该系列是一个提示词框架的整理笔记，尝试收录至今为止所有的提示词框架。最终共收集到了24个提示词框架，我将这些框架按照复杂度分成了如下5个类别：

1. 基础类：适合日常快速任务，包括RTF、TAG、ERA、APE、BAB、CTF共6个框架
2. 流程类：适合中等复杂度任务，包括ICIO、RISE、RACE、CARE、SPAR、SAGE共6个框架
3. 规范类：适合特定专业领域，包括TREF、GRADE、ROSES、COAST、TRACE、CO-STAR共6个框架
4. 探索类：支持迭代优化和多方案探索，包括CRISPE、RASCEF、BROKE、PATFU共4个框架
5. 综合类：适合最复杂的综合任务，包括CREATE、RTCROS、PECRA共3个框架

关于提示词框架的使用方式，我将这些提示词框架的元素都写成了几个问题，大家可以通过回答这些问题去编写和优化自己的提示词，或者你也可以将这些问题给到AI，让AI帮你检查和优化提示词。

关于提示词的来源，所有的提示词框架都是我从网络上的各种渠道收集到的，本来也想要写上每个提示词框架的作者，但是经过多次搜索感觉很难找到真正的作者，所以就统一不标记作者，只标记有争议的框架。在这里感谢所有提示词框架的作者和传播者。

关于提示词的示例，我在笔记中就不添加具体的例子来演示了，因为部分提示词框架我也不常用，我写的例子也不一定好，我认为这些提示词框架主要参考的是思想的模板。如果你真的想要示例来参考，我想AI可以写得更好。

我感觉这些提示词框架不仅仅是一套提示词模板，而且是一种很好的"清晰表达"的思考框架，第一次接触提示词框架时就让我想起了"STAR法则"，也是用一个模板来帮助我们清晰的表述一件事。希望这些笔记能够帮到大家，同时，要注意尽管我说是"大全"，但是也可能会出现遗漏或带有主观性，还请大家辩证的阅读和参考。

流程类框架概述

流程类框架是在基础类的基础上的延伸

• 元素数量适中：3-4个元素，简洁性和功能性的平衡
• 双向关联：元素之间存在因果链条或相互影响关系
• 专业性提升：开始引入更专业的概念（如输入输出、步骤规划）

---

1. ICIO 框架

Input（输入）

• 我需要提供什么具体数据或信息？
• 输入的数据格式是什么？（表格、列表、段落）
• 输入数据的质量和完整性如何？

例如：销售数据、用户评论、代码片段等。

如果你的任务不需要明确的输入输出，可以考虑使用RTF或其他框架

Context（背景）

• 这些输入数据的背景是什么？
• 数据从哪里来？代表什么含义？
• 在什么情境下使用这些数据？

例如：数据来源、业务背景、使用场景等。

"Context"和"Input"的区别：Context是背景信息（如数据来源、业务场景），Input是具体数据（如销售额、用户评论）

Instruction（指令）

• 我需要AI对输入数据做什么操作？
• 应该执行什么分析、处理或转换？
• 分析的深度和广度如何？

例如：分析趋势、总结要点、优化代码等。

Output（输出）

• 我希望输出什么格式？
• 输出应该包含哪些内容？
• 如何呈现输出结果？（表格、图表、报告）

例如：JSON格式、报告结构、代码块等。

特别适合的场景

• 需要处理结构化数据（销售数据、用户数据、财务数据）
• 任务涉及明确的输入数据和背景信息
• 需要明确指定输出格式（表格、图表、JSON）
• 适合数据分析、代码审查、数据转换等技术任务

注意：之后的这个部分都是我按照提示词框架中带有的元素推出来的，即我认为这些场景可能会需要这样的元素组合，给大家做个参考

检查表

检查项	判断标准
1. 输入是否具体?	提供了具体的数据或信息,输入格式明确(表格/列表/段落)
2. 背景是否清晰?	说明了输入数据的来源、含义和使用情境
3. 指令是否明确?	清楚说明了需要对输入数据执行什么操作(分析/处理/转换)
4. 输出是否可控?	明确规定了输出格式、内容和呈现方式(表格/图表/报告)
5. 信息分离清晰?	Context(背景)和Input(具体数据)界限清晰,避免混淆

---

2. RISE 框架

Role（角色）

• 我需要AI扮演什么角色？
• 这个角色应该具备什么专业背景？
• 角色设定如何帮助AI完成任务？

例如：营销专家、数据分析师、产品经理等。

Input（输入）

• 我需要提供什么信息或数据？
• 输入数据的性质是什么？（产品信息、用户数据、市场数据）
• 数据的完整性和质量如何？

例如：产品信息、用户数据、市场数据、竞品信息等。

Steps（步骤）

• 我需要AI采取什么步骤？
• 第一步、第二步、第三步分别是什么？
• 每个步骤的目标是什么？

例如：分析用户群体、确定核心卖点、设计策略、撰写文案等。

通过明确执行路径来确保分析的全面性和逻辑性

如果你的任务不需要明确的步骤规划，可以考虑使用RACE或其他框架

Expectation（期望）

• 我希望得到什么结果？
• 输出应该包含哪些内容？
• 对输出的质量有什么要求？

例如：提供完整报告、包含数据和图表、给出具体建议等。

特别适合的场景

• 任务需要基于特定数据进行分析（市场分析、财务分析、用户分析）
• 需要明确的执行步骤和分析流程
• 对输出的专业性和准确性要求较高
• 适合市场分析、财务分析、产品评估、用户研究等任务

检查表

检查项	判断标准
1. 角色是否专业?	指定了具有相关专业知识或经验的角色(如"10年经验的营销专家")
2. 输入是否充分?	提供了充分的信息或数据,数据性质和完整性明确
3. 步骤是否清晰?	列出了明确的执行步骤(至少3步),每步有具体目标
4. 期望是否明确?	明确说明了输出应包含的内容和质量要求
5. 逻辑是否完整?	Role-Input-Steps-Expectation形成完整闭环,无逻辑断层

---

3. RACE 框架

Role（角色）

• 我需要AI扮演什么角色？
• 这个角色应该具备什么专业背景或经验？
• 角色设定如何影响输出的风格和语气？

例如：资深撰稿人、旅行顾问、数据分析专家、客户服务专员等。

如果你的任务不需要特定的角色或背景信息，可以使用APE或其他框架

Action（行动）

• 我需要AI做什么？
• 行动的核心内容是什么？
• 行动的边界在哪里？

例如：撰写通知、规划路线、分析数据、制定方案等。

Context（背景）

• 我需要提供什么背景信息？
• 任务发生的情境是什么？
• 有哪些重要的环境因素需要考虑？

例如：大雾天气、计划旅行、公司推出新产品、特定事件等。

通过提供背景信息帮助AI更好地理解任务情境

Expectation（期望）

• 我希望得到什么结果？
• 对字数、格式、语气有什么要求？
• 输出应该包含哪些关键内容？

例如：中英文双语、约150字、包含行程安排、语气柔和等。

特别适合的场景

• 需要特定的角色和风格（客户服务、创意写作、商业咨询）
• 任务有明确的行动要求（撰写通知、规划方案、制定策略）
• 背景信息对任务理解很重要（特定情境、环境因素）
• 适合客户服务、创意写作、商业咨询、公关活动等场景

检查表

检查项	判断标准
1. 角色是否明确?	指定了具体的角色身份,说明了专业背景或经验
2. 行动是否清晰?	明确说明了需要AI完成什么工作,行动核心内容清晰
3. 背景是否充分?	提供了任务发生的情境信息,重要环境因素已说明
4. 期望是否具体?	明确规定了字数、格式、语气等具体要求
5. 元素关联合理?	Role、Action、Context、Expectation之间逻辑一致,无矛盾

---

4. CARE 框架

CARE框架存在多个版本：

• 版本1：Context（背景）、Ask（要求）、Rules（规则）、Examples（示例）

• 版本2：Context（背景）、Action（行动）、Role（角色）、Expectation（预期）

• 版本3：Context（背景）、Action（行动）、Result（结果）、Example（示例）

版本2的CARE框架就是RACE框架，所以为了与其他框架进行区分，这里选用版本1来讲解

Context（背景）

• 我需要提供什么情境信息？
• 任务的背景和环境是什么？
• 有哪些重要的因素需要考虑？

例如：产品即将上线、开发团队10人、数字化转型项目等。

Ask（要求）

• 我需要AI具体做什么？
• 核心任务是什么？
• 需要达到什么目标？

例如：撰写API接口文档、编写项目实施方案、设计数据迁移方案等。

Rules（规则）

• 必须遵守什么规则或约束？
• 有哪些强制性要求？
• 输出应该遵循什么标准？

例如：包含至少10项功能、必须包含安全要求、支持HTTP/HTTPS协议等。

Examples（示例）

• 可以提供什么参考样例？
• 有什么成功案例可以借鉴？
• 参考格式或风格是什么？

例如：标准技术规范模板、XML数据交换格式、企业数字化转型案例等。

特别适合的场景

• 任务需要明确的规则和约束（文档编写、技术规范、标准制定）
• 需要参考示例或模板（格式要求、风格参考、案例借鉴）
• 背景信息对任务理解很重要（特定情境、目标受众、使用场景）
• 适合文档编写、技术规范、标准制定、方案设计等场景

检查表

检查项	判断标准
1. 背景是否充分?	提供了任务所需的情境信息,包括背景、环境和重要因素
2. 要求是否明确?	清楚说明了需要AI具体做什么,核心任务和目标明确
3. 规则是否具体?	明确列出了必须遵守的规则或约束,包括强制性要求和标准
4. 示例是否有效?	提供了可参考的样例或案例,示例具有指导价值和参考意义
5. 结构是否完整?	Context、Ask、Rules、Examples四个元素齐全,逻辑连贯

---

5. SPAR 框架

Scenario（场景）

• 我需要描述什么情境或背景？
• 任务发生的环境是什么？
• 有哪些重要的情境因素需要考虑？

例如：初创公司推出新产品、团队面临资源限制、市场环境变化等。

Problem（问题）

• 需要解决什么具体问题？
• 问题的核心是什么？
• 问题的严重性和紧急性如何？

例如：缺乏用户反馈机制、客户满意度下降、市场竞争力不足等。

如果你的任务不需要明确的问题识别，可以使用APE或其他框架

Action（行动）

• 需要采取什么具体行动？
• 行动的步骤是什么？
• 行动的优先级如何？

例如：收集用户意见、改进服务流程、优化工作流程、制定营销策略等。

SPAR框架强调从场景到问题的因果关系，确保行动具有针对性和有效性

Result（结果）

• 期望得到什么结果？
• 成功的标准是什么？
• 结果如何衡量？

例如：用户反馈报告、服务改进方案、效率提升方案、市场竞争策略等。

特别适合的场景

• 任务需要明确的问题识别和解决方案（问题解决、方案设计）
• 强调从场景到问题的因果关系（市场分析、业务诊断）
• 需要制定具体行动方案（策略制定、项目规划）
• 适合品牌设计、问题诊断、方案制定、策略规划等场景

检查表

检查项	判断标准
1. 场景是否清晰?	描述了任务发生的情境或背景,重要环境因素已说明
2. 问题是否明确?	清楚说明了需要解决什么具体问题,问题核心和紧急性明确
3. 行动是否具体?	明确列出了需要采取的具体行动,行动步骤清晰
4. 结果是否可衡量?	明确说明了期望得到的结果和成功标准
5. 逻辑是否连贯?	Scenario-Problem-Action-Result形成完整的问题解决链条

---

6. SAGE 框架

Situation（情境）

• 我需要提供什么背景信息？
• 任务的情境是什么？
• 需要多少信息才足够？

例如：项目背景、目标受众、资源限制、时间要求、团队规模等。

提供足够的情境信息能提高输出的质量，但提供过多的多余信息可能会混淆模型，导致输出不及预期

Action（行动）

• 我希望AI工具完成什么任务？
• 任务的类型是什么？
• 任务的复杂度如何？

例如：撰写报告、分析数据、设计方案、制定计划、优化流程等。

Goal（目标）

• 我期望看到什么输出？
• 输出应该包含什么格式、语气、受众等？
• 有哪些相关要求？

例如：正式报告格式、专业语气、2000字左右、包含数据图表等。

Evaluation（评估）

• 如何判断输出是否足够好？
• 如果没有得到期望的结果怎么办？
• 如何进行后续迭代？

例如：检查准确性、完整性、实用性、可读性，准备进行补充说明或修改。

使用SAGE框架需准备好在未得到期望结果时，提出后续提示，进一步迭代优化

如果你的任务不需要评估和迭代，可以使用RACE或其他框架

特别适合的场景

• 任务需要持续的迭代和优化（产品优化、流程改进）
• 强调输出质量的评估和反馈（用户研究、数据分析）
• 需要多轮对话和调整（方案优化、内容创作）
• 适合产品优化、用户体验改进、内容创作、方案迭代等场景

检查表

检查项	判断标准
1. 情境是否精简?	提供了足够的背景信息,但没有多余信息,避免信息过载
2. 行动是否清晰?	明确说明了需要AI工具完成的任务,任务类型和复杂度清晰
3. 目标是否具体?	明确规定了输出格式、语气、受众、长度等相关要求
4. 评估标准是否明确?	说明了如何判断输出质量,以及准备如何进行后续迭代
5. 是否准备好迭代?	准备好在未得到期望结果时提出后续提示,进行优化