本文深入探讨了AI编程提示词的框架结构，旨在帮助用户通过模板化的方式，更系统、更清晰地表达需求，从而提高AI编程工具的输出质量和效率。文章介绍了CRISPE、RACE、CARE等多种框架，并分析了它们的优劣势，为用户提供了选择和应用的指导。

💡 CRISPE框架：一个全面细致的提示词构建方法，包含容量和角色、洞察、陈述、个性和实验五个维度，适合复杂和要求高的任务。它能高度定制化，激发模型潜力，但复杂度最高，学习曲线较陡峭。

💡 RACE框架：一个直接高效的指令格式，包括角色、行动、上下文和期望，适用于需要特定角色和精确行动的场景。它直接高效，平衡性好，易于掌握，但创新性略显不足，对上下文依赖较高。

💡 CARE框架：增强人性化，通过加入同理心和推理，使得模型的回答更富有人情味和深度。适用于敏感话题，但可能产生“虚假”共情，推理过程可能不完全准确。

💡 CHAT框架：通过提供清晰的上下文、历史、任务和期望，引导大型语言模型生成更相关、更连贯的回答。结构清晰，提升连贯性，应用场景广泛，但构建稍显复杂，不适用于简单任务。

💡 RISE框架：强调通过提供资源和范例来提升模型输出的准确性和专业性，适用于需要基于特定知识进行回答的场景。能提升专业度，可控性强，适合数据处理与分析，但准备工作繁重，对用户专业能力有要求。

AI编程专栏(一)- 评估AI编程工具对编程语言支持情况

AI编程专栏(二)- Cursor 深度使用指南

AI编程专栏(三)- 实战无手写代码，Monorepo结构框架开发

AI编程专栏(四) - 提示词技术，如何写编程提示词

在前面我们已经学习过提示技巧相关内容了，知道合理的使用技巧能让AI给到你的输出更为准确可靠。本篇则是再上一篇的基础上，再次延申，通过模板化的框架结构，来更好的编写提示词。

特别说明，提示框架并不是程序上非对即错的概念，提示框架的核心是让你的自然语言表达，更具有条理性，逻辑性，结构性以便AI能更好的理解，给出你预期的答案。当前耳熟能详的框架，基本都是业界共识认可，经过实际验证的结构。

基于这些框架结构，你可以自己按照实际需求衍生，更新自己的提示词写法，自然语言特点就是灵活多变，不可预测，打破使用程序语言的模式和约束思维。

一、专业框架（与学术研究联系最紧密）

CRISPE框架的提出与学术界的努力紧密相关，旨在为提示工程提供一个更系统化、更可复现的方法论，也是目前复杂提示项目必不可少的框架。

1.1 CRISPE 提示词框架（荐）

1.1.1 含义说明

CRISPE 框架是一个非常全面和细致的提示词构建方法，它通过五个维度来精确地指导模型，特别适合复杂和要求高的任务。

容量和角色 (Capacity and Role) 指定AI需要扮演的角色或具备的特定能力（方向性刺激）洞察 (Insight) : 提供背景信息、上下文和关键洞察陈述 (Statement) : 明确指示AI需要执行的具体任务个性 (Personality) : 定义AI输出的语气、风格和个性（格式约束）实验 (Experiment) : 提出一个要求，让AI对指令的不同方面进行评估或提出改进建议，以探索更好的答案（自我一致性）

1.1.2 示例提示

# 容量和角色你是一位资深的品牌战略专家，尤其擅长帮助初创科技企业进行市场定位。# 洞察我们是一家新成立的人工智能公司，核心产品是一款面向C端的AI写作助手。目前市场上已有Grammarly, Notion AI等成熟产品，竞争激烈。我们的差异化优势在于更懂中文语境和创意写作辅助。# 陈述请为我们的产品进行市场定位分析，并提出3个核心营销口号。# 个性请使用专业、自信、富有远见的语气。# 实验请在回答的最后，告诉我你认为这个提示在哪些方面还可以改进，以便获得更具操作性的品牌战略建议。

1.1.3 特点&优劣势

优势

高度定制化: CRISPE框架的五个元素几乎涵盖了所有影响输出质量的关键变量，能够实现非常精确的控制。激发模型潜力: “实验”部分非常独特，能促使模型进行自我反思和优化，有时能带来意想不到的优质答案。适合复杂任务: 在需要专业知识、特定风格和深度分析的场景下表现出色。

劣势

复杂度最高: 是最复杂的框架之一，编写提示词需要花费大量时间和精力。学习曲线陡峭: 新手用户需要一定时间来理解和掌握每个元素的精确含义和用法。

二、通用极简框架（简单，业界统一）

2. RACE 提示词框架（荐）

2.1.1 含义说明

RACE 框架是一个直接且高效的指令格式，旨在快速、明确地传达任务需求，特别适合需要特定角色和精确行动的场景。

角色 (Role) : 指定AI的角色（方向性刺激）行动 (Action) : 明确要求AI执行的具体动作上下文 (Context) : 提供任务的背景信息期望 (Expectation) : 阐明对结果的详细要求，如格式、范围等（条件约束）

2.1.2 示例提示

# 角色作为一名经验丰富的人力资源经理。# 行动请根据我提供的岗位描述，撰写一封拒绝未被选中候选人的邮件。# 上下文我们招聘的是一个“高级软件工程师”岗位，收到了大量简历。这位候选人技术背景很强，但与我们团队文化不太匹配。我们需要在表示遗憾的同时，也肯定他的能力并鼓励他未来继续关注我们的机会。# 期望邮件语气应专业、礼貌且富有同情心。结构清晰，先表达感谢，然后告知结果，最后给出积极的结尾。不要透露具体的内部评估细节。

2.1.3 特点&优劣势

优势

直接高效: 框架简洁明了，能够快速切入主题，沟通效率高。平衡性好: 兼顾了角色、背景、行动和期望四个核心要素，适用性强。易于掌握: 逻辑清晰，是新手入门提示工程的一个很好的选择。

劣势

创新性略显不足: 相较于CRISPE或CARE等框架，RACE更侧重于准确执行任务，而非激发深度思考或创意。对上下文依赖较高: 如果上下文提供不充分，输出质量会受较大影响。

3. CARE 提示词框架

3.1.1 含义说明

上下文 (Context) : 设定对话发生的背景和环境行动 (Action) : 明确指出希望模型执行的具体动作或生成的内容类型。推理 (Reasoning) : 要求模型展示其思考过程、逻辑步骤或决策依据。同理心 (Empathy) : 引导模型在回应中表现出理解、共情或关怀。

其他说法

结果 (Result): : 明确输出要求示例 (Example) : 提供输出样本范例

3.1.2 示例提示

# 上下文 我是一名即将毕业的大学生，最近在找工作上遇到了很多困难，投了很多简历都石沉大海，感到非常焦虑和迷茫。 # 行动 请你给我一些建议和鼓励。 # 推理 请解释一下为什么在当前就业市场下，毕业生可能会面临这些挑战，并说明你的建议是如何帮助我应对这些挑战的。 # 同理心 请用温暖、支持和理解的语气来回答，让我感觉到被倾听和支持。// 另一种说法提示# 上下文用户咨询Python异常处理  # 行动解释try-except机制# 结果给出3种常见异常处理方案  # 示例try:  x = 1/0  except ZeroDivisionError:  print("除数不能为零")

3.1.3 特点&优劣势

优势

增强人性化: “同理心”和“推理”的加入，使得模型的回答不仅仅是信息的堆砌，更富有人情味和深度。提升信任感: 通过展示推理过程，让用户更能理解和信任模型的答案。适用于敏感话题: 在处理心理咨询、用户投诉、个人建议等敏感或情感丰富的对话时效果显著。

劣势

可能产生“虚假”共情: AI的同理心是模拟的，过度依赖可能导致用户产生不切实际的情感寄托。推理过程可能不完全准确: AI解释的推理过程可能存在逻辑谬误或简化，需要用户审慎判断。

4. CHAT 提示词框架

4.1.1 含义说明

CHAT 框架旨在通过提供清晰的上下文、历史、任务和期望，引导大型语言模型（LLM）生成更相关、更连贯的回答。

上下文 (Context) : 提供与问题相关的背景信息，设定对话的场景。历史 (History) : 给出之前的对话或相关互动信息，帮助模型理解语境的演变。任务 (Assignment) : 明确指出需要模型完成的具体任务。期望 (Expectation) : 详细说明对输出结果的格式、风格、长度等具体要求。

其他说法

上下文 (Context) => 假设 (Hypothesis) => 行动 (Action) => 测试 (Test)角色 (Character) => 背景 (History) => 目标 (Ambition) => 任务 (Task)

4.1.2 示例提示

# 上下文我正在为一家科技公司的社交媒体账号策划一期关于“人工智能在日常生活中的应用”的科普帖子。目标受众是对科技感兴趣但非专业背景的普通大众。# 历史上一期的帖子我们介绍了“什么是人工智能”，反响不错，但有用户留言希望了解更具体的应用实例。# 任务请为这期帖子撰写一段文案。# 期望1.  风格生动有趣，避免使用过多专业术语。2.  列举至少3个普通人能直接感受到的AI应用案例（如智能推荐、语音助手等）。3.  文案长度在300字左右，并配上一个吸引人的标题。4.  结尾可以带一个互动问题，鼓励用户留言。

4.1.3 特点&优劣势

优势

结构清晰: CHAT提供了一个全面的对话背景，特别适合连续性、有上下文依赖的对话任务。提升连贯性: 通过引入“历史”环节，能有效帮助模型理解对话的来龙去脉，生成逻辑更连-贯的回答。应用场景广泛: 适用于内容创作、客服对话、教育辅导等多种需要深度交互的场景。

劣势

构建稍显复杂: 相比简单的单轮提问，需要用户投入更多精力来构建完整的上下文和历史信息。不适用于简单任务: 对于一些事实查询类的简单任务，使用CHAT框架会显得有些繁琐。

5. RISE 提示词框架（荐）

5.1.1 含义说明

RISE 框架强调通过提供资源和范例来提升模型输出的准确性和专业性，适用于需要基于特定知识进行回答的场景。

角色 (Role) : 定义AI的身份或专业领域。输入 (Input/Instructions) : 给出具体的指令和任务描述，有时也包含原始数据或文本。步骤 (Steps) : 要求AI按照特定的步骤或逻辑顺序进行思考和操作。评估 (Evaluation/Example) : 提供评估标准或一个高质量的范例，让AI知道“好”的答案是什么样的。

5.1.2 示例提示

# 角色你是一名专业的财经分析师。# 输入这是XX公司2024年年度财报的核心数据：[营收: 100亿, 同比增长15%; 净利润: 10亿, 同比增长5%; 研发投入: 20亿, 同比增长30%]。# 步骤1.  首先，总结财报的关键亮点和不足。2.  然后，分析研发投入大幅增长可能对公司未来的影响。3.  最后，给出一个综合性的投资评级建议（如：增持、中性、减持）。# 评估/范例你的分析需要像顶级券商的投研报告一样，数据驱动、逻辑严密、结论明确。例如，在分析研发投入时，应结合行业趋势和公司战略进行阐述。

5.1.3 特点&优劣势

优势

提升专业度: 通过提供明确的输入数据和评估标准/范例，能显著提升输出内容的专业水准和准确性。可控性强: “步骤”要求使得复杂的分析任务被拆解，AI的思考过程更加透明和可控。适合数据处理与分析: 在处理和解释数据、生成报告等任务上表现出色。

劣势

准备工作繁重: 用户需要提前准备好高质量的输入数据、清晰的步骤和有代表性的范例。对用户专业能力有要求: 用户自身需要对该领域有一定了解，才能给出有效的评估标准和范例。

6. RTF 提示词框架（荐）

6.1.1 含义说明

RTF 是一个非常简洁的模型，强调以最直接的方式传达核心三要素，适合快速、日常的指令下达。

角色 (Role) : 指定AI扮演的角色。任务 (Task) : 明确需要完成的具体任务。格式 (Format) : 指明输出结果需要遵循的格式。

6.1.2 示例提示

# 角色作为一名社交媒体运营专家。# 任务为一款新上市的降噪耳机写5个推广文案标题。# 格式使用一个无序列表来呈现这5个标题。

6.1.3 特点&优劣势

优势

极其简洁: 只有三个核心元素，非常容易记忆和使用。执行效率高: 适用于那些目标明确、无需复杂背景介绍的日常任务。通用性强: 几乎可以应用于任何需要结构化输出的简单请求。

劣势

处理复杂任务能力有限: 由于缺少上下文、目标、示例等元素，难以应对需要深度分析和创意的复杂需求。输出质量不稳定: 对于同样的任务，输出的质量可能不如使用更复杂框架时稳定。

7.1 APE

7.1.1 含义说明

将请求分为: 行动-目的-期望

行动 (Action)： 要完成的特定任务，动作，行动目的 (Purpose)： 执行上述任务的目标，目的期望 (Expect)： 明确表述通过执行特定任务期望实现的结果

7.1.2 示例提示

Action: 分析新能源汽车市场竞品动态  Purpose: 为产品定价策略提供依据  Expect:   1. 对比3家头部品牌价格区间    2. 指出价格战中的机会点    3. 用表格呈现核心数据

7.1.3 特点&优劣势

优势

明确任务意图，显著降低结果偏差

劣势

创意类任务易僵化

推荐

任务满足 目标清晰+交付标准明确 时（如报告生成/数据分析），优先使用 APE。

这是一种书写提示的结构，在这基础上，可以组合“角色设定/条件约束/自我审查”等其他内容组合使用。

8 TAG提示词框架

8.1.1 含义说明

[输出框架单词解释，附带中英文]

Task (任务) - 明确要完成的具体任务Action (行动) - 详细描述执行步骤Goal (目标) - 说明最终要达成的目标

8.1.2 示例提示

Task: 优化公司网站的SEO表现Action: 1. 分析当前网站的SEO现状2. 识别关键词优化机会3. 提出页面结构优化建议4. 制定内容策略计划Goal: 在3个月内将网站在搜索引擎的排名提升到前三页，增加30%的自然流量

8.1.3 特点&优劣势

优势

目标导向明确，结果可衡量行动步骤清晰，执行性强适合项目管理和执行类任务

劣势

缺乏角色定位和背景信息对创意类任务可能约束过强

三、通用复杂框架（源于行业内的实践、专家总结和社区共识）

9. COAST 提示词框架

9.1.1 含义说明

COAST 框架通过逐层递进的方式，从宏观背景到具体格式，全方位地定义任务，确保输出结果的准确性和可用性。

上下文 (Context) : 提供必要的背景信息，让模型理解任务的“大图景”。目标 (Objective) : 清晰地陈述本次提示希望达成的最终目的。行动 (Actions) : 列出为达成目标所需要执行的一系列具体步骤或动作。场景 (Scenario) : 描述一个具体的应用场景，帮助模型更好地理解和模拟。任务 (Task) : 给出最终需要交付的具体任务或产出物，并明确格式要求。

其他说法

背景 (Context) => 目标 (Objectives) => 行动 (Action) => 必要支持 (Support) => 技术应用 (Technology)明确清晰目标(Clarify) => 大纲轮廓 (Outline) => 动作(Action)** => 必要支持 (Support) => 测试(Test) 

9.1.2 示例提示

# 上下文我是一家健身房的市场经理，我们计划在夏季推出一项针对减脂塑形的新课程。# 目标吸引潜在客户报名参加这个新课程。# 行动1.  设计一个吸引人的课程名称。2.  撰写一篇社交媒体宣传文案。3.  设计一个早鸟优惠活动。# 场景想象一下，一个对健身感兴趣但有些犹豫的年轻白领，在刷手机时看到了这篇帖子。# 任务请完成上述“行动”中的三项内容，并将宣传文案以适合发布在朋友圈的格式呈现，包含表情符号。

9.1.3 特点&优劣势

优势

逻辑链条清晰: 从目标到行动再到具体任务，层层分解，使得复杂任务的指令变得清晰有序。场景化代入感强: “场景”的设定能极大帮助模型代入角色，生成更贴合实际应用情境的内容。任务导向明确: 最终的“任务”环节聚焦于交付物，确保了输出的实用性。

劣势

元素间可能重叠: 在某些简单任务中，“目标”、“行动”和“任务”的界限可能不那么清晰，容易造成混淆。构建相对耗时: 需要对任务进行细致的分解和规划。

10. CREATE 框架

10.1.1 含义说明

CREATE 框架主要用于激发创意和生成多样化的内容，它通过定义角色、请求、示例等元素来引导模型进行创造性工作。

角色 (Character/Role) : 定义AI需要扮演的角色。请求 (Request) : 明确提出具体的需求或问题。示例 (Examples) : 提供一个或多个参考示例，帮助模型理解期望的风格、格式或内容方向。调整 (Adjustments/Tone) : 提出对输出的风格、语气、长度等进行调整的具体要求。额外信息 (Extra Info) : 提供任何有助于完成任务的附加背景信息。

10.1.2 示例提示

# 角色你是一位知名的美食博主。# 请求为一道家常菜“番茄炒蛋”写一篇食谱介绍。# 示例参考风格：“大家好，我是你们的老朋友小美。今天我要分享一道我外婆的拿手好菜——金沙银边番茄炒蛋！这道菜的秘诀在于……”# 调整请用热情、亲切的语气，让读者感觉就像在和一位朋友聊天。步骤要清晰，并加上一些让菜肴更好吃的小窍门。# 额外信息这道菜的特点是鸡蛋要炒得嫩滑，番茄要出汁但不能太烂。

10.1.3 特点&优劣势

优势

创意导向: “示例”和“调整”的结合非常适合内容创作，能够有效地引导模型模仿并创新。直观易懂: 通过提供范例，降低了用户描述复杂风格要求的难度。灵活性高: 各个元素可以根据具体需求灵活组合使用。

劣劣势

依赖于示例质量: 提供的示例质量直接决定了输出结果的上限。可能限制创新: 如果示例过于具体或死板，可能会限制模型跳出框架进行更自由的创作。

11. ROSES 提示词框架（荐）

11.1.1 含义说明

ROSES 框架是一个结构化的方法，旨在通过定义角色、目标、场景、预期解决方案和步骤，来引导模型解决复杂问题或完成规划任务。

角色 (Role) : 定义AI需要扮演的角色。目标 (Objective) : 阐明需要达成的总体目标。场景 (Scenario) : 描述问题发生的具体情境或背景。预期解决方案 (Expected Solution) : 描述期望得到的解决方案的形态、关键组成部分或需要满足的条件。步骤 (Steps) : 列出达成解决方案所需的具体执行步骤或需要考虑的因素。

11.1.2 示例提示

# 角色你是一名专业的活动策划师。# 目标为公司策划一场以“团队凝聚力”为主题的年度团建活动。# 场景公司有约100名员工，来自不同部门，年龄跨度从20岁到50岁。预算为5万元人民币。活动时间为一天。# 预期解决方案我需要一个包含主题、地点建议、详细流程安排、趣味性团队游戏以及预算分配的完整活动方案。# 步骤1.  提出3个不同的活动主题供选择。2.  为每个主题推荐一个合适的地点（室内或室外）。3.  设计详细的时间表（从上午9点到下午5点）。4.  策划至少3个能促进跨部门交流的团队游戏。5.  制作一个清晰的预算明细表。

11.1.3 特点&优劣势

优势

强规划性: 非常适合用于生成方案、计划、报告等需要清晰结构和详细步骤的内容。目标导向: 从目标出发，层层分解至具体步骤，确保所有产出都服务于最终目的。全面细致: “预期解决方案”这一环节能帮助用户更精确地描述自己想要的东西，减少沟通偏差。

劣势

结构较为固定: 框架的线性结构可能不适合需要更多发散性思维的创意任务。前期思考成本高: 用户在提问前需要对自己的需求有一个非常清晰和系统的规划。

12 BROKE（荐）

12.1.1 含义说明

业界上比较流行的说法是，下面这种。

背景 (Background):  提供足够的背景信息角色 (Role):  设定特定的角色目标 (Objectives):  明确任务目标关键结果 (Key Results):  定义关键的、可衡量的结果演变 (Evolve):  迭代优化，通过试验和调整来测试结果，并根据需要进行优化。

另一种说法

背景 (Background): 提供足够的背景信息请求/任务 (Request): 明确要求或任务期望结果 (Outcome): 期望得到的结果关键信息 (Key Information): 必要的信息，样本示例排除/避免事项 (Exceptions): 无关项，边界case排除

12.1.2 示例提示

# 背景市场正经历通胀# 角色你是一位专业的投资顾问# 目标分析未来6个月的投资机会# 关键结果提供三种投资组合建议，附上风险评估# 演变随着市场数据变化，动态调整投资建议

12.1.3 特点&优劣势

优势

逻辑闭环，强目标导向：适合商业分析、项目管理等复杂决策任务Key Results量化输出：明确要求具体交付物，显著降低结果偏差率降低沟通与试错成本：强制提供业务上下文，避免AI因信息缺失产生偏离减少无效对话轮次：结构化设计平均节省50%的交互次数，提升效率

劣势

过度约束创意类任务：结果导向抑制开放性输出，生成小说、诗歌时易僵化依赖精准的初始设定：若目标或关键结果定义模糊，可能导致全面偏离预期

四、其他框架说法

13.1.1 SCOPE

情境(Scenario) => 阻碍(Complications) => 目标(Objective) => 计划(Plan) => 评估(Evaluation)

示例

# 情境新茶饮品牌市场份额连续3季度下滑 # 阻碍竞品低价策略+Z世代偏好变化  # 目标Q4市场份额回升至15%   # 计划联名IP产品线+社交媒体盲盒营销  # 评估周度GMV监测+TikTok话题热度榜

13.1.2 TRACE(RACE升级)

任务 (Task) => 角色 (Role) => 行动 (Action) => 上下文 (Context) => 期望 (Expectation)

示例

# 任务用户画像分析  # 角色你是一名数据分析师# 行动按消费习惯分层描述  #上下文取材2024年Steam数据  # 期望生成数据分析报告

13.1.3 ICIO

指令(Instruction) => 背景(Context) => 输入(Input) => 输出(Output)

示例

# 指令分析TOP5品牌的市场份额变化，指出增长最快的品牌及其成功因素# 背景公司计划在Q3推出新款旗舰机，需要了解竞争对手的市场表现# 输入2024年第一季度智能手机市场销售数据报告# 输出包含数据对比表格的详细分析报告，并附3条战略建议