9个最佳prompt框架：解锁LLMs无限潜力

最新推荐文章于 2025-04-27 21:50:57 发布

大靠山

最新推荐文章于 2025-04-27 21:50:57 发布

阅读量716

点赞数 26

文章标签： prompt 人工智能重构百度算法机器学习

本文链接：https://blog.youkuaiyun.com/m0_59235245/article/details/146495685

版权

大型语言模型（LLMs）如ChatGPT、deepseek等工具的出现，极大地提升了我们处理自然语言任务的能力。然而，要想充分利用这些强大的工具，我们需要学会如何给它们提供清晰、结构化且有针对性的提示（prompts）。本文将介绍九个最佳的提示框架，帮助你在使用LLMs进行研究时获得更加精准和有价值的答案。

1. CLEAR框架：结构化、定义明确的研究查询

CLEAR框架特别适用于当你需要详细且结构化的研究查询，不容许任何模糊性时。CLEAR分别代表：Context（背景）、Logic（逻辑）、Expectations（期望）、Action（行动）和Restrictions（限制）。

背景（Context）

提供背景信息，解释你为什么需要这些信息。这有助于AI理解你的研究动机和目的。
逻辑（Logic）

阐述你研究的推理过程和你试图达到的目标。这确保了AI能够遵循你的思路来回答问题。
期望（Expectations）

清晰定义你需要的答案类型，包括具体细节或结构。这确保了AI能够为你提供满足你需求的答案。
行动（Action）

指定需要执行的任务，如总结、比较或列出信息。这明确了AI的任务范围。
限制（Restrictions）

提及任何限制条件，如字数、语气或使用的资源类型。这有助于AI在提供答案时遵循特定的约束条件。

2. SMART框架：精确、目标导向的研究

SMART框架适用于你需要获得焦点明确、可衡量的研究结果时。SMART分别代表：Specific（具体）、Measurable（可衡量）、Achievable（可实现）、Relevant（相关）和Time-bound（时间限定）。

具体（Specific）

明确你需要什么，避免模糊或宽泛的问题。这确保了AI能够为你提供具体的信息。
可衡量（Measurable）

确保回答可以根据定义的成功标准进行评估。这有助于你验证AI提供的答案是否满足你的需求。
可实现（Achievable）

确保请求是现实的，并且符合AI的能力范围。这避免了过度期望AI能够提供超出其能力范围的答案。
相关（Relevant）

使请求与你的目标或目的保持一致。这确保了AI的回答与你的研究目标紧密相连。
时间限定（Time-bound）

如果适用，包含时间框架以确保及时和相关的信息。这有助于你获取最新的研究成果。

3. QUEST框架：精炼研究问题

QUEST框架适用于当你有一个广泛的话题，并需要将其缩小范围时。QUEST分别代表：Question（问题）、Understanding（理解）、Expectation（期望）、Scope（范围）和Time（时间）。

问题（Question）

从需要回答的问题或问题开始。这为你提供了研究的起点。
理解（Understanding）

解释你已经知道的内容以及你知识中的空白。这有助于AI了解你的研究背景和需求。
期望（Expectation）

定义良好的回答应该是什么样的，以及它应该解决哪些关键点。这确保了AI能够为你提供满足你期望的答案。
范围（Scope）

确定研究的焦点，指定应包括或排除的内容。这有助于AI明确你的研究范围。
时间（Time）

提供任何相关的信息时间限制（例如，仅包括最近的研究）。这确保了AI能够为你提供最新的研究成果。

4. GUIDE框架：系统化、逐步研究

GUIDE框架适用于当你需要逐步研究分解时。GUIDE分别代表：Goal（目标）、Understanding（理解）、Information（信息）、Direction（方向）和Evaluation（评估）。

目标（Goal）

清楚地说明你试图通过研究实现的目标。这有助于AI了解你的研究目的。
理解（Understanding）

解释你对主题的先前知识。这有助于AI理解你的研究背景。
信息（Information）

列出应包含在响应中的关键信息。这确保了AI能够为你提供全面的答案。
方向（Direction）

提供关于你希望响应如何结构化或呈现的具体指导。这有助于你获得格式化的答案。
评估（Evaluation）

定义你将如何评估响应的质量。这有助于你验证AI提供的答案是否满足你的标准。

5. FOCUS框架：有针对性的、无废话的研究

FOCUS框架适用于当你想要削减不必要的细节，并直接获得要点时。FOCUS分别代表：Function（功能）、Outcome（结果）、Criteria（标准）、Underlying Assumptions（潜在假设）和Strategy（策略）。

功能（Function）

定义AI在回答你的问题时应扮演的角色。这有助于你明确AI的作用。
结果（Outcome）

指定理想响应应包括的内容。这确保了AI能够为你提供符合你期望的答案。
标准（Criteria）

识别确定答案质量的关键因素。这有助于你评估AI提供的答案是否满足你的标准。
潜在假设（Underlying Assumptions）

陈述应承认的任何偏见或假设。这有助于你意识到可能影响AI回答的因素。
策略（Strategy）

提供你希望AI采取的研究方法或方法。这确保了AI能够按照你的要求进行研究。

6. IDEA框架：迭代研究和改进

IDEA框架适用于当你的研究需要迭代和改进时。IDEA分别代表：Intent（意图）、Details（细节）、Examples（示例）和Adjustments（调整）。

意图（Intent）

定义你研究的目的以及你希望达到的目标。这有助于你明确你的研究意图。
细节（Details）

提供相关的背景信息，并澄清你已经知道的内容。这有助于AI了解你的研究背景和需求。
示例（Examples）

包括可以帮助塑造响应的参考文献或案例研究。这有助于AI为你提供更具体的答案。
调整（Adjustments）

根据初步响应和新见解允许改进。这确保了AI能够根据你的反馈提供更好的答案。

7. RISEN框架：深入、战略性的研究

RISEN框架适用于当你的研究需要战略性方法时。RISEN分别代表：Requirement（要求）、Information（信息）、Strategy（策略）、Evaluation（评估）和Negotiation（协商）。

要求（Requirement）

明确定义你正在寻求的信息或解决方案。这有助于AI了解你的研究目标。
信息（Information）

指定所需的背景知识或支持数据。这确保了AI能够为你提供基于可靠信息的答案。
策略（Strategy）

描述AI应该采取的方法来回答问题。这有助于你明确AI的研究方法。
评估（Evaluation）

指示你将如何确定响应的准确性或有用性。这有助于你验证AI提供的答案是否可靠。
协商（Negotiation）

在响应中留出灵活性，允许AI根据可用信息调整其答案。这确保了AI能够根据你的需求提供灵活的答案。

8. RHODES框架：基于假设的研究

RHODES框架适用于当你的研究遵循基于假设的方法时。RHODES分别代表：Research（研究）、Hypothesis（假设）、Objectives（目标）、Development（开发）、Execution（执行）和Synthesis（综合）。

研究（Research）

识别需要调查的主题或问题。关注关键方面并提供相关背景。这有助于你明确你的研究方向。
假设（Hypothesis）

创建一个可测试的陈述，可以用证据支持或反驳。确保它连接两个或多个变量。这有助于你为你的研究提供一个可验证的假设。
目标（Objectives）

定义你希望实现的目标。澄清知识差距并概述可衡量的结果。这有助于你明确你的研究目标。
开发（Development）

计划探索假设所需的步骤。这可能包括收集数据、比较来源或审查文献。这有助于你规划你的研究方法。
执行（Execution）

通过分析数据、收集专家意见或测试不同来源来执行研究。这有助于你收集和分析数据以验证你的假设。
综合（Synthesis）

总结见解、发现和结论。确保最终响应直接解决假设。这有助于你呈现你的研究结果。

9. CREATE框架：导致创新的研究

CREATE框架适用于当你的研究涉及创意和实验时。CREATE分别代表：Conceptualize（概念化）、Research（研究）、Experiment（实验）、Analyze（分析）、Transform（转换）和Evaluate（评估）。

概念化（Conceptualize）

定义你想要探索的想法或挑战。概述核心问题以及任何初步想法。这有助于你明确你的研究主题。
研究（Research）

收集相关的背景信息、趋势和支持数据。识别现有知识中的差距。这有助于你了解你的研究领域和背景。
实验（Experiment）

测试不同的方法、方法或解决方案。这可能包括头脑风暴、原型制作或分析各种可能性。这有助于你通过实践来验证你的想法。
分析（Analyze）

评估实验结果。确定哪些有效、哪些无效以及原因。这有助于你理解你的实验结果。
转换（Transform）

基于你的发现来精炼和塑造你的想法。适应并改进它成为一个结构化的计划或解决方案。这有助于你将你的研究成果转化为实际应用。
评估（Evaluate）

衡量你最终方法的成功。评估它是否满足原始目标，并考虑未来的改进。这有助于你验证你的研究成果的可行性和有效性。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述