Prompt框架 日期:2025-03-18 人气:7 ### 基础Prompt结构 #### 公式 指令 + 输入数据 + 背景 + 输出要求 #### 结构说明 |名称|描述|示例| |:--|:--|:--| |指令词 (必须)|此部分为prompt的指令,告诉模型应如何响应。|“简述”、“解释”、“翻译”、“总结”、“润色”、“写一篇文章"等。| |输入数据 (必须)|提供给模型的问题或具体內容,应清晰、完整以确保模型生成满意答案,注意长度,同时注意分段发送。|当需要总结时,提供的文本;当需要编写SQL代码时,提供的数据库表和字段信息。| |背景 (非必须)|与任务相关的其他信息,提供额外信息以帮助模型更好地理解需求。|同样是写关于计算机的科普文章,是写给小学生还是计算机专业大学生,得到的内容会完全不同。| |输出要求 (非必须)|期望模型输出的指标或结构,比如:类型、字数。|“请输出五条‘XX’相关的事实,并按重要性排序:1. …,2. …,3. …”,请按照markdown、表格…形式进行输出| #### 示例 文案/文档类:【背景:产品/项目介绍】+【指令:撰写/修改 + 文案/文档类型】+【输入数据:模仿对象内容/修改内容(可选)】+【输出指示:关于主题/产品的要点 + 结构/字数等】 示例:我是一名教育科技创业者,计划开发一个在线教育平台(背景),请写一篇产品说明文档(指令),需要包括平台的介绍、核心功能以及我们的竞争优势。文档的结构应该分为三个部分:介绍、功能、优势。(输出指示)。 ### Co-STAR框架  示例: ``` ##Context(上下文) 在互联网营销的竞争中,吸引用户注意力是关键。为此,我们需要一个能快速生成创意且引人注目的营销文案的工具,以提高点击率和转化率。 ##Objective(目的) 创建一款爆款文案生成器,帮助营销人员和内容创作者快速产生吸引眼球的广告文案,从而在激烈的市场竞争中脱颖而出。 ##Style(风格) 文案风格需现代、年轻、充满活力,符合主流社交媒体平台的语言习惯,能够引起年轻用户的共鸣。 ##Tone(语气) 语气积极向上,带有鼓励和启发的元素,同时兼具趣味性和亲和力,能够激发用户的好奇心和购买欲。 ##Audience(受众) 主要面向互联网营销人员、自媒体运营者和小企业主,他们急需通过有效的文案来推广产品或服务。 ##Response(回应形式) 希望AI能够提供多种格式的文案选项,包括但不限于标题、正文、和口号。每个文案建议包含500字范围内,以便于在各种广告平台上灵活使用。 ``` ### RTF框架 RTF(Role-Task-Format)框架是一个非常简单通用的Prompt提示框架,我们和任意大模型对话场景下都可以使用该规范进行改进输出。 - R-Role(角色):指定大模型担当固定角色(程序员、数据分析师、讲解员、记者等等) - T-Task(任务): 任务,告诉大模型需要为我们做的事情 - F-Format(格式):大模型最终结果的返回格式(比如:表格、Markdown、英文等等) 主要优点: - 简单、方便。 - 指定Role角色,可以让大模型在当前的角色范围内回答知识,这在一些特定的领域中非常有效。 - 指定Role角色也能让工程上检索知识能够确定边界范围,配合元数据所发挥的威力会更强。 - 如果结合RAG知识内容检索,那么上下文回答的内容会让用户感觉更加是顺畅。 示例: ``` R:营养专家,T:给我提供一份针对健身爱好者的饮食计划,F:以列表形式呈现。 ``` ### RISEN框架 - R-Role:大模型扮演的角色 - I-Instructions: 指示命令,和Task-任务差不多 - S-Steps: 步骤 - E-End Goal: 最终目标 - N-Narrowing(Constraints): 缩小范围(约束条件),和RTF框架中的Format有异曲同工之妙,一个是格式的约束,而这里的约束可以是任意方面,比如回答的内容(特定领域)、字数限制等等方面 该框架主要适合: - 撰写具有特定约束的任务(例如博客文章) - 有明确指导方针的任务(例如商业计划) 示例: 假设您想要从 ChatGPT 中获得有关如何为即将举行的项目会议做准备的建议。 ``` 角色:“假设你是一个经验丰富的项目经理。” 输入: “我们的团队将在下周举行一个重要的项目会议,需要讨论项目的当前状态、接下来的里程碑和可能遇到的风险。” 步骤: “请提供准备此类会议的详细步骤,包括应收集的信息、应创建的议程和如何有效地组织会议。” 期望: “期望能够通过会议明确项目的下一步行动计划,并得到团队的共同理解和支持。” ``` ### APE (Action Purpose Expect)提示词框架 APE 框架提倡将用户的请求分解为三个主要部分:行动、目的和期望。这种分解方法使得与大模型的交互更加明确和高效。 - 行动 (Action):定义需要完成的特定任务、行动或活动。这是框架的第一步,旨在明确要执行的具体任务或活动。 - 目的 (Purpose):讨论意图或目标。这部分是为了解释为什么要执行这个特定的任务或活动,它的背后意图是什么,以及它将如何支持更大的目标或目标。 - 期望 (Expectation):陈述期望的结果。在这最后一步,明确表述通过执行特定任务或活动期望实现的具体结果或目标。 例: 假设你是一家产品销售公司的营销经理,你想通过社交媒体广告来提高产品的在线销售。按照 APE(行动,目的,期望)框架,你可以创建以下提示词: ``` 行动 (Action):设计并发布一系列的社交媒体广告,宣传我们的最新产品。 目的 (Purpose):通过吸引社交媒体用户的注意,提高产品的在线销售和品牌知名度。 期望 (Expectation):在接下来的一个月中,通过社交媒体广告,在线销售增加 30%,并且我们的品牌在社交媒体上的关注度提高 20%。 ``` ### 鸣谢 - [csdn**秃了也弱了。**](https://blog.csdn.net/A_art_xiang/article/details/140945703) - [知乎**aigc**](https://zhuanlan.zhihu.com/p/5182226589) 标签: ai llm 上一篇:vscode使用Community Server Connector运行JDK1.8项目报错 下一篇:dify设置openapi保存无反应 随便看看 2025-07-04 vscode使用Community Server Connector运行JDK1.8项目报错 2025-07-03 vscode中为maven项目指定java版本 2025-06-27 利用puppeteer将网页保存为pdf 2025-06-27 一天二十四时辰表 2025-06-27 家谱中儿子和父母的关系有哪些? 留言