大模型提示工程之Prompt框架和示例

今天和大家分享一下:大模型提示工程之Prompt框架和示例:

TAG框架

  • 任务(Task): 开发一个新的手机应用,旨在帮助用户更好地管理他们的日常健康。

  • 行动(Action): 进行市场调研,设计用户友好的界面,开发核心健康跟踪功能,测试应用并收集用户反馈。

  • 目标(Goal): 在六个月内发布应用,并在发布后的第一个月内达到10万次下载。

SPAR框架

  • 情境(Scenario): 用户对现有的健康管理应用感到不满,因为它们通常操作复杂,功能繁多而不实用。

  • 问题(Problem): 用户需要一个简单直观的应用来跟踪日常健康数据,如饮食、运动和睡眠。

  • 行动(Action): 设计并开发一个以用户体验为中心,功能集中于核心健康管理的应用。

  • 结果(Result): 用户能够轻松管理自己的健康,应用的用户满意度和市场占有率提高。

TRACE框架

  • 任务(Task): 提升应用的用户参与度和日活跃用户数(DAU)。

  • 请求(Request): 需要一个功能,能让用户定制个性化的健康计划。

  • 行动(Action): 开发一个算法,根据用户的行为和偏好提供定制化健康建议。

  • 背景(Context): 用户参与度低,因为缺乏个性化和互动性。

  • 示例(Example): 竞争对手的应用通过引入个性化健康计划,使其DAU增加了25%。

SCOPE框架

  • 情境(Scenario): 应用市场上健康管理类应用众多,但用户粘性不高。

  • 复杂情况(Complications): 用户往往下载后短期内使用,但很快就弃用。

  • 目标(Objective): 创建一个具有高用户粘性的健康管理应用。

  • 计划(Plan): 引入社交功能,让用户能够分享进度,并与朋友一起参与健康挑战。

  • 评估(Evaluation): 通过跟踪用户的留存率和社交互动数据来评估应用的粘性。

APE框架

  • 行动(Action): 在应用内引入基于位置的健康食品推荐功能。

  • 目的(Purpose): 使用户能够根据自己的位置找到健康的饮食选项,从而促进健康饮食习惯。

  • 期望(Expectation): 用户能够频繁使用此功能,提升整体应用的使用频率和用户满意度。

SAGE框架

  • 情况(Situation): 用户反映应用中缺乏互动和个性化体验。

  • 行动(Action): 添加一个AI健康助手,为用户提供个性化建议和互动体验。

  • 目标(Goal): 增强用户体验,提高用户的日常活跃度。

  • 预期(Expectation): 通过用户反馈和活跃度数据,期望AI健康助手能提升用户满意度至少20%。

RTF框架

  • 角色(Role): 作为用户的健康管理顾问。

  • 任务(Task): 提供根据用户生活习惯定制的健康建议。

  • 格式(Format): 以每日提醒和周报的形式提供健康建议。

ROSES模型

  • 角色(Role): 作为健康管理应用的开发者。

  • 目标(Objective): 提供一款能够帮助用户实现健康目标的应用。

  • 情境(Scenario): 用户希望通过应用来跟踪和改善他们的日常健康习惯。

  • 解决方案(Solution): 开发包含饮食、运动和睡眠跟踪的综合性健康应用。

  • 步骤(Steps): 进行市场调研,设计UI/UX,开发应用功能,进行测试,收集反馈,发布应用。

CARE框架

  • 背景(Context): 健康管理应用市场竞争激烈,用户对新应用的期望日益增高。

  • 行动(Action): 开发一个集成了最新技术(如AI和AR)的创新健康管理应用。

  • 结果(Result): 应用因其创新特性和卓越的用户体验而脱颖而出,获得高用户评价。

  • 示例(Example): 一款采用AI个性化推荐系统的健康应用在三个月内下载量翻倍。

文章转载自: Eric zhou

原文链接: https://www.cnblogs.com/tianqing/p/18103001

体验地址: 引迈 - JNPF快速开发平台_低代码开发平台_零代码开发平台_流程设计器_表单引擎_工作流引擎_软件架构

相关推荐
deepdata_cn2 小时前
提示工程(Prompt Engineering)
人工智能·prompt
njsgcs2 小时前
固定几轮调用工具后,让ai根据执行内容自己改进prompt实现进化
人工智能·prompt
MRDONG13 小时前
从 Prompt 到智能体系统:Function Calling、Memory 与 Synthetic RAG 的全栈解析
人工智能·深度学习·神经网络·语言模型·自然语言处理·prompt
Flying pigs~~4 小时前
企业级模块化RAG项目(mysql➕redis➕milvus➕模型微调➕bm25➕fastapi➕ollama➕Prompt➕多策略选择)
人工智能·redis·mysql·docker·prompt·milvus·rag
颯沓如流星4 小时前
从Prompt Engineering到Harness Engineering:游戏服务器开发的AI工程范式
人工智能·游戏·prompt
华农DrLai4 小时前
什么是推荐系统中的负反馈?用户的“踩“和“不感兴趣“怎么用?
人工智能·算法·llm·prompt·知识图谱
冲上云霄的Jayden19 小时前
LangGraph4j+LangChain4J 实验智能客服系统增加基于LLM 解决Prompt注入问题
prompt·agent·智能客服·langchain4j·agent安全·langgraph4j·prompt注入
Raink老师1 天前
【AI面试临阵磨枪】详细解释 LLM、Token、Context、Prompt、Tool、MCP、Agent、Agent Skill 这些名词
人工智能·prompt·ai 面试
donglianyou1 天前
大模型提示词工程Prompt
人工智能·prompt·ai编程·大模型应用开发
茫忙然1 天前
[特殊字符]️ CTF AI大模型提示词注入 (Prompt Injection) 核心攻防方法总结大全
人工智能·prompt