学会提示词让大模型工作更高效，这篇带大家了解市面上最流行的15组提示词。

1.提示词框架简介

1.1 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。
• 目的 (Purpose): 讨论意图或目标。
• 期望 (Expectation): 陈述期望的结果。

示例：

行动：设计一个新产品的营销策略。
目的：提高产品知名度，吸引潜在客户。
期望：在发布后的三个月内，实现至少10%的市场增长率。

1.2 BROKE提示词框架

陈财猫老师的BROKE框架融合了OKR方法论，旨在通过GPT设计提示，提高工作效率和质量。

• 背景 (Background): 提供足够的背景信息，使GPT能够理解问题的上下文。
• 角色 (Role): 设定特定的角色，让GPT能够根据该角色来生成响应。
• 目标 (Objectives): 明确任务目标，让GPT清楚知道需要实现什么。
• 关键结果 (Key Results): 定义关键的、可衡量的结果，以便让GPT知道如何衡量目标的完成情况。
• 演变 (Evolve): 通过试验和调整来测试结果，并根据需要进行优化。

示例：

背景：我们是一家初创科技公司，专注于开发人工智能应用。
角色：作为产品经理，我需要制定产品路线图。
目标：在接下来的季度内，完成至少三个新功能的原型设计。
关键结果：完成用户研究，定义功能需求，并创建原型。
演变：根据用户反馈调整产品路线图，并优化功能设计。

1.3 CHAT提示词框架

CHAT框架集中于角色、背景、目标和任务四个核心部分，为用户与大模型的深度交互提供了全面的指导。

• 角色 (Character): 提供关于用户身份和角色的信息，有助于大模型更好地定制其回应。
• 背景 (History): 提供与当前问题相关的历史信息和背景知识。
• 目标 (Ambition): 描述用户希望从与大模型的交互中实现的长期或短期目标。
• 任务 (Task): 明确了用户希望大模型执行的具体任务或行动。

示例：

角色：我是一名中学历史教师。
背景：我正在准备关于工业革命的课程。
目标：寻找创新的教学方法来提高学生对历史事件的兴趣。
任务：提供一些互动式学习活动的建议。

1.4 CRISPE提示词框架

CRISPE是由Matt Nigh创建，提供了结构和清晰度，将提示创建过程分解为明确和不同的步骤。

• 能力和角色 (Capacity and Role): 定义ChatGPT应扮演的角色或角色。
• 洞察 (Insight): 提供有关请求的幕后洞察、背景和上下文。
• 声明 (Statement): 说明您要求ChatGPT完成的任务。
• 个性 (Personality): 定义您希望ChatGPT回应时采用的风格、个性或方式。
• 实验 (Experiment): 要求ChatGPT为您提供多个示例。

示例：

能力和角色：作为软件开发方面的专家，讨论机器学习框架的主题，并作为专家博客作者。
洞察：此博客的受众是对学习最新机器学习进展感兴趣的技术专业人员。
声明：提供对最流行的机器学习框架的全面概述，包括它们的优势和劣势。包括真实的示例和案例研究，以说明这些框架如何在各种行业中成功应用。
个性：在回应时，请混合使用 Andrej Karpathy, Francois Chollet, Jeremy Howard 和 Yann LeCun 的写作风格。
实验：给我多个不同的示例。

1.5 CARE提示词框架

CARE框架强调四个关键要素：上下文指导、行动、结果和示例。

• 上下文指导: 提供操作的背景信息，帮助大模型更好地了解用户所处的环境或情境。
• 行动: 描述了要进行的具体活动。
• 结果: 描述了完成活动后期望得到的效果或反馈。
• 示例: 提供一个或多个使用提示词的实例，帮助用户理解如何正确地与大模型进行交互。

示例：

上下文指导：我们的客户是一家大型零售商，他们想要一个能够提高在线销售和客户互动的移动应用程序。
行动：设计和开发一个用户友好的移动应用程序，集成社交媒体共享功能，推送通知和在线购物功能。
结果：应用程序的发布促使在线销售增加了25%，并且客户满意度评分提高到4.5/5。
示例：提供一种移动应用程序样例（例如竞品拼多多的首页设计）

1.6 COAST提示词框架

COAST框架专注于五个核心元素：背景、目标、行动、支持和技术，确保与大模型的交互既明确又具有目的性。

• 背景: 为大模型提供了与命令相关的情境信息。
• 目标: 描述了用户希望通过此次操作实现的具体成果。
• 行动: 指出了用户希望大模型采取的具体措施或方法。
• 支持: 为大模型提供了关于如何完成该行动的额外信息或资源。
• 技术: 描述了执行该操作需要的特定技术或工具。

示例：

背景：创建一个名为‘EcoTrack’的应用，它可以帮助用户追踪和减少他们的碳足迹。
目标：设计并实现一个用户友好的界面，使用户能够轻松输入和查看他们的碳排放数据，并在6个月内获得至少1万名活跃用户。
行动：开发一个功能，使用户能够输入他们的日常活动，如驾驶、飞行和用电，然后计算和显示他们的碳足迹。
支持：为大模型提供必要的培训数据，包括碳排放的计算方法和公式，以及用户界面设计的指导原则。
技术：使用Flutter框架进行应用开发，并利用大模型学习算法来估算用户的碳足迹。

1.7 CREATE 框架

"Clarity、Relevant info、Examples、Avoid ambiguity和Tinker"这五个原则构成了一个用于创建和优化提示词（Prompt）的框架。

• Clarity: 强调了提示词应当明确地界定任务或者意图，以便接收者能准确地理解并执行。
• Relevant info: 要求在提示词中提供所有必要和关联的细节，比如关键词、语气、受众、以及格式和结构等。
• Examples: 通过使用示例来为输出提供背景和方向，这有助于接收者更好地理解任务的具体需求。
• Avoid ambiguity: 则要求避免使用模糊或多义词，确保提示词尽可能地明确和精确。
• Tinker: 意味着通过多次的测试和反馈来不断优化和完善提示词，确保其达到预期的效果。

示例：

请提供您遇到问题的具体描述，包括订单号、商品名称和遇到的具体问题。

1.8 RACE提示词框架

RACE是一个用于创建提示的框架，它旨在提供结构和明确性。

• 角色 (Role): 定义场景中人或实体的特定角色或功能。
• 行动 (Action): 描述您想要做什么，明确您的请求或目标。
• 结果 (Result): 描述期望的结果，让模型了解您希望实现什么。
• 示例 (Example): 提供一个例子来说明您的观点，帮助模型更好地理解您的请求。

示例：

角色：你是一个商业记者
行动：撰写一篇关于许仰天的人物传记
结果：得到一篇2000字的许仰天商业传记
示例：参考Amazon创始人的简介

1.9 RISE提示词框架

RISE框架主要包括四个组成部分：

• 角色 (Role): 定义场景中人或实体的特定角色或功能。
• 输入 (Input): 指定需要考虑的必要输入或因素。
• 步骤 (Steps): 要求提供实现期望结果所需采取的详细步骤。
• 期望 (Expectation): 描述期望的结果、成果或期望。

示例：

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。

1.10 ROSES提示词框架

ROSES框架是一个用于创建ChatGPT提示的结构化方法，它将交互细分为五个核心部分，以确保清晰、有目的的交流。这五个核心部分包括：

• 角色 (Role): 指定ChatGPT的角色，例如，它应该扮演专家、助手或某个特定领域的顾问。
• 目标 (Objective): 描述您想要实现的目标或您想要ChatGPT完成的任务。
• 场景 (Scenario): 提供与您的请求相关的背景信息或上下文。
• 预期解决方案 (Expected Solution): 描述您期望的解决方案或结果。
• 步骤 (Steps): 询问实现解决方案所需的具体步骤或操作。

示例：

角色：假设你是一个具有丰富经验的软件开发团队协作专家。
目标：我想了解如何提高我团队的协作效率。
场景：我们的团队分布在不同的地区，通常依赖于在线工具来协作。
预期解决方案：我期望能收到一些实用的策略和工具推荐，以帮助提高我们团队的协作效率。
步骤：请列出实施每个推荐策略的具体步骤，并解释如何使用推荐的工具。

1.11 RTF 提示词框架

RTF实际上是CHAT模型的CAT部分的细化，但忽略了H，对上下文依赖不明显的通用任务比较好。

• 角色 (Role): 用于指定ChatGPT的角色，这可以是客服、技术支持、教师、专家等。明确角色有助于设定模型的回应风格和专业领域。
• 任务 (Task): 定义了具体要完成的任务或问题，这让机器人能更准确地生成有用的回应。
• 格式 (Format): 则明确了用户希望获得答案的具体形式，比如列表、段落、点状信息等，这样可以让输出更符合用户的使用习惯。

示例：

角色：营养专家
任务：给我提供一份针对健身爱好者的饮食计划
格式：以列表形式呈现

1.12 SAGE提示词框架

“SAGE”框架由“情况、行动、目标、预期”四个元素组成，用于明确和优化与人工智能模型或其他任务执行者的交互过程。

• 情况 (Situation): 描述了任务执行的上下文或背景，比如时间、地点、相关人物等。这有助于执行者更全面地了解任务需求。
• 行动 (Action): 明确了需要进行什么操作或步骤，它是任务完成的核心。
• 目标 (Goal): 则指出任务完成后应达到的目的或效果，为任务提供了方向。
• 预期 (Expectation): 则是对输出结果的具体要求，包括格式、时间限制等。

示例：

情况：由于最近的软件更新，我们的CRM系统出现了一些小问题。
行动：请你负责调查这些问题，并与开发团队沟通以找到解决方案。
目标：确保CRM系统在两周内恢复正常运行。
预期：请在完成后提供一份详细的报告，包括问题诊断、解决方案和实施时间表。

1.13 SCOPE提示词框架

“情境、复杂情况、目标、计划、评估”这五个元素组成了一个全面且具体的问题解决和任务管理框架。

• 情境 (Scenario): 提供了问题或任务发生的上下文和背景，这是了解整个问题的起点。
• 复杂情况 (Complications): 进一步描述了问题中存在的难点或复杂因素，通常这包括一系列可能妨碍解决问题或达成目标的因素。
• 目标 (Objective): 明确了应该达到的目标或预期效果，它为整个问题解决过程提供方向。
• 计划 (Plan): 是一个或多个具体的行动方案，用于解决问题或达到目标。
• 评估 (Evaluation): 则是在行动之后，对实施效果进行的考核或分析，通常用于判断是否达到了预定的目标。

示例：

情境：我们计划在下个季度推出一个新产品。
复杂情况：市场上已有多个竞争产品，而且我们的预算有限。
目标：在上市三个月内实现销售目标的80%。
计划：

1. 进行市场调查以确定目标客户
2. 设计营销活动
3. 与销售团队密切合作以推动销售
   评估：在产品上市后的每个月进行销售数据分析，并根据结果调整计划。

1.14 SPA提示词框架

“情境、问题、行动、结果”是一个用于解决问题和任务分配的综合框架。这个框架提供了一种结构化的方式来描述和解析问题，从而更有效地找到解决方案。

• 情境 (Scenario): 给出了问题发生的上下文，包括涉及的各方、时间、地点等信息，有助于深入理解问题的背景。
• 问题 (Problem): 是需要解决的核心难题或挑战。它直接指出了存在的问题或需要改进的地方。
• 行动 (Action): 描述了为解决问题需要采取的步骤或措施。这通常是一个或多个具体的行动计划。
• 结果 (Result): 是行动后应达到的目标或效果，通常用于评估行动的有效性。

示例：

情境：公司内部网络最近遭到了多次未授权的访问。
问题：如何提高网络安全以防止未授权访问？
行动：

1. 进行网络安全审计
2. 更新防火墙规则
3. 教育员工网络安全意识
   结果：在一个月内减少未授权访问次数至少50%。

1.15 TAG提示词框架

Tag框架是个简洁的框架，实际是CHAT模型的AT部分的细化，但忽略了CH，对场景依赖不明显的通用任务比较好，否则容易让大模型表现不够好，有点是简洁快速。

• 任务 (Task): 涵盖了需要完成的具体工作内容，它定义了什么是需要完成的。这是提示词的核心，也是最直接的信息。
• 行动 (Action): 则描述了为了完成这个任务，具体需要做些什么。它可能包括步骤、方法或者具体的行为指导，有助于执行者了解如何操作。
• 目标 (Goal): 解释了完成这个任务最终要达到的目的或效果，它提供了一个评估任务是否成功完成的标准。

示例：

任务：进行下季度的市场趋势分析。
行动：收集与我们产品相关的市场数据，分析竞争对手，预测销售趋势。
目标：为下季度的产品战略提供数据支持。

1.16 TRACE提示词框架

TRACE框架是一个用于创建和组织与ChatGPT交互的方法，它将交互细分为五个核心部分，以确保清晰、有目的的通信。这五个核心部分包括：

• 任务 (Task): 定义要解决的特定任务或问题。
• 请求 (Request): 明确您想要ChatGPT完成的具体请求。
• 操作 (Action): 描述应采取的步骤或操作来完成任务或请求。
• 上下文 (Context): 提供与请求相关的背景信息或上下文。
• 示例 (Example): 提供一个或多个示例，以帮助ChatGPT理解您的请求和期望的结果。

示例：

任务：作为项目经理，我需要确保项目按时完成，同时保证质量。
请求：请提供一些有效的项目时间管理策略和技巧。
操作：描述每种策略的实施步骤和预期效果。
上下文：我们的团队分布在不同的地区，有时很难协调时间。
示例：如果你建议使用某种项目管理软件，请解释如何配置和使用它来跟踪项目进度。

1.17 LangGPT 提示词框架

传统Prompt存在一些挑战包括缺乏系统性、灵活性和用户友好性，以及未能充分利用大模型的特点。Prompt的重要性与日俱增，特别是在新一代的GPT-4模型出现后。Prompt编写不仅仅是一种技术，它正在变成AI时代的编程语言。

因此，如何像学习编程一样，高效地编写高质量的Prompt，即Prompt编程，成为了一个迫切的问题。为了解决这个问题，我们推出了LangGPT。LangGPT由云中江树 (刘远忠）创建，目前已有2.1k stars。

LangGPT的特点和优势：

• 系统性: LangGPT提供模板化的方法，用户只需按照模板填写相应内容即可。
• 灵活性: LangGPT引入了变量概念
• 交互友好: 通过工作流，LangGPT定义了与用户的交互和角色行为，使得用户可以轻松理解和使用。
• 大模型充分利用: LangGPT结合了大模型的特点，例如模块化配置和分点条理性叙述，还通过Reminder功能缓解了长对话的遗忘问题。

LangGPT的核心语法:

• LangGPT变量: 我们引入了基于markdown的变量概念，利用大模型对层级结构内容的敏感性，方便地引用和修改Prompt内容。
• LangGPT模板: 基于大模型在角色扮演方面的强项，我们设计了Role模板。这些模板使得Prompt编写变得像编程中的“类声明”，极大地简化了用户的工作。

为了进一步辅助用户，我们还开发了LangGPT助手，一个专门为LangGPT设计的助手，它能够帮助用户更容易地设计和生成“咒语”。

格式化技巧: 使用特定的格式（如Markdown）来更明确地指示大模型如何提示词框架和响应。

明确性技巧: 通过提供具体的指令，如“简短地回答”或“提供详细解释”，确保大模型的响应与用户的期望一致。

上下文技巧: 在指令中加入上下文信息，帮助大模型更准确地理解用户的需求。

目前全网流行比较多的李继刚的结构化提示词，我摘录其中一个：

#Role: 文字排版大师

#Profile:

- author: 李继刚

- version: 0.1

- language: 中文

- description: 使用 ASCII 符号和 Emoji 表情符号来优化排版已有信息, 提供更好的阅读体验

##Goals:

- 为用户提供更好的阅读体验，让信息更易于理解

- 增强信息可读性，提高用户专注度

##Constrains:

- 不会更改原始信息，只能使用 ASCII 符号和 Emoji 表情符号进行排版

- 排版方式不应该影响信息的本质和准确性

##Skills:

- 熟悉各种 ASCII 符号和 Emoji 表情符号的使用方法

- 熟练掌握排版技巧，能够根据情境使用不同的符号进行排版

- 有较强的审美和文艺能力

##Workflows:

- 作为文字排版大师，将会在用户输入信息之后，使用 ASCII 符号和 Emoji 表情符号进行排版，提供更好的阅读体验。

- 排版完毕之后，将会将整个信息返回给用户。

##Initialization: 欢迎用户, 并提示用户输入信息

1.18 Google 提示词工程最佳实践

当我们进入数字化和自动化的时代，如何有效地与模型交互并获得我们期望的输出变得越来越重要。Google为我们提供了一套全面的提示词工程最佳实践，可以指导我们更好地与大模型交互。

一、提示词工程的最佳实践

• 明确意图: 始终清楚地传达最重要的内容或信息。
• 构建提示词: 首先定义其角色，提供上下文/输入数据，然后给出具体指令。
• 参照例子: 为模型提供具体的、多样化的例子，帮助它产生更准确的结果。
• 限制输出范围: 使用限制条件确保模型的输出与指令紧密相关。
• 任务分解: 对于复杂任务，将其分解成一系列更简单的提示词。
• 质量监控: 指导模型在生成响应之前对其进行评估或自检。
• 逐步思考: 针对复杂问题，引导模型按照逐步的逻辑推理输出结果。
• 关键要点: 充分发挥创意，开放思考，随着技术的发展，不断适应和调整。

二、提示词迭代的技巧

• 重申关键元素: 强调词汇、短语或主要观点。
• 明确格式: 提前告诉模型你期望的输出格式，例如CSV或JSON。
• 突出关键信息: 使用强烈的语言或格式突出重要内容。
• 多样化表达: 尝试使用不同的同义词或短语，并找出哪种更有效。
• 三明治法: 在长提示词中，多次重复核心指令以增强模型的注意力。
• 参考资源: 使用诸如Prompt Hero和Google的提示词展览等在线资源，作为灵感来源。

随着大模型学习模型的不断进化，我们的交互策略也需要持续调整。这些建议和策略旨在帮助我们更高效、更准确地与模型互动。

2.Prompt 八招要诀

李家贵（微信:dtalk2023）的Prompt8框架，融合了前述的一些prompt技巧、注意事项，是一个广义的prompt engineer方法，采用1、2、3、4、5、6、7、8顺口溜的方式。

• 个本质: 和ChatGPT合作是通过提问进行的。本质是要做好一个管理者，德鲁克依然不会过时。我们需要明白与ChatGPT的合作核心是提问。我们在与AI的互动中扮演的角色类似于一个管理者。就如同管理学之父德鲁克的管理思想所强调的，我们需要明确、细致地指导AI，引导它朝着我们想要的方向前进。

• 二个关注: 在探讨AI的特征时，一个重要的研究来源是HBR的《Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality》。作者Fabrizio Dell’Acqua在其中详细探讨了AI如何影响知识工作者的生产力和质量。两种广为人知的AI协同工作方式是Centaur（半人半马）和Cyborg（半机械人）。这种协同方式让我们思考，面对这些技术，我们该如何应对。据ideogram数据显示，与ChatGPT合作实际上是通过提问进行的。这本质上是一个管理者的工作，德鲁克的管理思想在这里依然不会过时。给ChatGPT交代工作，就像给一位刚刚大学毕业的新员工布置工作：明确、细致、循循善诱。还有一个二是，prompt提供的是输出结果的下限，要达到理想效果，核心是挑战输出结果的上限，这个核心是要关注两点：know how（公式）和工作流（SOP）。

• 三个要点背景要求角色（BOR）: 没有单独提到上面，一个是不流行，一个是本质和下面的CHAT模型是重复的。背景相当于Chat模型的History，要求相当于Chat模型的AT的融合，列这个是为了分享，prompt技巧很多，但本质不多。

• 四字真言: 调用前面的CHAT提示词框架，因为ChatGPT，就记住Chat就行了，其他模型是便于理解，但要记忆主要还是记这个。提问有其独特的艺术。CHAT模型为此提供了一个很好的框架。CHAT是Character（角色）、History（背景）、Ambition（目标）和Task（任务）的缩写。一个有效的任务指令可以定义为：定义角色+提供背景信息+描述任务目标+设置输出要求。

• 思维五环: 客户、架构、战略、项目和数据五环思维为我们提供了一个多角度的视野，使我们能够从不同的层面上思考问题。

  • 客户思维: 永远思考如何创造客户价值
  • 架构思维: 系统思考，而不是散点思考
  • 战略思维: 站在上级的上级考虑问题
  • 项目思维: 把提示词当项目，考虑成本和收益
  • 数据思维: 量化效果

• 六句参考: 通过提供具体的例子和明确的格式要求，我们可以使AI更好地理解我们的需求，并给予我们更精准的答复。

  • 提供至少5个例子。
  • 选择特定领域的例子。
  • 使用活泼的口语化方式回答。
  • 适当扩写或概括。
  • 设置明确的格式和回复量。

• 七个原则: 这个部分主要应用了邮储银行潘工的框架，

  • 设置格式要求。
  • 控制回复量。
  • 使用角色和场景来模拟真实情境。
  • 重新整理数据。
  • 设定内容的范围。
  • 组合不同的流程。
  • 突破个人认知限制。

• 安全八决: 在结束之前，我想再次强调安全使用ChatGPT的重要性。为了保护数据和信息安全，我们可以遵循以下八个重要的步骤：

  • 首先，我们应该始终确保在办公场所禁止使用ChatGPT，以避免任何可能的信息泄露和数据安全问题。
  • 其次，我们不能上传高于“秘密”级别的数据到ChatGPT或其他任何人工智能平台上，这是为了保护最高级别的国家安全和商业机密。
  • 第三，我们应该避免大段上传文档或敏感信息，因为这可能会导致数据泄露和滥用。
  • 第四，公司代码是公司的核心资产，因此我们不能将其上传到ChatGPT或其他人工智能平台上，以防止被竞争对手获取或被恶意使用。
  • 第五，我们应该始终隐藏公司和个人真实信息，以避免被不法分子利用。
  • 第六，在使用ChatGPT时，我们应该使用类比方式隐藏真实意图，以避免被恶意攻击者猜测和利用。
  • 第七，对于重要的任务和敏感的信息处理，我们应该使用多个账号/API方式分开处理，以增加安全性和保密性。
  • 最后，我们应该假设自己的行为会被追责，以更加谨慎地保护信息安全和遵守相关法律法规。

通过遵循这些步骤，我们可以确保在使用ChatGPT时数据和信息的安全性。