【AI】CRISP 提示词框架

CRISP 提示词框架 在 2026 年存在两种主流定义 ,分别适用于AI 编程助手通用大模型交互场景。详细解析:


一、AI 编程助手专用版(2026 年主流)

这是目前最广泛使用的定义,专为与 AI 编码助手(如 GitHub Copilot、Cursor、Claude Code)交互设计:

字母 全称 核心作用 编程场景示例
C Context 共享相关文件、错误日志、约束条件 "当前使用 React 19 + TypeScript,错误信息:Type 'string' is not assignable to type 'number'"
R Role 指定 AI 的专业视角 "扮演资深 React 性能优化工程师"
I Intent 明确要达成的目标 "将用户列表渲染时间从 3 秒优化到 <1 秒"
S Specifics 技术栈、设计模式、命名规范 "使用 TanStack Table v9、react-window 虚拟化、设计令牌来自 @tokens.css"
P Preferences 风格偏好、错误处理、边界情况 "要求键盘导航、ARIA 标签、支持 1000+ 行数据"

实战对比示例

❌ 模糊提示(低效)

复制代码
Create a table component

✅ CRISP 提示(高效)

复制代码
Context: React 19 app using @components/ui/Button.tsx patterns
Role: Senior React developer valuing accessibility and performance
Intent: Create a sortable data table for user records with pagination
Specifics: TypeScript generics, TanStack Table v9, design tokens from @tokens.css
Preferences: Keyboard navigation, ARIA labels, virtualization for 1000+ rows

二、通用大模型交互版(早期定义)

源自 GPT-3 时代的通用提示工程方法论,适用于内容创作、分析等场景:

字母 全称 核心作用
C Clarity 提示是否清晰无歧义
R Relevance 提示是否与任务直接相关
I Intent 目的是否明确传达
S Specificity 细节是否足够具体
P Precision 是否有精确的约束条件(字数、格式等)

与编程版的区别

  • 编程版 强调结构化信息输入(文件路径、技术栈)
  • 通用版 强调提示质量评估(清晰度、相关性)

三、中文社区变体版(C-R-I-S-P 五段式)

国内教程中常见的另一种解释,更接近通用任务委托框架:

字母 全称 功能定位
C C apability & Role 能力与角色(激活专业领域知识)
R R eference & Context 参考与上下文(提供事实锚点)
I Instruction 指令(明确任务目标)
S Style 风格(语言调性、格式规范)
P Possibilities 可能性(生成多个备选方案)

核心洞见

"90% 的提示词失效源于上下文缺失。模型无法自行补全业务逻辑,必须由人显式注入(R 要素)。"


四、2026 年选型建议

使用场景 推荐版本 关键差异
AI 辅助编程(Cursor/Copilot/Claude Code) 编程专用版 必须包含文件路径、技术栈、错误日志
内容创作/营销文案 通用版CO-STAR 框架 更关注风格、受众、情绪反应
复杂分析/研究报告 Crisp 深度版 强制多步推理,先上下文后步骤
快速日常任务 RTF 框架(Role-Task-Format) 三要素极简,适合自动化流水线

五、与其他框架的对比

框架 要素数 适用场景 学习曲线
CRISP(编程) 5 代码生成、重构、Debug 中等
RTF 3 日常快速任务
CO-STAR 6 营销内容、创意写作 中等
RISEN 5 技术流程、约束明确 中高
CREATE 6 创意写作、多轮迭代

六、关键提醒

⚠️ 注意区分同名技术

  • CRISP-SAM2:医学图像分割模型(与提示词无关)
  • CRISP(CVIS):视频实例分割的对比残差注入方法(计算机视觉领域)

在提示工程语境下,CRISP 专指上述结构化提示框架 ,2026 年编程助手场景下以 Context-Role-Intent-Specifics-Preferences 定义为行业标准。

相关推荐
Promise微笑12 小时前
红外分辨率 160×120、320×240、384×288 与 640×480实战选型指南
大数据·运维·人工智能·物联网
米小虾12 小时前
GPT-5.6一小时破解50年数学猜想!OpenAI公开700词Agent编排密文
人工智能·chatgpt
QN1幻化引擎12 小时前
给 AI 做一次「意识体检」——基于 QN1 幻化引擎的灵鉴意识识别框架与 DalinX V5 实测
大数据·数据结构·人工智能·算法·架构
米小虾12 小时前
中国首个十万卡集群落成!国产算力如何撑起"十万卡时代"
人工智能
长风23013 小时前
Day14: 极限异常演练 —— 验证系统韧性与错误告警生成
人工智能·安全
吃糖的小孩13 小时前
当 AI Agent 把运行故障问成了文档分析:我如何重做 MainAgent 的分区诊断
人工智能
Lynote AI13 小时前
有什么好用的ai工具推荐?
人工智能
Token炼金师13 小时前
引擎四强:vLLM、SGLang、TensorRT-LLM 与 llama.cpp —— 推理引擎选型对决
人工智能·llm·llama·vllm·tensorrt-llm·sglang
日光明媚13 小时前
LongLive-英伟达-数字人实时生成
人工智能·计算机视觉·aigc·音视频
AI服务老曹13 小时前
GB28181接入AI视频分析常见问题与排查清单:从国标平台注册、通道同步到心跳断线的工程实践
人工智能·音视频