Prompt 写不好？这份框架+技巧帮你搞定优质提示词

最新推荐文章于 2025-12-02 04:10:41 发布

原创最新推荐文章于 2025-12-02 04:10:41 发布 · 1.1k 阅读

24 ·

CC 4.0 BY-SA版权

文章标签：

#prompt #人工智能 #程序员 #大模型 #ai #转行 #学习

序言

prompt的重要性相信大家都知道，本文我们一起来讨论一下如何利用提示词框架，高效高质量的编写 Prompt

提示词框架

提示词框架有如下作用：

降低沟通成本：通过结构化要素，减少模型对需求的误判；统一风格也利于和他人交流
提升输出质量：明确角色、结构与评估标准，让结果更贴合预期；
适配多模型场景：不同 AI 工具（如 GPT、Claude、代码模型）可通过框架调整提示策略。
优化友好：当需要优化提示词时可以清晰的知道优化位置。

下面介绍两种常见的框架以及我常用的提示词模版。

`RICE` 框架

❝

通过明确四大要素，让 AI 模型快速理解任务边界与目标。全称：Role（角色）、Input（输入）、Context（上下文）、Expectation（期望输出）。

Role（指定模型角色）
- 作用：定义模型在任务中的身份（如 “你是一位资深数据分析师”“你是科普博主”），引导其使用对应领域的知识与表达风格。
- 例子： “假设你是一名金融分析师，请分析…”
Input（明确输入内容）
- 作用：提供任务的具体素材（如问题、数据、文本片段），确保模型基于准确信息响应。
- 例子： “输入数据：某公司 2024 年财报显示营收增长 15%… 请分析其盈利趋势。”
Context（补充背景信息）
- 作用：说明任务的应用场景、限制条件或前置知识，避免模型输出偏离实际需求。
- 例子： “背景：该分析将用于投资者路演，需简洁呈现核心结论。”
Expectation（清晰输出预期）
- 作用：规定输出的形式（如表格、报告、代码）、详细程度或重点方向。
- 例子： “期望输出：用 3 点总结投资建议，每点不超过 20 字。”

CRISPE 框架

❝

通过多维度拆解任务，提升提示词的逻辑性与可控性。全称：Clarify（澄清）、Role（角色）、Input（输入）、Structure（结构）、Prompt（指令）、Evaluate（评估）。

Clarify（澄清需求）
- 作用：先明确任务的核心目标，避免模糊表述导致模型误解。
- 例子： “需解决的问题：如何用 Python 优化数据可视化效率？”
**Role（角色定义）**与 RICE 一致：指定模型身份（如 “你是 Python 开发专家”）。
**Input（输入）**细化要求：明确输入数据的格式、来源或处理方式（如 “基于附件中的 CSV 文件…”）。
Structure（输出结构设计）
- 作用：预设输出的框架（如 “分步骤说明 + 代码示例 + 注意事项”），让结果更规整。
- 例子： “输出需包含：①原理分析 ②代码片段 ③性能对比表格”
Prompt（核心指令）
- 作用：用具体动作词引导模型（如 “生成”“优化”“诊断”），避免抽象指令。
- 例子： “请编写一个函数，实现数据批量清洗，并注释关键步骤。”
Evaluate（结果评估标准）
- 作用：提前设定输出的验收条件（如 “准确率需≥95%”“代码无报错”）。
- 例子： “确保生成的方案在实际场景中可落地，附可行性测试步骤。”

框架模版

这里给出一个我常用的框架模版，使用时只需要替换其中变量即可

## 角色
你是一个{{xxx}},你擅长{{xxx}}, 请按照要求完成下面的任务

## 输入
（可选，如果用在某个专用场景可以描述输入的内容范围和格式，便于大模型更好的理解、解析）

## 背景
{{context}}

## 任务（目标）
{{task1}}
{{task2}}

## 规则
{{要求&约束列表1}}
{{要求&约束列表1}}
(
  可以提供少样本学校案例，比如：
  问：xxx
  答：不建议的回复 v1
  答：建议回复 v2
)

## 格式
{输出格式, 比如：使用 Json 格式输出，包含 xx,yy 字段}

如何进行提示词优化

有了上面的提示词框架我们能轻松写出 60 分的提示词，想要更近一步需要我们在使用过程中不断优化，当然也可以学习其他平台的提示词或着借助一些优化工具去加速这个过程。

参考资料
- GitHub仓库：https://github.com/x1xhlol/system-prompts-and-models-of-ai-tools 提供各平台的系统提示词。
- Google-Prompting-Guidehttps://services.google.com/fh/files/misc/gemini-for-google-workspace-prompting-guide-101.pdf
测试与优化工具
- Claude Optimizer：自动分析Prompt结构并提出改进建议（如添加XML标签、调整逻辑层级）。
- 火山引擎、Coze罗盘：支持根据测试用例批量优化，根据对回答的反馈进行优化，缺点是指支持豆包模型
- 通过Cursor-Agent: 和编码流程贴合，适合优化AI编程中的提示词，搭建低成本。