【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
艾莉丝努力练剑16 小时前
【AI接入大模型SDK】ChatSDK示例验证
人工智能·学习·面试·大模型·sdk
wulitoud16 小时前
把 Claude、Codex、Gemini 的引擎换成本地模型:免费、离线、数据不出本机
人工智能·llama·claude·本地模型
火山引擎开发者社区19 小时前
TLS for DeepSeek Harness 可观测实践:从系统总览到会话复盘
人工智能
数字融合21 小时前
透明化地铁线视频孪生综合监控项目技术
大数据·人工智能·virtualenv
鼎艺创新科技21 小时前
不依赖 UE/Unity:我们如何从零搭建一套国产三维 GIS 渲染引擎
人工智能·算法·unity·游戏引擎·三维电子沙盘
十三画者1 天前
【文献分享】ConfRetro:融合3D构象信息的逆合成预测Transformer框架
人工智能·深度学习·数据挖掘·数据分析·transformer·数据可视化
前沿在线1 天前
百度文心助手推出任务引擎 2.0,日活用户同比增长 83%,日均对话轮次增长超 2 倍
人工智能·ai·大模型
zandy10111 天前
AI办公工具选哪个?千问办公、百度搭子、WorkBuddy三款高阶智能体深度拆解
人工智能·ai办公工具
mengpp_1234561 天前
AIoT平台 vs 普通IoT平台 核心区别
人工智能
canonical_entropy1 天前
可逆不是逆向运行:DeepSeek Harness 架构的数学本质
人工智能·架构·agent