✅结构化Prompt框架

在中 ✅如何设计Prompt？，向大家介绍了“结构化提示词”，本章节为大家详细介绍这部分涉及的一些标准通用框架。

与其说是“框架”，其实更准确地说，它们是一些 提示词模板（Prompt Templates）。就是用来规范你向大模型发出的请求，让模型更好理解你的意图、背景、角色、格式要求等。

RTF（Role–Task–Format）

RTF 是最基础的提示词模板。它主要强调三个核心要素：角色设定（Role）、任务说明（Task） 与 输出格式（Format）。这种结构简洁高效，适合通用类任务或者简单任务。

结构说明：

Role（角色）：定义模型的身份或专业背景
Task（任务）：说明模型要完成的具体目标
Format（格式）：指定输出的格式、风格或语气

# Role
你是一名资深市场分析师。  

# Task
请分析当前中国新能源汽车市场的发展趋势，指出未来三年的主要增长点。  

# Format
请以 Markdown 表格形式输出，包含“趋势”、“原因”、“预测增长率”三列。

ICIO（Instruction–Context–Input–Output）

强调通过清晰分隔任务指令、背景信息、输入与输出要求，使模型在复杂场景中仍能高效执行。适合需要上下文理解或多阶段推理的任务。

结构说明：

Instruction（指令）：核心任务说明
Context（上下文）：背景与辅助信息
Input（输入）：具体需要处理的文本或数据
Output（输出）：结果格式或表达要求

# Instruction
请为指定产品生成一段简短、有吸引力的营销文案。

# Context
你是一名资深品牌营销文案策划，擅长为电商产品撰写高转化率的广告语。目标受众是年轻、注重品质的都市白领。

# Input
产品名称：AI健康监测手环
产品特点：实时监测、可测量血压血氧、监测睡眠和呼吸暂停、外观时尚简约、佩戴轻盈舒适

# Output
请输出一段不超过100字的营销文案，请使用markdown格式，语言简洁、有节奏感，突出健康的生活方式。

CRISPE（Capacity–Role–Insight–Statement–Personality–Experiment）

能力（Capacity）、角色（Role）、背景信息（Insight）、任务指令（Statement）、个性风格（Personality）和实验性回复（Experiment），旨在让提示词更“人格化”与“可控化”。

它通过对模型能力、角色、洞察、语气及实验性的输出控制，使生成内容更具创造性和一致性，常用于学术、科研、内容创作等领域。

结构说明：

Capacity：确定智能体的能力边界
Role：明确身份定位
Insight：提供必要的知识视角或洞察点，也就是上下文背景
Statement：定义具体的任务目标，也就是Task
Personality：设置个性化的语气与风格
Experiment：指定探索性要求，如假设、生成多个答案等

# Capacity and Role（能力与角色）
你是一名资深市场策略分析师，擅长品牌定位与消费趋势洞察，熟悉零售行业的数据分析与竞争对比方法。

# Insight（洞察）
某科技品牌计划在明年推出一款主打AI功能的智能手表，目标群体为25-40岁的城市白领。  
公司希望通过差异化策略抢占高端可穿戴设备市场。

# Statement（声明）
请撰写一份市场策略分析报告，包含以下内容：
1. 当前智能手表市场格局与主要竞争者分析  
2. 目标用户画像与购买动机  
3. 产品差异化与品牌定位建议  
4. 三条可执行的市场推广策略

# Personality（个性）
请以专业咨询顾问的语气撰写，逻辑清晰、数据导向。  
报告语言应简洁有力，避免空泛表达。

# Experiment（实验）
在报告结尾，请额外提供一个“创新性市场假设”，  
例如：基于AI健康数据洞察的“主动健康推荐”功能，  
并简要说明这一创新可能带来的商业价值与潜在风险。

CO-STAR（Context–Objective–Style–Tone–Audience–Response）

CO-STAR 是一种结构化的提示词框架，旨在通过明确任务要素，帮助用户更精准地向 AI 传递需求，提升输出质量。适用于有明确目标或需要结构化输出的任务，尤其是复杂或中等复杂度的场景，如企业报告、课程设计、市场策略分析等。任务越复杂、输出越结构化、可控性越高，使用 CO-STAR 的效果越明显。

结构说明：

C（Context，背景）：提供任务相关的场景、前提或背景信息，让模型理解“为什么做”。
O（Objective，目标）：明确希望达成的具体结果或目的，帮助模型聚焦“做什么”。
S（Scope，范围）：界定任务的边界，包括内容涵盖范围、限制条件等，避免模型生成无关内容。
T（Tone，语气）：指定输出内容的风格，如正式、幽默、专业或轻松等，确保表达与情境一致。
A（Audience，受众）：说明内容的目标读者或接收对象，帮助模型选择合适的表达方式和术语。
R（Response，响应形式）：要求输出的格式、结构或呈现方式，如列表、短文、步骤或表格等，使输出便于直接使用。

# Context（背景）
近年来青少年沉迷社交媒体、遭遇网络不良信息的问题频发，学校计划开展相关主题教育活动；

# Objective（目标）
帮助青少年理解合理使用社交媒体的重要性，并提供可操作的建议；

# Scope（范围）
聚焦 13-17 岁青少年，涵盖使用时长管理、信息辨别、隐私保护 3 个核心方面，避免过于学术化的理论；

# Tone（语气）
亲切、鼓励，像学长学姐的建议，避免说教；

# Audience（受众）
初中至高中阶段的学生；

# Response（响应形式）
分点列出 5 条具体建议，每条配一个简短案例或比喻。

TIDD-EC（Task Type–Instructions–Do–Don’t–Example–Content）

用于明确任务目标、执行指令、允许与禁止行为、提供示例和背景信息。它通过清晰的任务分解和操作规范，帮助大语言模型生成更精准、可靠和可控的输出。适用于需要明确指导和规范，哪些能做，哪些禁止做的任务，如教育培训、法律咨询、技术支持等领域。

结构组成：

T（任务类型）：明确任务的性质和目标。
I（指令）：提供执行任务的具体步骤或指导。
D（应做）：列出应当执行的具体操作或行为。
D（不应做）：指出应避免的错误或不当行为。
E（示例）：提供期望输出的示例，以便模型理解预期结果。
C（用户内容）：用户提供的背景信息或数据，供模型参考。

# 任务
撰写法律意见书

# 指令
根据客户提供的案件信息，分析法律风险并提出可行建议

# 你应该做
- 结合相关法律法规进行分析
- 条理清晰地列出风险点
- 提供操作性建议

# 你禁止做
- 不要提供具体的法律诉讼策略或个案判决
- 避免主观推测，确保内容专业客观

# 示例
客户希望了解合同条款中的潜在风险，分析指出关键条款可能存在的履约争议，并给出建议如完善合同条款或加强证据准备

# 用户内容
  - 案件类型：商业合同纠纷
  - 关键条款：付款条款、违约责任、交付时间

BROKE（Background–Role–Objective–Key Result–Evolution）

用于明确任务背景、角色定位、目标设定、关键结果和改进方向。它通过对上下文、身份、任务目标及衡量标准的结构化描述，引导大模型生成更贴合目标、可评估和可迭代优化的输出。适用于需要角色扮演、目标导向及持续改进的任务，如活动策划、产品设计、内容创作等领域。

结构组成：

B（背景 Background）：描述任务的_背景_信息或上下文，为模型提供必要的理解依据。
R（角色 Role）：明确模型在任务中应扮演的角色或身份，以引导输出风格和深度。
O（目标 Objective）：定义任务的具体目标或预期结果，使模型聚焦于核心任务。
K（关键结果 Key Result）：设定衡量任务成功的标准或指标，确保输出可评估。
E（进化 Evolution）：提供改进建议或后续步骤，支持模型生成的内容可持续优化。

# 背景（Background）
学校希望提高学生的环保意识，计划开展一次以校园环保为主题的活动。

# 角色（Role）
作为校园活动策划师，负责设计活动方案并确保可执行性。

# 目标（Objective）
通过活动让学生了解环保知识并积极参与实践。

# 关键结果（Key Result）
活动结束后，学生参与率达到80%以上，提交的环保创意作品数量不少于50份。

# 进化（Evolution）
根据活动反馈调整宣传策略和活动形式，优化互动环节，使下一次活动更具吸引力。

一些建议

在使用提示词时，没必要过于拘泥于哪种框架。结构化提示词的框架还有很多，其实更多的都是在反复制造概念。归根结底，最重要的就是明确几个核心要素：角色定位、任务目标、上下文背景、以及输出格式。

提示词可以灵活调整和组合，千万不要死板。把大模型当人看，把大模型当人看，把大模型当人看，重要的事说三遍！是人就会犯错，就有可能没有按照你的要求来输出，所以在没有达到你理想的输出要求的时候，不要着急，你要针对性的调教他、指导他，合理的调整提示词及格式，保持提示词结构的清晰且具体，明确的任务指令，同时也避免信息过载，确保模型上下文信息不回过多，不会被过多细节干扰。

所以只要抓住这些提示词的主要部分，灵活的应用就能获得高质量、可控的输出。