简单来说Prompt（提示词）就是：你输入给AI（如ChatGPT、Deepseek等）的指令、问题、信息或请求。
打个比方：
在AI交互中：
从本质上看，Prompt = 输入信息 + 背景条件 + 目标要求
好的Prompt通常包含：
你可以把 Prompt 当作点外卖时的订单：如果只说“我要饭”，AI 可能随便给你米饭。如果说“我要一份黑椒牛柳炒饭，少盐，多青椒，不要洋葱，外卖盒分两份装”，AI 才能准确满足你的需求。
Prompt的作用：
Prompt在哪里使用？
例：请用500字介绍人工智能的历史。
例：你是一个资深心理咨询师，请给一个失恋的朋友写一封安慰信。
例：Q: 2+2=? A: 4 Q: 3+3=? A: 6 Q: 5+7=? A:
例：如果今天是周一，100天后是星期几？请逐步推理。
例：写一篇300字新闻稿，主题是新能源车，限制：不使用成语，结尾必须引用数据。
例：你是一个面试官，我是应聘者，请依次问我Java后端面试题。
例：请先给出“气候变化”的5个影响大纲，再为每个影响写200字说明。
例：请输出以下信息为JSON：姓名、年龄、职业。
例：画一只猫，不要有背景，不要戴帽子。
例：1. 生成旅游攻略大纲2. 根据大纲生成详细行程
三段式提示词模板：我是谁 + 我要干什么 + 我有什么要求
第一段：我是谁（角色锚定）
作用：激活AI的专业能力库，切换知识领域
强化技巧：
正确范例：「我是某国际快消品牌的数字营销总监（角色），负责亚洲区社交媒体推广」
第二段：我要干什么（任务原子化）
作用：用动词切割复杂动作为AI可执行单元
动词表参考：
关键细节：
正确范例：「需要创建一份小红书爆款笔记文案（任务），用于推广新上市的玻尿酸饮品」
第三段：我有什么要求（约束工程）
三维度刚性约束：
高阶技巧：
正确范例：「要求：文案需带「熬夜救星」核心关键词；符合Z世代网络用语习惯；严格回避「第一」「最」等绝对化表述；文末添加3个互动提问」
全场景模板强化版（含容错机制）
避开三大致命陷阱
终极心法：用写产品需求文档（PRD）的思维设计Prompt —— 角色是PM，任务是User Story，要求是Acceptance Criteria（验收标准）。
APE 是一种结构化提示词设计方法，通过拆解任务需求为三个维度（Action 行动、Purpose 目的、Expectation 期望），显著提升 AI 理解的精准度与输出质量。
Action（行动）
作用：定义 AI 需执行的具体任务动作，避免模糊指令导致偏离预期。
设计技巧：
Purpose（目的）
作用：解释行动背后的意图与价值，引导 AI 理解任务本质，输出更具策略性的结果。
设计技巧：
Expectation（期望）
作用：定义输出结果的质量、形式与边界，控制 AI 输出符合可用性标准。
三维度刚性约束：
BROKE 提示词框架是一种结构化的 AI 交互方法论，由 Background（背景）、Role（角色）、Objectives（目标）、Key Result（关键结果）、Evolve（改进） 五个核心要素构成，旨在通过精准的指令设计提升 AI 输出的质量和效率。
Background（背景）
作用：为 AI 提供任务上下文，解决信息不对称问题。
设计技巧：
案例：普通指令：“优化网站”，BROKE 优化：“我们是一家 SaaS 企业，目标用户为中小电商运营者，需优化官网注册流程，当前转化率仅 2.1%”
Role（角色）
作用：赋予 AI 专业身份，约束输出视角和语言风格。
设计技巧：
Objectives（目标）
作用：定义任务方向，需符合 SMART 原则（具体、可衡量、可实现）。
设计技巧：
案例：无效目标：“提高沟通效率”，BROKE 优化：“制定团队沟通优化方案，3 个月内内部满意度达 90%”
Key Result（关键结果）
作用：量化输出标准，作为质量验收依据。
设计技巧：三维度刚性约束：
案例：医疗诊断任务要求：“列出 3 种诊断可能性，附《哈里森内科学》证据支撑，置信度量化，输出为表格”
Evolve（改进）
作用：建立迭代机制，解决 AI 输出偏差。
三类优化路径：
CRISPE 是一种结构化提示词设计方法论，旨在通过明确的任务拆解降低 AI 理解的模糊性。经典六要素版（主流）：能力（Capacity）、角色（Role）、见解（Insight）、声明（Statement）、个性（Personality）、实验（Experiment）
能力（Capacity）
作用：明确 AI 的能力边界，避免超范围请求。
设计技巧：
案例：错误：“生成 2026 年科技趋势报告”；修正：“总结 2020-2024 年人工智能领域的五大技术突破”
角色（Role）
作用：赋予 AI 专业身份，约束输出视角。
设计技巧：
见解（Insight）
作用：用强动词定义原子化任务。
动词表参考：
个性（Personality）
作用：控制输出风格与语气。
三维度设计：
实验（Experiment）
作用：生成多方案供比较选择。
适用场景：
ICIO 提示词框架是由 Elavis Saravia 提出的一种结构化提示设计方法，旨在通过明确任务要素提升大语言模型（LLM）的输出质量与可控性。其核心包含四个模块，每个模块的作用与设计技巧如下：
Instruction（指令）
作用：明确要求 AI 执行的具体任务动作。
设计技巧：
Context（背景）
作用：提供任务背景信息，约束输出范围。
设计技巧：
应用示例：缺失背景：“写减肥计划”，完整背景：“用户为28岁久坐女性，基础代谢1300kcal，需兼顾饮食偏好（讨厌苦味）和心理焦虑”
Input Data（输入数据）
作用：定义需处理的数据或信息源。
设计技巧：
应用示例：模糊输入：“分析销售数据”；明确输入：“分析附件2024Q1销售数据.csv，聚焦‘产品类别’和‘地区’列，识别Top3销售额地区”
Output Indicator（输出指示器）
作用：指定输出的格式、类型及质量标准。
设计技巧：
TAG框架
核心结构：Task（任务） + Action（行动） + Goal（目标）
特点：简洁高效，适合日常快速任务
示例：
SPAR框架
核心结构：Scenario（场景） + Problem（问题） + Action（行动） + Result（结果）
特点：逻辑闭环性强，适合问题诊断与故障排除
示例：
SCOPE框架
核心结构：Scenario（场景） + Complications（复杂因素） + Objective（目标） + Plan（计划） + Evaluation（评估）
特点：强调整体规划与风险预判，适合项目管理
示例：
CO-STAR框架
核心结构：Context（背景） + Objective（目标） + Style（风格） + Audience（受众） + Response（响应）
特点：专注品牌一致性控制，适合营销文案
示例：
FABLES框架
CARE框架
核心结构：Context（背景） + Action（行动） + Result（结果） + Empathy（共情）
特点：强化情感共鸣，适合心理咨询/客户服务
示例：
TRACE框架
核心结构：Task（任务） + Request（要求） + Action（操作） + Check（校验） + Example（示例）
特点：内置防错机制，适合技术文档与操作指南
示例：
ROSES框架
核心结构：Role（角色） + Objective（目标） + Scenario（场景） + Expected Solution（预期方案） + Steps（步骤）
特点：分阶段任务拆解，适合复杂问题解决
示例：
DynaPrompt框架
核心结构：Dynamic Context（动态上下文） + Adaptive Role（自适应角色） + Multi-Phase（多阶段校验）
特点：实时感知对话状态，适合AI客服/游戏NPC
示例：
LangGPT框架
核心结构：Role（角色） + Profile（背景） + Rules（规则） + Workflow（工作流）
特点：构建可复用的AI智能体，适合虚拟助手开发
示例：
根本目标：解决两大核心矛盾
底层共性设计逻辑
您的邮箱地址不会被公开。 必填项已用 * 标注
在此浏览器中保存我的显示名称、邮箱地址和网站地址，以便下次评论时使用。