常用提示词（Prompt）框架总结

常用提示词（Prompt）框架手册

一份可以随时翻查的提示词框架速查手册。覆盖 13 个主流框架 + 4 类推理技术 + 5 类内容构建技巧，每个框架都给出含义表 → 模板 → 实例 → 适用场景。

适用模型：GPT-4/5、Claude、Gemini、Qwen、DeepSeek、GLM 等主流大模型。

所有模板统一采用 # Role: 结构化标题写法 （见前置：写法约定）。

30 秒速览（赶时间只看这里）

如果不想读完整篇，记住这"四板斧"就能覆盖绝大多数场景：

场景	用什么	骨架
日常简单任务	RTF	`# Role:` → `# Task:` → `# Format:`
正式内容创作	CO-STAR	`# Context:` `# Objective:` `# Style:` `# Tone:` `# Audience:` `# Response:`
需要推理分析	+ CoT	末尾加 `# Output Rules:` 要求分步推理
需要模仿风格	+ Few-shot	在 `# Examples:` 下给 2-3 个满意样例

再加一条保命字段：

text 复制代码

# Output Rules:
1. 信息不足时先向我提问，不要猜测。
2. 使用简体中文回答。

前置：写法约定

本手册所有模板都用 # Role: 这种结构化标题，而不是"你是 $角色$ 。请帮我 $任务$ 。"这种自然语言行文。原因如下。

两种写法对比

❌ 自然语言行文

text 复制代码

你是资深新媒体编辑。请帮我一篇关于早睡早起的健康科普文章写 5 个
吸引人的标题，以编号列表输出，每个不超过 20 字。

✅ 结构化标题

text 复制代码

# Role: 资深新媒体编辑
# Task: 为一篇关于「早睡早起」的健康科普文章写 5 个吸引人的标题
# Format: 编号列表；每个标题不超过 20 字；不要用震惊体

为什么结构化标题更靠谱

原因	说明
结构边界明确	Markdown 标题是显式的分块标记，模型会把 `# Task:` 后面整段识别为"任务字段"，而不是继续当成叙述往下读。自然语言里，槽位靠标点切分，模型需要猜
槽位不易串味	行文写法中"背景"和"要求"混在同一段，AI 常把约束当背景忽略掉。标题写法天然隔离
便于逐项修改	想改格式，只改 `# Format:` 那一段；想删受众，删一行即可。不用重写整句
可协作、可 diff	团队维护提示词时，Git 能精确显示改了哪个字段
可程序拼装	模板引擎按 `# {字段名}:` 替换变量，比正则匹配自然语言可靠得多
支持层级	`#` 主字段、`##` 子块，能表达"这个约束属于那个目标"的关系

三条使用规范

markdown 复制代码

① 标签用英文，内容用中文（英文标签的模式在训练数据里密度最高）
   ✅  # Role: 资深文案编辑

② 结构位一律半角冒号、半角括号
   ✅  # Role: 资深文案编辑
   ❌  # 角色：资深文案编辑        （全角冒号，模板引擎常出错）

③ 层级统一，不要在同一层混用中英
   ✅  # Role: / # Task: / # Format:
   ❌  # Role: / # 任务: / # 输出格式:

💡 一句话 ：# Role: 相当于给提示词加了"字段名"。字段名越清晰，AI 填错格子的概率越低。

前置：写法约定
一、框架的本质：四个必答问题
[二、入门级框架（3 要素）](#二、入门级框架（3 要素） "#%E4%BA%8C%E5%85%A5%E9%97%A8%E7%BA%A7%E6%A1%86%E6%9E%B63-%E8%A6%81%E7%B4%A0")
- RTF · TAG · APE · PAR
[三、进阶级框架（4-6 要素）](#三、进阶级框架（4-6 要素） "#%E4%B8%89%E8%BF%9B%E9%98%B6%E7%BA%A7%E6%A1%86%E6%9E%B64-6-%E8%A6%81%E7%B4%A0")
- ICIO · RACE · CARE · CO-STAR · CRISPE · RISEN · BROKE · CLEAR · CREATE
四、推理增强技术
五、内容构建技术
六、框架与技术的组合用法
七、全部框架对比表
八、选型决策树
九、语言与格式规范
十、通用写作原则
十一、常见误区
[附录 A：一页速查卡](#附录 A：一页速查卡 "#%E9%99%84%E5%BD%95-a%E4%B8%80%E9%A1%B5%E9%80%9F%E6%9F%A5%E5%8D%A1")
[附录 B：可直接套用的模板库](#附录 B：可直接套用的模板库 "#%E9%99%84%E5%BD%95-b%E5%8F%AF%E7%9B%B4%E6%8E%A5%E5%A5%97%E7%94%A8%E7%9A%84%E6%A8%A1%E6%9D%BF%E5%BA%93")

一、框架的本质：四个必答问题

提示词框架是把一句话需求拆成若干固定"槽位"的结构化模板。看似五花八门，本质上都在回答四个问题：

bash 复制代码

┌──────────────────────────────────────────────┐
│  ① 谁在说？      → # Role    角色 / 专业视角   │
│  ② 说什么？      → # Task    任务 / 目标 / 材料 │
│  ③ 有什么限制？  → # Constraints 受众/禁忌/边界 │
│  ④ 怎么交付？    → # Format  格式/字数/结构/示例│
└──────────────────────────────────────────────┘

框架之间的差别，只是从这四层里挑几层、按什么顺序排。理解这一点，你就不用背框架了------忘了名字也能自己拼一个。

为什么值得用框架？

收益	说明
不遗漏	角色、受众、格式、约束一次写全，AI 不用猜
降门槛	照模板填空，不需要"会写提示词"
可复现	换人按同一模板写，结果质量接近
易迭代	效果不好时，能定位到具体哪个槽位没写好

💡 一句话理解：框架 = 提示词的"格式合同"，明确要什么、怎么给、不要什么。

二、入门级框架（3 要素）

三要素框架的共同特点：30 秒能写完，覆盖 80% 日常需求。

1. RTF 框架 · 最简可用

Role -- Task -- Format　|　来源：社区通用，OpenAI 课程推广

字母	含义	说明
R	Role 角色	让 AI 扮演什么身份
T	Task 任务	具体做什么
F	Format 格式	输出以什么形式呈现

模板

text 复制代码

# Role: [AI 的身份，越具体越好]
# Task: [要完成的具体任务]
# Format: [输出形式 + 硬性限制]

实例

text 复制代码

# Role: 资深新媒体编辑，擅长写健康科普类标题，反感标题党
# Task: 为一篇关于「早睡早起」的健康科普文章写 5 个标题
# Format:
- 编号列表，一行一个
- 每个标题不超过 20 字
- 不用"震惊""必看""医生都惊了"这类词

适用：日常问答、写文案、写邮件、翻译润色。不适：需要精细风格控制的正式内容。

2. TAG 框架 · 执行导向

Task -- Action -- Goal　|　来源：任务管理视角

字母	含义	说明
T	Task 任务	要完成什么事
A	Action 行动	通过什么步骤/方法完成
G	Goal 目标	最终想达成什么结果

模板

text 复制代码

# Task: [要做什么]
# Action: [分几步做，每步做什么]
# Goal: [验收标准，越可量化越好]

实例

text 复制代码

# Task: 分析这份季度销售数据
# Action:
1. 先看整体趋势（同比、环比）
2. 再按产品线拆解，找出增长和下滑的具体贡献项
3. 最后归因：是价格、渠道还是产品本身的问题
# Goal: 一页报告，明确指出下季度应该重点投入的 2 个方向

适用：数据分析、项目规划、给 AI 布置多步骤工作。特点：天然带"验收标准"，适合交给别人复用。

3. APE 框架 · 目的驱动

Action -- Purpose -- Expectation　|　来源：社区通用

字母	含义	说明
A	Action 行动	要 AI 做什么
P	Purpose 目的	做这件事的动机/用途
E	Expectation 期望	期望的输出样式或标准

模板

text 复制代码

# Action: [做什么]
# Purpose: [为什么做、用在哪、给谁用]
# Expectation: [输出样式、长度、质量要求]

实例

text 复制代码

# Action: 把这段产品介绍翻译成英文
# Purpose: 投放到海外社交媒体，面向 18-28 岁年轻用户
# Expectation:
- 口语化、有感染力
- 不超过 100 词
- 可直接发布，不需要我二次润色

适用：翻译、改写、摘要------只要 AI 知道"拿去干什么"，它就能自动匹配语气和用词。

4. PAR 框架 · 叙事结构

Problem -- Action -- Result　|　来源：咨询行业通用叙事结构

字母	含义	说明
P	Problem 问题	面临什么问题/现状
A	Action 行动	采取什么行动
R	Result 结果	得到什么（可量化的）结果

模板

text 复制代码

# Problem: [现状与痛点]
# Action: [我做/要做什么]
# Result: [希望呈现成什么样]

实例

text 复制代码

# Problem: 我的简历项目描述太流水账，投了 30 份没有面试机会
# Action: 用"动词开头 + 量化结果"的原则重写下面 3 条经历
# Result:
- 每条不超过 2 行
- 突出业务影响（省了多少成本 / 提了多少效率），不写日常职责
- 保留原有事实，不要编造数据

# Input:
"""
（粘贴简历项目部分）
"""

适用：简历润色、案例包装、项目复盘、述职汇报。

三、进阶级框架（4-6 要素）

要素越多，控制力越强，但写起来越累。按需取用，不要为了完整而完整。

1. ICIO 框架 · 材料处理

Instruction -- Context -- Input -- Output

字母	含义	说明
I	Instruction 指令	让 AI 做什么
C	Context 背景	补充背景信息
I	Input Data 输入数据	提供给 AI 处理的原始材料
O	Output 输出	期望的输出格式

模板

text 复制代码

# Instruction: [要 AI 做什么]
# Context: [材料来源、用途]
# Input:
"""
[原始材料]
"""
# Output: [输出结构]

实例

text 复制代码

# Instruction: 提取以下会议记录中的待办事项
# Context: 这是一次产品周会记录，参会者有开发、设计、运营三方
# Input:
"""
（粘贴会议记录全文）
"""
# Output: Markdown 表格，列名为「事项 / 负责人 / 截止时间 / 优先级」
# Output Rules: 找不到负责人的事项标"待认领"，不要自行补全

适用：信息提取、内容整理、翻译、任何"有原始材料要处理"的任务。 ⚠️ 关键：# Input: 下的材料必须用分隔符（""" 或 XML 标签）包起来，否则 AI 可能把材料里的句子当成指令执行。

2. RACE 框架 · 快速结构化

Role -- Action -- Context -- Expectation

字母	含义	说明
R	Role 角色	AI 的身份
A	Action 行动	要做的事
C	Context 背景	情境信息
E	Expectation 期望	输出要求

模板

text 复制代码

# Role: [身份]
# Action: [任务]
# Context: [背景]
# Expectation: [输出要求]

实例

text 复制代码

# Role: 半导体行业分析师
# Action: 对比中芯国际与台积电在先进制程上的差距
# Context: 写给公司内部技术战略会参考，读者有基本行业认知
# Expectation:
- 不超过 800 字
- 结论先行，先给判断再给依据
- 附 3 条关键数据的来源方向（我要自己核一遍）

适用：行业分析、专业问答------比 RTF 多一层背景，比 CO-STAR 少一层啰嗦，是专业问答的性价比之选。

3. CARE 框架 · 示例驱动

Context -- Action -- Result -- Example

字母	含义	说明
C	Context 背景	上下文情况
A	Action 行动	要做的事
R	Result 结果	期望产出
E	Example 示例	给一个参考样例

模板

text 复制代码

# Context: [背景]
# Action: [任务]
# Result: [期望产出]
# Example: [一段样例文本]

实例

text 复制代码

# Context: 我在准备硕士复试的英文自我介绍，目标是计算机方向
# Action: 帮我写一份自我介绍初稿
# Result:
- 口语化，不要书面语
- 1 分钟左右（约 150 词）
- 突出项目经历，弱化课程成绩
# Example:
"""
Good morning, professors. My name is ___, and my passion for
machine learning began when I first built a recommendation
system for my dorm's book-sharing shelf...
"""

适用：写初稿、模仿文风。# Example: 是它全部价值所在------给样例永远比给形容词有效。

4. CO-STAR 框架 ⭐ 结构最完整

Context -- Objective -- Style -- Tone -- Audience -- Response 来源：新加坡 GovTech 的 Sheila Teo，2023 年 GPT-4 提示工程大赛冠军方案

字母	含义	说明
C	Context 背景	你是谁、什么情况、有什么材料
O	Objective 目标	要 AI 完成什么任务
S	Style 风格	正式/口语、模仿哪位作者、哪种文体
T	Tone 语气	情感态度：专业、幽默、亲切、严肃
A	Audience 受众	给谁看、对方的知识水平与关注点
R	Response 响应格式	表格/列表/字数/结构等硬性要求

模板

text 复制代码

# Context:
[背景信息、使用场景、相关材料]

# Objective:
[要完成的具体任务]

# Style:
[模仿什么写作风格、句式特征]

# Tone:
[什么情感态度]

# Audience:
[给谁看、对方水平、在意的点]

# Response:
[输出形式与硬性限制]

实例

text 复制代码

# Context:
我是一家 SaaS 公司的产品经理，公司刚上线一款面向中小企业的项目
管理工具。现在需要给「已注册但未付费」的试用用户发一封转化邮件。

# Objective:
写一封转化邮件，突出"比竞品便宜 30% 且上手更快"的卖点，
引导用户完成首次付费。

# Style:
参考 Mailchimp 营销邮件：短句为主、有数据支撑、结尾有明确行动号召。

# Tone:
专业但友好，不要过度推销的油腻感。

# Audience:
中小企业主，30-45 岁，不懂技术，关心成本和效率，时间宝贵，
对"限时优惠"已有免疫力。

# Response:
- 邮件正文不超过 200 字
- 给出 2 个备选主题行
- 结尾用加粗标注行动按钮文案

为什么它最强 ：# Style: 和 # Audience: 是大多数框架缺失的两层，而它们恰恰决定了输出的"味道"。同样一段产品介绍，写给 CTO 和写给宝妈，是两个完全不同的文本。

适用：营销文案、商务邮件、正式报告、任何面向特定人群的内容创作。

5. CRISPE 框架 · 多方案实验

Capacity -- Insight -- Statement -- Personality -- Experiment

字母	含义	说明
C	Capacity / Role 角色	AI 扮演的专家身份
R	Insight 洞见	提供背景信息与关键判断
S	Statement 陈述	明确的任务指令
P	Personality 个性	输出风格、态度
E	Experiment 实验	要求给出多个方案供挑选

模板

text 复制代码

# Capacity: [专家身份]
# Insight: [我掌握的关键事实与判断]
# Statement: [具体任务]
# Personality: [风格态度]
# Experiment: [给几个方案、怎么评估]

实例

text 复制代码

# Capacity: 有 10 年经验的用户体验研究员
# Insight: 我们 App 的 30 日留存只有 8%，但次日留存有 45%，
  说明用户不是不留存，而是中期流失，问题在 7-30 天的体验断档
# Statement: 分析可能导致 7-30 天流失的 5 个原因
# Personality: 犀利直接，不要客套铺垫，先给最可能的原因
# Experiment: 每个原因配 1 个低成本验证方案（一周内可跑完），
  标注验证成本和预期信号，方便我挑 2 个先做

适用：专业咨询、深度诊断、需要"多方案对比"的决策任务。 # Experiment: 是这个框架的灵魂------它逼 AI 从"给一个答案"变成"给一组选项"。

6. RISEN 框架 · 边界明确

Role -- Instruction -- Steps -- End Goal -- Narrowing

字母	含义	说明
R	Role 角色	AI 的身份
I	Instruction 指令	具体任务
S	Steps 步骤	完成任务的步骤
E	End Goal 最终目标	期望达成的结果
N	Narrowing 约束	限制条件：字数、禁忌、范围、预算

模板

text 复制代码

# Role: [身份]
# Instruction: [任务]
# Steps: [①②③ 分步]
# End Goal: [交付标准]
# Narrowing: [预算/时间/禁忌/上限，逐条列]

实例

text 复制代码

# Role: 旅行规划师
# Instruction: 为我规划一次 5 天的成都之旅
# Steps:
1. 先确定每日主题区域（避免来回跑）
2. 再安排上午 / 下午 / 晚上各一项活动
3. 最后给每段行程的交通方式和耗时
# End Goal: 拿到的计划可以直接照着执行，不需要我再查攻略
# Narrowing:
- 总预算 3000 元以内（不含往返大交通）
- 不去需要排队 30 分钟以上的网红店
- 每天步行不超过 15000 步
- 第三天下午必须留空休息

适用：行程规划、项目计划、学习计划------任何"有边界条件"的方案类任务 。 ⚠️ # Narrowing: 写得越具体，方案越可用。"不要太贵"是废话，"人均 200 以内"才是约束。

7. BROKE 框架 · 迭代演进

Background -- Role -- Objectives -- Key Results -- Evolve 来源：借鉴 OKR 目标管理思想的社区框架

字母	含义	说明
B	Background 背景	任务背景与现状
R	Role 角色	AI 扮演的角色
O	Objectives 目标	要达成的结果
K	Key Results 关键结果	可量化的具体输出要求
E	Evolve 演进	如何根据我的反馈持续改进

模板

text 复制代码

# Background: [背景与现状]
# Role: [身份]
# Objectives: [目标]
# Key Results:
- [可量化要求 1]
- [可量化要求 2]
# Evolve: [后续怎么改]

实例

text 复制代码

# Background: 要给公司新人写一份入职培训手册，目前只有零散的飞书文档
# Role: 擅长知识管理的企业培训专家
# Objectives: 产出一份结构清晰的入职手册大纲
# Key Results:
- 分 5 章，覆盖制度、工具、流程、文化、常见问题
- 每章列出 3-5 个小节标题 + 一句话说明
- 第 1 章必须在 20 分钟内能读完
# Evolve: 我会逐章给反馈，你只重写我指出的那一章，其余章节保持不变，
  不要整篇重排

适用：长文档撰写、系列内容、需要多轮打磨的项目。 # Evolve: 是它区别于其他框架的地方------提前约定好"怎么改"，避免每轮都推翻重来。

8. CLEAR 框架 · 含反思机制

Concise -- Logical -- Emotional -- Actionable -- Reflective

字母	含义	说明
C	Concise 简洁	指令本身要简短明确
L	Logical 逻辑	步骤之间清晰有序
E	Emotional 情感	说明情感诉求或语气期望
A	Actionable 可行	要求给出可立即执行的方案
R	Reflective 反思	让 AI 说明思路，便于校准

模板

text 复制代码

# Concise: [一句话说清任务]
# Logical: [按什么顺序讲]
# Emotional: [语气与情感分寸]
# Actionable: [要什么可直接执行的东西]
# Reflective: [让 AI 说明它为什么这么做]

实例

text 复制代码

# Concise: 帮我把这个产品方案讲给不懂技术的高管听
# Logical: 先说业务价值 → 再说实现方式 → 最后说风险与应对
# Emotional: 语气自信但不浮夸，避免行话，不要用"赋能""闭环"
# Actionable: 给出一个 3 分钟的口头汇报提纲，每点一句话
# Reflective: 提纲后用 3 句话说明你为什么这样安排叙事顺序

适用：向上汇报、跨部门沟通、想让 AI"交作业顺便交思路"的场合。 # Reflective: 让你看见 AI 的思考过程，是排查"为什么它写得不对"的最佳工具。

9. CREATE 框架 · 含排除项

Clarity -- Relevant info -- End state -- Ask -- Type -- Exclusions

字母	含义	说明
C	Clarity 清晰	明确任务是什么
R	Relevant info 相关信息	提供必要的背景与卖点
E	End state 终点状态	描述完成后的理想样子
A	Ask 请求	直接的请求语句
T	Type 类型	输出的体裁/形式
E	Exclusions 排除项	明确不要出现的内容

模板

text 复制代码

# Clarity: [任务是什么]
# Relevant Info: [卖点/事实/参数]
# End State: [成功后是什么样子]
# Ask: [要几份、要什么]
# Type: [体裁与形式]
# Exclusions: [禁止出现的内容]

实例

text 复制代码

# Clarity: 为一款儿童护眼台灯写小红书种草文案
# Relevant Info:
- 卖点：无频闪、自动调光、国 AA 级照度
- 价格：299 元
- 目标人群：3-8 岁孩子的家长
# End State: 文案发出去后，评论区会有家长追问"链接在哪"
# Ask: 写 1 篇正文 + 5 个话题标签
# Type: 小红书笔记体，带 emoji，段落短小，每段 1-2 句
# Exclusions:
- 不使用"最好""第一""国家级"等绝对化用语
- 不贬低竞品，不提具体品牌名
- 不承诺任何治疗效果或视力改善

适用：社交媒体内容、有合规或品牌禁忌的文案。 # Exclusions: 是它最大的价值------"不要写什么"往往比"要写什么"更能纠正 AI 的惯性输出（尤其是广告法禁用词、品牌负面清单）。

四、推理增强技术

这类不是"填空模板"，而是改变 AI 思考路径的技术，可与任何框架叠加。

1. Chain of Thought（CoT，思维链）⭐ 最重要的推理技术

原理：要求 AI 把中间推理步骤写出来，而不是直接跳到结论。中间步骤会成为后续生成的"上下文锚点"，大幅降低算错、跳步、张冠李戴的概率。

写法一：一句话触发（最省事）

text 复制代码

# Output Rules: 请一步一步思考，先列推理步骤，最后单独给出结论。

写法二：写进字段（推荐，和框架合体）

text 复制代码

# Role: 财务分析师
# Task: 判断这个项目 3 年内能否回本
# Input:
"""
初始投入 1200 万；预计年营收 400 万，年运营成本 180 万；
第 2 年起营收年增 15%，成本年增 8%。
"""
# Steps:
1. 逐年算出净利润
2. 逐年累计现金流，找出转正年份
3. 检查是否在第 3 年内转正
# Output Rules: 每一步都写清计算过程，不要跳步；结论放在最后

写法三：Few-shot CoT（效果最好）

text 复制代码

# Examples:
Q: 小明有 3 个苹果，买了 5 个，吃掉 2 个，还剩几个？
A: 先算总数 3+5=8，再减去吃掉的 2，8-2=6。答案：6。

# Task:
Q: （新问题）
# Output Rules: 按上例的推理格式作答

适用：数学计算、逻辑推理、多步分析、涉及多条件的决策。 不适用：简单事实问答（会让回答变啰嗦，且对事实性没有增益）。

2. Tree of Thoughts（ToT，思维树）

原理：不只走一条推理链，而是先分叉出多条路径，逐条评估，再择优深入。适合没有唯一标准答案的开放难题。

text 复制代码

# Role: 零售业战略顾问
# Task: 提升这家线下书店的营收
# Steps:
1. 先提出 3 个完全不同方向的策略（三条思维分支）
2. 为每个策略评估：投入成本、见效速度、失败风险、与我现有资源的匹配度
3. 选出综合最优的 1 个，展开成可执行方案
# Output Rules: 明确说明为什么淘汰另外两个

3. ReAct（Reason + Act，推理与行动结合）

原理：思考 → 行动（检索/调用工具）→ 观察结果 → 再思考 的循环。这是 AI Agent 的底层工作模式，日常对话中体现为：让 AI 先声明计划，再执行，遇到信息缺口时主动反馈而不是硬编。

text 复制代码

# Task: 调研三款投影仪哪款最适合卧室使用
# Steps:
1. 先列出需要比较的维度
2. 逐项分析
3. 如果某项信息不足，明确告诉我缺什么，不要猜测
4. 最后给出带理由的推荐结论
# Output Rules: 每一轮信息补充后，重新给出结论而不是从头再来

4. Self-Consistency（自洽性）

原理：让 AI 对同一问题从多个独立角度各解一次，若结论一致则可信度高；若不一致，说明该问题本身有争议或条件不足。

text 复制代码

# Task: 评估这个创业想法是否值得执行
# Steps:
1. 从财务可行性角度独立分析
2. 从市场空间角度独立分析
3. 从我个人能力匹配度角度独立分析
# Output Rules:
- 三个角度分开分析，不要互相参考、不要提前下结论
- 最后汇总：如果三个结论互相矛盾，明确指出矛盾点，并说明我需要补什么信息才能判断

适用：重大决策、高风险判断。成本是 3 倍 token，只用在真正重要的问题上。

五、内容构建技术

1. Few-shot（少样本示例）⭐ 最有效的单点提效手段

原理：给 2-3 个"输入 → 输出"样例，让 AI 通过模式匹配来模仿。研究表明，几个高质量样例的效果通常胜过上千字的形容词描述。

text 复制代码

# Task: 为下列产品写一句话广告语
# Examples:
- 输入：保温杯 → 输出：把清晨的热度，留到黄昏。
- 输入：台灯 → 输出：亮一盏灯，暖一屋人。
- 输入：雨伞 → 输出：天要下雨，我有准备。
# Input: 加湿器
# Output:

三条铁律

样例质量 > 样例数量（3 个精品 > 10 个平庸）
格式必须统一（标点、长度、结构一致）
AI 会复制样例里的毛病------别用带瑕疵的样例凑数

2. 角色扮演（Persona）

原理：指定身份能激活模型在对应领域的知识分布和表达习惯。

text 复制代码

❌ # Role: 宇宙最强营销专家
✅ # Role: 快消行业 12 年品牌总监
   # Style: 用一句话讲清卖点；少形容词、多具体场景；反感空洞口号

要点：角色的价值不在"头衔"而在**"经验 + 专长 + 表达习惯"**这三项。头衔是身份，后两项才是行为约束。

3. 约束锚定（Constraints）

原理：正面要求（要什么）+ 负面约束（不要什么）分两个字段写，比混在一段里有效得多。

text 复制代码

# Requirements:
- 面向零基础读者
- 全文不超过 500 字
- 多用生活化比喻

# Prohibitions:
- 不使用专业术语（必须用时用括号解释）
- 不以"众所周知""随着时代发展"开头
- 感叹号不超过 3 个

4. 分隔符（Delimiters）

原理：把"指令"和"材料"物理隔开，防止 AI 把材料内容误当指令（提示注入的主要防御手段，也是长文档处理稳定性的关键）。

text 复制代码

方式一：三重引号
  # Input:
  """
  （粘贴长文本）
  """
  # Task: 总结上述材料的三个核心观点

方式二：XML 标签（Claude 官方推荐，标签用英文）
  <material>......</material>
  <instruction>......</instruction>

方式三：Markdown 标题
  # Background:
  # Task:
  # Input:

要点：材料越长，越需要分隔符。这是最容易被忽视、但对稳定性提升最明显的技巧。

5. 输出格式化（Output Formatting）

原理：不仅描述格式，还给出骨架让 AI 填充，并禁止额外输出。

text 复制代码

# Task: 判断下面这条用户评论的情感倾向并提取关键词
# Input:
"""
充电很快，但是外壳用两周就掉漆了，客服态度还行。
"""
# Output Format: 严格按以下 JSON 输出，不要输出 JSON 以外的任何内容
{
  "sentiment": "正面/负面/中性",
  "keywords": ["关键词1", "关键词2"],
  "summary": "一句话总结，不超过 30 字"
}

输出用途	推荐形式
给程序处理	JSON（key 用英文）
给人阅读	Markdown 标题 + 列表
数据对比	Markdown 表格
需粘回文档	纯文本、无 Markdown 符号

六、框架与技术的组合用法

框架负责"信息结构"，技术负责"思考方式"和"表达风格"------两者是乘法关系：

markdown 复制代码

基础框架 + 推理技术 + 内容技术 = 生产级提示词

例 1：CO-STAR + CoT + Few-shot
      → 写一份有说服力的商业方案（要受众分析，也要严密论证，还要固定文风）

例 2：ICIO + 分隔符 + Output Format
      → 从长材料里提取结构化信息并生成执行计划

例 3：CRISPE + ToT + Self-Consistency
      → 重大决策的多方案评估（要选项、要多路径、还要交叉验证）

例 4：RTF + CoT
      → 一道数学题的解答（最轻量的组合）

一个可以直接追加到任何提示词末尾的字段：

text 复制代码

# Output Rules:
1. 若信息不足，先向我提问，不要猜测。
2. 复杂问题先分步推理，再给结论。
3. 结论先行，其后给理由。
4. 使用简体中文回答。

七、全部框架对比表

框架	要素数	独有字段	最适合的场景	难度
RTF	3	`# Format:`	日常所有简单任务	⭐
TAG	3	`# Action:`	执行类、多步骤工作	⭐
APE	3	`# Purpose:`	翻译、改写、摘要	⭐
PAR	3	`# Problem:`	简历、复盘、案例	⭐
ICIO	4	`# Input:`	材料处理、信息提取	⭐⭐
RACE	4	---	专业问答、行业分析	⭐⭐
CARE	4	`# Example:`	写初稿、模仿文风	⭐⭐
CO-STAR	6	`# Style:` `# Audience:`	营销文案、正式内容	⭐⭐⭐
CRISPE	5	`# Insight:` `# Experiment:`	专业咨询、多方案决策	⭐⭐⭐
RISEN	5	`# Narrowing:`	有边界的方案规划	⭐⭐
BROKE	5	`# Key Results:` `# Evolve:`	长文档、持续打磨	⭐⭐⭐
CLEAR	5	`# Reflective:`	向上汇报、复杂协作	⭐⭐⭐
CREATE	6	`# Exclusions:`	社媒内容、合规文案	⭐⭐⭐

字段复用对照（看懂这一张，框架就不用背了）：

字段	在哪些框架里出现	含义是否一致
`# Role:`	RTF / CRISPE / RISEN / RACE / BROKE / CARE(C)	一致：AI 的身份
`# Context:`	CO-STAR / RACE / CARE / ICIO / CLEAR(Concise)	前四者一致；CLEAR 的 C 是"简洁"
`# Audience:`	仅 CO-STAR	唯一明确区分"受众"的框架，这是它最强的原因
`# Expectation:`	APE / RACE / CARE / BROKE / CREATE	都与"期望产出"相关，可互换理解
`# Objective:`	CO-STAR / BROKE / ICIO(Instruction)	一致：任务目标

结论：框架名字不同，字段高度重合 。真正决定质量的只有四个：受众、约束、示例、输出格式。

八、选型决策树

objectivec 复制代码

你的任务是什么类型？
│
├─ 简单问答 / 小文案 / 写邮件
│   └→ RTF（# Role / # Task / # Format，30 秒写完）
│
├─ 有原始材料要处理（提取 / 总结 / 翻译 / 改写）
│   └→ ICIO ＋ 分隔符（# Input: """..."""）
│
├─ 内容创作（文案 / 邮件 / 报告 / 方案）
│   ├─ 面向特定人群 → CO-STAR
│   ├─ 有禁忌或合规要求 → CREATE
│   ├─ 需要多个方案挑 → CRISPE
│   └─ 要模仿某种文风 → CARE 或 + Few-shot
│
├─ 方案规划（旅行 / 项目 / 学习计划）
│   └→ RISEN（# Narrowing: 写具体）
│
├─ 长文档 / 系列内容 / 要反复打磨
│   └→ BROKE（# Evolve: 约定怎么改）
│
├─ 深度推理（数学 / 逻辑 / 复杂决策）
│   └→ 任意框架 ＋ CoT（＋ ToT 分叉）
│
├─ 重大决策，不能出错
│   └→ CRISPE ＋ ToT ＋ Self-Consistency
│
└─ 向上汇报 / 需要 AI 解释思路
    └→ CLEAR

三条实用判断：

任务越"贵"，框架越完整。发条朋友圈用 RTF，发给客户的方案用 CO-STAR。
不确定就用 RTF + CoT。这个组合能兜住 90% 的情况。
框架救不了信息缺失。如果连"给谁看"都说不清，再完整的框架也白搭。

九、语言与格式规范

这一节回答高频疑问：标题到底该写 # Role 还是 # 角色？冒号该用全角还是半角？

结论：英文标签 + 中文内容，是主流且稳妥的做法

但这不是硬性要求，影响远小于"写得清不清楚"。以下是权衡依据。

用英文标签的理由

理由	说明
训练分布	主流结构化提示词（LangGPT、Anthropic 官方模板、社区百万级 prompt）几乎都是 `# Role` / `## Workflow` / `<instructions>` 骨架，英文标签的模式密度更高，长上下文和格式敏感场景下更稳
XML 标签	Claude 对 `<context>`、`<example>` 等英文标签做过专门优化；中文标签能懂，但没有优势
程序友好	提示词若被代码拼装（模板引擎、Agent 编排），英文 key 更安全，避免编码与标点问题

用中文标签的理由

理由	说明
防止语言漂移	这是比标签语言更重要的问题：指令里英文太多，模型会更容易用英文回答。想要中文输出，要么指令用中文，要么明确加一句 `# Output Rules: 使用简体中文回答`
团队可维护	提示词要给非技术同事改、要放进中文文档，`# 角色:` 比 `# Role:` 直观
国产模型无劣势	Qwen、DeepSeek、GLM 对中文指令理解已足够，中文标签完全可用

场景选择表

场景	推荐
日常自用、中文输出	英文骨架 + 中文内容（最主流，本手册采用）
要分享 / 团队协作维护	全中文，降低理解成本
会被代码解析	结构标签、JSON key 一律英文
用 Claude 且采用 XML 标签	标签用英文

三个比"语言选择"更实际的技术细节

markdown 复制代码

✅  # Role: 资深文案编辑          ← 半角冒号，规范
❌  # 角色：资深文案编辑           ← 全角冒号，部分解析器/模板引擎会出错

✅  # Role: 资深文案编辑          ← 中英混排很常见，没问题
✅  # 角色: 资深文案编辑          ← 也完全可以
❌  两种在同一份提示词里混用        ← 最不可取，破坏结构模式

✅  # Role: / # Task: / # Format:          ← 全英文，层级一致
❌  # Role: / # 任务: / # 输出格式:          ← 同层混用两种语言，最差

关于标点

结构性标点用半角 ：:、,、"、()。全角符号（：，""（））在代码、JSON、模板变量中容易引发解析错误。
正文内容用中文标点：这是阅读体验问题，与机器解析无关。
Code block 里永远用半角：示例 JSON、变量名、命令必须是 ASCII。

一条铁律

一致性 > 语言选择。 同一份提示词的标题层级要么全英文，要么全中文，混用会打断模型识别到的结构模式。标题用哪种语言，影响通常远小于"受众写没写清、约束量没量化"。

十、通用写作原则

无论用什么框架，以下原则比框架本身更重要：

具体胜过抽象 ❌ # Style: 写得专业一点　→　✅ # Style: 咨询报告笔调，结论先行，每段不超过 3 行
量化一切可量化的 ❌ # Format: 简短一些　→　✅ # Format: 不超过 200 字 / 5 条以内 / 3 句话
永远写清受众 "给完全不懂技术的人看"和"给 CTO 看"是两个宇宙。
示例是终极武器 一份你满意的样稿，胜过所有形容词。
说明动机，AI 会自己补全细节 知道"为什么做"，它就能推断"应该怎么做"。
允许 AI 提问 加一句"信息不足请先问我"，能显著减少编造。
迭代而非重来 效果不对时，指出"哪个字段不对 + 期望什么"，比推翻重写效率高得多。
负面清单同样重要 # Prohibitions: 往往比 # Requirements: 更能纠正 AI 的惯性。
指令放前面，材料放后面 长材料场景下，先给任务和格式要求，再贴 # Input:。模型对首尾内容更敏感。
删掉装饰性文字 "请""麻烦""非常感谢"对效果影响极小，省下的篇幅留给具体信息。

十一、常见误区

误区	问题所在	更好的做法
用自然语言一段话写完	槽位无边界，AI 容易漏约束	改成 `# Role:` `# Task:` `# Format:` 分字段
堆砌礼貌用语	对效果几乎没有影响	篇幅留给背景和约束
一句话塞下所有需求	AI 只能靠猜	用框架拆成结构化槽位
角色设定过度	`# Role: 宇宙最强专家` 零信息量	写清经验、专长、表达习惯
只说要什么，不说给谁	输出风格必然错位	加 `# Audience:`
期望一次到位	复杂任务一轮难完美	预留 2-3 轮迭代路径
示例质量参差	AI 会复制示例里的毛病	精选样例，格式统一
提示词越长越好	冗余信息稀释关键指令	只保留与任务相关的信息
忽略分隔符	长材料与指令混淆，易被注入	用 `"""` 或 XML 标签隔离
忘记指定输出语言	输出语言随指令语言漂移	加 `# Output Rules: 使用简体中文`
中文全角标点写进结构位	模板解析、JSON 会报错	结构位一律用半角
字段层级乱用	`#` 和 `##` 混着来，结构反而更乱	顶层字段统一用 `#`，子块才用 `##`

附录 A：一页速查卡

text 复制代码

【1｜日常快速版 · RTF】
# Role: [身份 + 专长]
# Task: [具体任务]
# Format: [形式 + 字数 + 禁忌]

【2｜正式创作版 · CO-STAR】
# Context: [背景与材料]
# Objective: [任务目标]
# Style: [文风参照]
# Tone: [语气分寸]
# Audience: [受众画像]
# Response: [格式 + 长度 + 数量]

【3｜材料处理版 · ICIO】
# Instruction: [要做什么]
# Context: [材料来源与用途]
# Input:
"""
[原文]
"""
# Output: [输出结构]

【4｜方案规划版 · RISEN】
# Role: [身份]
# Instruction: [任务]
# Steps: [①②③]
# End Goal: [交付标准]
# Narrowing: [预算 / 时间 / 禁忌 / 上限]

【5｜推理增强 · 万能后缀】
# Output Rules:
1. 信息不足先提问，不要猜测。
2. 复杂问题先分步推理，再给结论。
3. 结论先行，其后给理由。
4. 使用简体中文回答。

【6｜风格模仿 · 万能前缀】
# Examples:
- 输入：___ → 输出：___
- 输入：___ → 输出：___
# Task: 按上述风格处理新输入

附录 B：可直接套用的模板库

B1. 文案创作模板（CO-STAR）

text 复制代码

# Context:
[产品/服务是什么，当前处于什么阶段，我为什么需要这段内容]

# Objective:
[这段文案要达成什么具体目的：点击 / 转化 / 转发 / 建立信任]

# Style:
[参考谁的风格，或描述句式特征：短句/长句、口语/书面、有梗/严肃]

# Tone:
[专业 / 亲切 / 克制 / 有煽动性]

# Audience:
[年龄段、身份、痛点、最在意什么、会质疑什么]

# Response:
- 长度：[字数]
- 结构：[标题 / 开头 / 正文 / 结尾 CTA]
- 数量：[给几个版本]
- 附加：[话题标签 / 标题备选]

# Exclusions:
[绝对化用语、竞品提及、不能承诺的内容]

B2. 长文档处理模板（ICIO + 分隔符 + CoT）

text 复制代码

# Instruction:
请阅读以下材料，完成[具体任务]。

# Context:
[材料来源、用途、我最终要拿它做什么]

# Input:
"""
[粘贴原文]
"""

# Requirements:
1. 先通读全文再动手，不要只处理开头部分
2. 材料中存在矛盾或缺失信息时，单独列出，不要自行补充
3. 引用原文时标注出处段落
4. 长材料先给整体框架，我确认后再逐段展开

# Output:
[输出结构]

B3. 决策分析模板（CRISPE + ToT）

text 复制代码

# Capacity:
[领域]的资深顾问

# Insight:
[现状、我已有的信息、我的倾向和顾虑]

# Statement:
请评估[决策选项]，并给出建议。

# Personality:
直接说结论和风险，不要罗列所有可能性。

# Experiment:
给出 3 个可执行方案，每个标注：
- 投入成本
- 见效周期
- 主要风险
最后说明你推荐哪个、淘汰其余的理由。

# Narrowing:
[预算 / 时间 / 不可触碰的红线]

# Output Rules:
先结论，后论证；如果有我没考虑到的关键变量，单独指出。

B4. 学习理解模板（RTF + CoT + 类比）

text 复制代码

# Role:
[领域]的资深讲师，擅长给零基础的人讲清复杂概念

# Task:
帮我理解[概念]

# Steps:
1. 先用一个生活化类比说明它是什么
2. 再讲它的核心机制（分步骤，每步不超过 2 句）
3. 举一个正例和一个反例
4. 最后列出初学者最容易误解的 3 个点

# Format:
全中文，不用公式，术语出现时用括号解释，总长不超过 800 字

# Output Rules:
不要一上来给定义，先给类比。

B5. 汇报沟通模板（CLEAR）

text 复制代码

# Concise:
把[这件事]讲给[不懂技术的高管 / 客户 / 跨部门同事]听

# Logical:
先说业务价值 → 再说实现方式 → 最后说风险与应对

# Emotional:
自信但不浮夸，避免行话和"赋能""闭环"这类词

# Actionable:
给出一个 3 分钟口头汇报提纲，每点一句话，附一页关键数据

# Reflective:
提纲后用 3 句话说明你为什么这样安排叙事顺序

版本 2.1 ｜更新于 2026-11-04 ｜框架 13 个 · 技术 9 项 · 全部模板采用 # Field: 结构化写法

常用提示词（Prompt）框架总结

常用提示词（Prompt）框架手册

30 秒速览（赶时间只看这里）

前置：写法约定

两种写法对比

为什么结构化标题更靠谱

三条使用规范

目录

一、框架的本质：四个必答问题

二、入门级框架（3 要素）

1. RTF 框架 · 最简可用

2. TAG 框架 · 执行导向

3. APE 框架 · 目的驱动

4. PAR 框架 · 叙事结构

三、进阶级框架（4-6 要素）

1. ICIO 框架 · 材料处理

2. RACE 框架 · 快速结构化

3. CARE 框架 · 示例驱动

4. CO-STAR 框架 ⭐ 结构最完整

5. CRISPE 框架 · 多方案实验

6. RISEN 框架 · 边界明确

7. BROKE 框架 · 迭代演进

8. CLEAR 框架 · 含反思机制

9. CREATE 框架 · 含排除项

四、推理增强技术

1. Chain of Thought（CoT，思维链）⭐ 最重要的推理技术

2. Tree of Thoughts（ToT，思维树）

3. ReAct（Reason + Act，推理与行动结合）

4. Self-Consistency（自洽性）

五、内容构建技术

1. Few-shot（少样本示例）⭐ 最有效的单点提效手段

2. 角色扮演（Persona）

3. 约束锚定（Constraints）

4. 分隔符（Delimiters）

5. 输出格式化（Output Formatting）

六、框架与技术的组合用法

七、全部框架对比表

八、选型决策树

九、语言与格式规范

结论：英文标签 + 中文内容，是主流且稳妥的做法

三个比"语言选择"更实际的技术细节

关于标点

一条铁律

十、通用写作原则

十一、常见误区

附录 A：一页速查卡

附录 B：可直接套用的模板库

B1. 文案创作模板（CO-STAR）

B2. 长文档处理模板（ICIO + 分隔符 + CoT）

B3. 决策分析模板（CRISPE + ToT）

B4. 学习理解模板（RTF + CoT + 类比）

B5. 汇报沟通模板（CLEAR）