参考数据,为AI理解任务场景提供完整的事实依据。

• Role角色

为AI指定具体的专业身份与职业视角,激活其对应领域的专业知识库。让输出内容更贴合行业逻辑,具备岗位所需的实操性。

• Objectives目标

清晰界定核心任务与行动方向,精准回答"需要做什么"。去除模糊表述,让AI的执行动作始终聚焦核心业务诉求,避免产出偷离。

• Key Results关键结果

预设明确的交付标准与验收维度,定义"成果应该做成什么样"。让最终产出具备可衡量、可落地的属性,减少反复修改的沟通成本。

• Evolve进化

这是框架的灵魂步骤。基于首次输出进行针对性追问、修正细节与内容深化,通过多轮迭代让方案层层递进,最终逼近最优的业务解决方案。

BROKE框架通过结构化的指令设计逻辑,将模糊的需求转化为清晰的执行路径。它帮助我们在与A协作时,从信息输入到结果交付形成完整闭环不仅规范了任务边界,更通过"进化"环节实现了结果的持续优化,从而大幅提升A产出的精准度与商业价值。