深入浅出：一文读懂国内外主流AI提示词（Prompt）框架
从撰写专业的文章报告，到创造惊艳的艺术图像，人工智能（AI）的生成能力正在深刻地改变我们的工作与生活。无论是与文心一言、GPT 这类大型语言模型（LLM）沟通，还是向Midjourney、Stable Diffusion等图像生成模型下达指令，高质量的输出都离不开一门核心技能------提示词工程（Prompt Engineering）。它是一门设计和构建精确指令，以引导AI产出期望结果的艺术和科学。
为了让这个过程更有条理、更可复现，无论是在文本理解还是图像生成领域，社区和行业专家们都总结出了许多"提示词框架"。本文将带您深入了解这些主流框架，并展示如何将它们分别应用于文本生成 和图像创作两大场景，帮助您在实践中全面提升与AI协作的效率和质量。
什么是提示词框架？
提示词框架（Prompt Framework） 是一种结构化的方法论或模板，旨在帮助用户系统地构建清晰、全面且高效的提示词。它将一个复杂的任务拆解成几个核心要素，并按照一定的逻辑顺序组织起来。
使用框架的好处：
- 提高准确性： 确保AI充分理解任务的背景、目标和所有约束条件。
- 增强稳定性： 使AI的输出更加一致和可预测。
- 提升效率： 提供可复用的模板，节省了每次从零开始构思提示词的时间。
- 激发思考： 引导用户从多个维度思考问题，挖掘更深层次的需求。
主流提示词框架概览
为了系统化地构建提示词，社区总结了多种框架。它们从简单到复杂，各有侧重。我们可以将它们归纳为以下四大类别：
| 框架类别 | 核心特点 | 适用场景 |
|---|---|---|
| 基础入门框架 | 结构简单，元素少，易于上手。 | 日常快速提问、简单任务执行、新手入门。 |
| 结构化情景框架 | 提供详尽的背景、目标和约束，逻辑性强。 | 撰写专业报告、商业分析、营销策划等复杂任务。 |
| 图像生成专用框架 | 围绕视觉元素（主体、风格、相机等）构建。 | 精准控制AI绘画的画面内容、风格和构图。 |
| 高级思维与技巧框架 | 侧重于引导AI的推理过程或模仿特定格式。 | 解决复杂逻辑问题、进行数学推理、需要特定输出格式的任务。 |
一、 基础入门框架
这类框架结构简单，易于记忆，适合日常快速任务。
| 框架名称 | 要素组成 | 要素说明 | 应用示例 |
|---|---|---|---|
| 角色-指令 | 角色（Role） 指令（Instruction） | 定义 AI 身份 说明要做什么 | "你是一位翻译家，请把 'Hello, world' 翻译成中文。" |
| TAG | 任务（Task） 行动（Action） 目标（Goal） | 核心任务 具体动作 期望效果 | "任务：写一封邮件。 行动：通知团队会议改期。 目标：确保所有人都收到并确认新时间。" |
| RTF | 角色（Role） 任务（Task） 格式（Format） | AI 身份 工作内容 输出形式 | "角色：Python 程序员。 任务：写一个函数计算斐波那契数列。 格式：以代码块形式提供，并附上注释。" |
二、 结构化情景框架
这类框架通过提供更丰富的背景和约束，帮助AI更深入地理解复杂需求。
| 框架名称 | 要素组成 | 要素说明 | 应用示例 |
|---|---|---|---|
| RACE | 角色（Role） 行动（Action） 情景（Context） 期望（Expectation） | AI 身份 需要执行的动作 任务背景信息 期望结果与标准 | 角色：市场分析师。 行动：分析附件中的销售数据。 情景：这是公司第三季度的销售报告。 期望：找出售额最高的三个产品，并以列表形式展示。 |
| BROKE | 背景（Background） 角色（Role） 目标（Objective） 关键信息（Key Information） 评估（Evaluation） | 宏观背景 AI 身份 核心目标 完成任务所需核心信息 衡量产出好坏的标准 | 背景：为公司官网'关于我们'页面写文案。 角色：品牌故事专家。 目标：传达公司的使命和价值观。 关键信息：公司成立于 2010 年，专注于环保材料。 评估：文案应亲切、真诚，不超过 300 字。 |
| CRISPE | 能力与背景（Capacity & Context） 角色（Role） 洞察（Insight） 风格（Style） 人设（Persona） 实验（Experiment） | AI 能力及任务背景 具体角色 关键见解 输出风格或语气 角色性格 鼓励提供多种方案 | 背景：为一款新咖啡品牌写广告语。 角色：金牌广告文案。 洞察：目标用户是追求生活品质的年轻白领。 风格：文艺、小资。 人设：你是一个懂咖啡、懂生活的朋友。 实验：请提供三个不同方向的广告语。 |
三、 图像生成专用框架
这类框架的元素主要围绕视觉构成，帮助用户精确描述画面。
| 框架名称 | 要素组成 | 要素说明 | 应用示例 |
|---|---|---|---|
| SBSC | 主体（Subject） 背景（Background） 风格（Style） 相机/修饰（Camera/Modifiers） | 画面核心内容 主体所处环境 艺术风格（写实/动漫/水墨等） 视角、光照、画质等技术描述 | 主体：一只戴着眼镜的狐狸在看书。 背景：在一个舒适的图书馆里。 风格：吉卜力动画风格。 修饰词：柔和的光线，细节丰富，4K。 |
| 主题-细节-渲染-介质 | 主题（Theme） 细节（Details） 渲染（Render） 介质（Medium） | 画面核心思想 具体元素与描述 画面质感（电影感/3D/照片级真实感等） 创作媒介（油画/水彩/数码绘画等） | 主题：未来城市的黄昏。 细节：飞行汽车穿梭于摩天大楼之间，霓虹灯闪烁。 渲染：辛烷值渲染，光线追踪。 介质：数码绘画。 |
四、 高级思维与技巧框架
这类框架更侧重于引导AI的思考过程，以解决复杂问题或实现特定输出格式。
-
CoT 框架 (Chain-of-Thought) / 逐步思考
- 这不是一个结构框架，而是一种引导方法。通过加入"让我们一步一步地思考"或类似指令，引导模型展示其推理过程，从而提高复杂逻辑问题的准确性。
- 示例: "问题：一个班有25个学生，老师买了60个苹果，想分给每个学生2个，苹果够吗？请逐步思考并回答。"
-
模仿-描述 框架 (Few-shot Prompting)
- 通过提供一或多个"输入-输出"的范例，让AI学习并模仿你想要的格式或逻辑。这在国内外实践中都被证明极为有效。
- 示例: "将句子中的形容词提取出来。示例1：'天气真好' -> '好'。示例2：'这是一朵美丽的花' -> '美丽'。现在请处理：'他是一个勇敢的人' -> ?"
国内实践与框架融合
在国内的AI应用实践中，用户不一定严格遵循某个命名框架，而是更倾向于将上述框架的有效元素进行融合，形成了一套灵活且实用的方法论，可以概括为 "角色-任务-要求-示例" 的经典模式。
- 角色 (Role): 融合了所有框架中关于"角色"的定义。
- 任务 (Task/Instruction/Action): 对应了基础框架中的核心指令。
- 要求 (Requirement): 这是融合度最高的部分，它包含了对格式(Format) 、风格(Style) 、评估标准(Evaluation) 、背景(Context) 等细节的综合约束。
- 示例 (Example): 直接应用了"模仿-描述"(Few-shot)的核心思想，对于语境复杂的中文环境尤其重要。
此外， "知识注入" （在提示词中提供大量背景材料）和**"口语化、场景化"**的多轮对话，也是国内用户在实践中常用的高效策略。
如何选择和应用提示词框架？
-
从简到繁： 如果你是新手，可以从"角色-指令"或RTF框架开始，并在实践中逐步加入"要求"和"示例"，向国内的经典模式靠拢。
-
按需选择：
| 应用场景 | 推荐框架 | 理由 |
|---|---|---|
| 日常办公、快速问答 | 基础入门框架（RTF / TAG） | 结构简单，即写即用，节省构思时间。 |
| 专业报告、营销策划、复杂分析 | 结构化情景框架（CRISPE / BROKE / RACE） | 背景-目标-评估等要素齐全，利于理清需求、获得高质量、可复用的长文本输出。 |
| 图像创作 | 图像生成专用框架（SBSC 等） | 围绕主体、风格、相机修饰等视觉要素设计，可对画面内容与质感实现精准控制。 |
| 复杂推理、数学问题 | CoT（Chain-of-Thought） | 通过"逐步思考"显式引导模型展开推理链，显著提升逻辑与计算正确率。 |
| 特定格式输出、风格模仿 | 模仿-描述（Few-shot） | 给 1 组或多组输入-输出示例即可让模型快速克隆目标格式或风格，无需冗长说明。 |
- 融合与迭代： 不要拘泥于某个特定框架。最好的方法是理解每个框架核心要素的意义，然后根据自己的需求，将它们灵活地组合在一起。写好提示词后，要不断测试和迭代优化，直到获得满意的结果。
结语
提示词框架不是万能的魔法，但它是一张非常有用的地图，能引导我们更顺畅地抵达目的地。掌握这些框架，意味着你拥有了更专业、更高效地驾驭AI的能力。随着技术的发展，未来的人机交互会变得更加智能和自然，但结构化思考和清晰表达的核心能力，将永远是我们在AI时代最重要的资产之一。