以下是为AI提示语工程师设计的"万能"提示语框架，包含结构化模块和灵活调整机制，适用于不同场景需求：

CORE通用框架介绍

1. CORE 通用框架（Components-Optimization-Refinement-Evaluation）

① 目标定位模块 - Components

• 核心目标：清晰描述输出需达成的核心目的

• 角色设定：指定AI应扮演的专家角色（行业+职能）

• 场景说明：交代应用场景和使用者背景

• 格式要求：明确输出格式及展示维度

② 约束规范模块 - Optimization

• 质量维度：准确性、完整性、创新性等指标

• 限制条件：字数/时间/伦理规则等硬性约束

• 避坑指南：需避免的错误方向或敏感内容

③ 交互优化模块 - Refinement

• 思维引导：分步思考或举例说明的触发词

• 知识限定：知识库范围或参考资料索引

• 风格调整：正式/口语化，学术/创意等语态

④ 迭代验证模块 - Evaluation

• 测试用例：典型场景的模拟输入

• 校正机制：错误识别与修正提示

• 版本管理：持续优化的提示语改进记录

2. 场景化衍生模板

示例模板：

"[作为具备{领域}知识的{角色}]，请按照{标准/框架}，用{语言风格}完成{核心任务}。
要求：
①包含{关键要素} 
②避免{错误倾向} 
③输出结构需包含{组成部分}。若有不确定信息，请通过{交互方式}进行确认。"

行业适配指南：

• 文本生成：强调逻辑层次&案例分析模板

• 数据分析：增加验证步骤&可视化说明

• 图像创作：细化风格参数&构图约束

3. 动态调整机制

智能调节要素：

• 复杂度旋钮：通过增减约束条件控制创意空间

• 温度参数化：将"creative/严谨"等抽象描述转化为可控参数

• 容错梯度：设定从严格验证到探索模式的调节谱系

4. 验证检查清单

效果评估维度：

✅ 目标覆盖度：是否满足所有既定需求

✅ 指令明确性：存在二义性的风险点

✅ 模型适配度：与目标AI的交互特性匹配度

✅ 扩展灵活性：支持后续调整的扩展接口

最佳实践组合

1. "角色+任务+格式"铁三角强制组合

2. 正反例对比法：“优秀示例应包含…，需避免类似…的错误”

3. 三段式升级法：基础指令→增强限定→激发创新

4. 元认知提示：“请先规划执行步骤，再分阶段输出”

此框架可通过调整模块组合适配不同AI模型（GPT/Claude/MidJourney等），建议保存典型场景的模块组合为快捷模板，并建立常用约束条件的参数化词库以提高效率。

本文代码片段支持直接复制到ChatGPT/Claude使用，核心逻辑已通过mermaid可视化

一、程序员必备的万能框架（附代码块）

1.1 基础框架 - CORE四步法

"""
[作为{领域}专家] 请按照以下结构处理【{任务类型}】：
➊ 目标定位
- 核心目的：「用20字说清核心需求」
- 我的身份：{身份/职业} 
- 必须排除：{3个错误方向}
➋ 输出要求 
- 格式：{JSON/Markdown/ASCII表格} 
- 必备参数：「code示例必须用{语言}」
- 校验规则：if存在不确定数据 then {执行步骤}
➌ 思维过程（必须展示）
1. 规划执行路径
2. 分阶段验证可行性
3. 结果优化建议
➍ 版本控制
- 历史记录格式：v1.0_{日期}
- 变更记录需标注diff
"""

1.2 场景化模板（以代码生成为例）

"""
[作为全栈开发专家] 请生成一个{Python}的{Flask API}：
1. 必须包含✅：JWT验证、Swagger文档、日志中间件
2. 绝对避免❌：SQL注入漏洞、明文存储密码
3. 代码结构：
   |-- app.py
   |-- config/
   |-- utils/(包含加密模块)
   
请在输出前执行：
!check_security()  # 调用安全检查函数
!verify_api_doc()  # 验证文档完整性
"""

二、实现逻辑可视化（Mermaid）

flowchart TD
    A[目标定位] --> B{约束检查}
    B -->|通过| C[生成方案]
    C --> D[格式校验]
    D --> E{存在不确定?}
    E -->|是| F[发起人机验证]
    E -->|否| G[输出结果]
    F --> G
    G --> H[记录版本]
    
    subgraph 迭代优化
    H --> I[测试用例集]
    I --> J[校正错误]
    J --> K[更新参数库]
    end

三、程序员调参秘籍

3.1 温度参数对照表

需求场景	参数化语句	温度值
严谨代码	!set temperature=0.3	0.3-0.5
头脑风暴	creative_mode=high	0.7-1.0
算法优化	balance_mode=medium	0.5-0.7

3.2 避坑代码示例

# Bad Case：缺乏约束条件
response = generate_code("写个登录接口")
# Good Case：带安全约束
response = generate_code(
    "用Flask写安全的登录接口",
    constraints=[
        "必须包含防暴力破解机制",
        "密码存储使用bcrypt", 
        "返回JWT有效期2小时"
    ]
)

3.3 元认知触发公式

"""
请先规划解决【{问题}】的执行路线图，需包含：
1. 3个关键路径检查点
2. 风险评估矩阵（技术可行性×时间成本）
3. 备用方案（当遇到{指定错误}时触发）
"""