Atri Website

Back

提示(Prompt)是输入给大模型(LLM)的文本信息,用于明确地告诉模型你想要解决的问题或完成的任务,也是大语言模型理解用户需求并生成相关、准确回答或内容的基础。 为了帮助你更高效地使用 LLM ,本教程为你提供一系列实用的技巧,帮助你设计和优化 Prompt。

Prompt 设计#

构建核心

一个优质的 Prompt 拥有着严密合理的逻辑和清晰明确的要求。就像和一个资深的程序员提需求,你不能使用一句话描述完所有的需求。例如你帮我做一个智能问答机器人,帮助我们管理产品档案、回复客户提问。那么产品档案的范围是多少、要做到什么程度、能透露多少产品的细节等等。因此提供一个清晰明确的目标,是能够有效提高最终的项目效果的。

模糊的 prompt清晰的 prompt
你是一位资深 PHP 编程专家,现在接到一个明确的开发任务。诉求是:${require}。请使用PHP语言详细描述一种实现该诉求的算法或方法,并考虑在实现过程中可能遇到的边界情况和错误处理,以及如何通过高效且安全的代码来满足此需求。作为一位经验丰富的PHP编程专家,您面临的具体开发任务为:${require}。请运用您的专业知识,详细阐述一种利用 PHP 实现该任务需求的高效算法或方法论。在您的描述中,请务必涵盖以下几点: 1. 具体实现步骤,包括必要的函数、类及数据结构的选择与设计。2. 边界条件分析,识别并解释潜在的边缘案例及如何妥善处理这些情况。3. 错误处理机制,描述如何在代码中实施健壮的错误检测与异常处理逻辑,以确保程序稳定性。4. 安全性考量,讨论可能的安全威胁及推荐的防范措施,确保代码执行过程中的数据安全与隐私保护。5. 性能优化建议,提出提高代码执行效率的方法,包括但不限于算法优化、资源管理和缓存策略。请确保您的解答不仅技术准确,而且条理清晰、易于理解,以便其他开发者能够快速掌握并应用于实际项目中。

Prompt 框架#

为了系统化地向 LLM 提供明确背景和目的,这里推荐使用 Prompt 框架规范化你的 Prompt。该框架用于帮助你方便、快速地设计 Prompt 结构。该模板充分考虑了会影响 LLM 输出有效性和相关性的各个方面,能显著提升模型表现。

以下提供几种常用的 prompt 框架,各有侧重,但都是优质的设计框架。您可选择一种作为您的主流设计框架。

由于各个框架的重复内容较多,只是指导 AI 的角度有些不同,因此先给出核心要点,避免您陷入多个框架的混乱理解中。

总结:核心要点#

虽然框架各有侧重,但是核心不过是这几点:

  1. Role:角色,即 AI 在人机交互中扮演的角色
  2. Context:背景/上下文,即 您想要 AI 完成的任务的背景信息,这是基于什么情况下想要完成的任务
  3. Task:目标(步骤 CoT 可选),即明确您进行本次交互的最终目标是什么。可使用 CoT 将复杂任务拆解多个步骤。
  4. Format:格式,即 AI 输出的格式约束,是想要 AI 的输出较为发散(具有”人”味),还是较为严谨(json 格式封装 API)。
  5. example:(可选)示例,最好能够给出示例,让 AI 有参考目标。但这是可选的,因为有种方法叫做 零样本提示,这方法适合简单的任务,例如机器人问答。

1. RCTFE#

一个能在生产环境中使用的 Prompt,通常包含以下 5 个要素(前 3 个必须,后 2 个进阶)。该框架面向程序员,以

  1. Role:角色。你是谁?(定义 AI 的能力边界和视角)
  2. Context:背景。发生了什么?任务的背景信息是什么?
  3. Task:任务。具体要做什么?(动词开头,清晰明确)
  4. Format/Constraints:格式/约束。输出长什么样?(字数、语气、JSON、列表等)
  5. Examples:(少样本)示例。给我打个样。(这是提高准确率的最强手段)

示例

从简单的一句话到结构化约束,以 “写一个产品推销文案” 为主题,看看 Prompt 是如何逐步构建的。

简单 prompt

请为一款“降噪耳机”写一段推销文案。
bash

中级 prompt,结果基本可用,语气对路,格式清晰,一般人与模型对话的正常水平。

# Role
你是一名拥有10年经验的资深数码产品营销专家,擅长用乔布斯式的极简风格写作。

# Context
我们即将发布一款名为 "QuietPod" 的降噪耳机,目标用户是需要在嘈杂办公室工作的程序员和设计师。

# Task
请写一段简短的产品发布文案。

# Constraints
1. 语气:专业、极简、富有感召力。
2. 长度:不超过 100 字。
3. 格式:包含一个吸引人的标题,正文使用 3 个要点(Bullet points)。
4. 避免使用陈词滥调(如“极致体验”)。
bash

高级 prompt,使用”结构化 + 思维链 + 示例 + 防御性指令”,用于 API 调用。

高级 prompt 的核心是:

  1. 结构清晰:使用了 # 标题,LLM 能清楚地区分哪里是指令,哪里是数据
  2. 思维链:告诉 AI 先想痛点,再写文案,逻辑更通顺
  3. 少样本提示:给了一个""雨伞”的例子,AI 立刻就懂了“痛点营销”是什么意思,比你解释半天更有用
  4. 分隔符:在 API 调用中,如果 Input Data 是用户输入的,通常建议用 """ 包裹起来(如 """用户输入的内容"""),防止用户输入的内容干扰指令(这叫提示词注入防御)

2. RASCEF#

  • Role(角色):定义 AI 在交互中所扮演的角色,如电子邮件营销人员、项目经理等
  • Action(行动):明确 AI 需要执行的具体行动,如编写项目计划或回答客户咨询
  • Script(步骤):提供 AI 完成任务时应遵循的步骤,确保任务的有序进行
  • Content(上下文):提供背景信息或情境,帮助 AI 理解任务的背景和环境
  • Example(示例):通过具体实例展示期望的语气和风格,帮助 AI 更好地模仿和理解
  • Format(格式):设定 AI 输出的格式,如段落、列表或对话,以适应不同的沟通需求

Script 部分即思维链 CoT 的使用方式,或者说,就是 CoT 的另一种说法。

该框架的特点极度强调执行逻辑和标准化,十分适合用于 API 的封装,和前文的高级 prompt 的构建是一个思路。

3. BPS-TAO#

  • 背景 Background:介绍与任务紧密相关的背景信息。这一环节有助于 LLM 深入理解讨论的具体环境,从而保证其生成内容与话题高度相关
  • 目的 Purpose:明确指出您期望 LLM 完成的具体任务。通过设定清晰、精确的目标指令,可引导 LLM 聚焦于实现既定任务,提升输出的有效性
  • 风格 Style:指定您希望 LLM 输出的写作风格,可以是某个具体名人、具体流派或者某类专家的写作风格
  • 语气 Tone:定义输出内容应有的语气,比如正式、诙谐、温馨、关怀等,以便适应不同的使用场景和使用目的
  • 受众 Audience:明确指出内容面向的读者群体,无论是专业人士、入门学习者还是儿童等,这样 LLM 就能调整语言和内容深度,使之更加贴合受众需求
  • 输出 Output:规定输出内容的具体形式,确保 LLM 提供的成果能直接满足后续应用的需求,比如列表、JSON 数据格式、专业分析报告等形式

这个框架把“Role”拆解得非常细致,分成了 风格、语气、受众 三块。这对于多功能聊天机器人一类的 model 简直是完美的指导手册。

该框架更适合产品经理、运营,因为他没有使用 API 封装需要的严格的 CoT 和 示例(API 需要极度稳定的 JSON 输出,光靠文字描述目的不够稳定)。如果用于 API 封装,这会导致输出不稳定和潜在的提示词注入问题。

以实现一个英语口语老师为例(主要是聊天):

4. CRISPE#

  • Capacity and Role(角色):明确 AI 在交互中应扮演的角色,如教育者、翻译者或顾问
  • Insight(背景/洞察):提供角色扮演的背景信息,帮助 AI 理解其在特定情境下的作用
  • Statement(任务):直接说明 AI 需要执行的任务,确保其理解并执行用户的请求
  • Personality(个性):设定 AI 回复的风格和格式,使其更符合用户的期望和场景需求
  • Experiment(实验):如果需要,可以要求 AI 提供多个示例,以供用户选择最佳回复

Insight:它不仅仅要求背景,更要求“洞察”。比如不仅仅是“用户要减肥”,而是“用户尝试了很多次都失败了,心理很脆弱”

该框架弱化了格式,更倾向于风格多样化,适用于文案写作、头脑风暴、聊天机器人等场景。

示例对比#

以前文的例子:推销 QuietPod 降噪耳机的文案作为主题,进行各个框架之间的异同点对比。

RCTFE#

输出

RASCEF#

输出

BPS-TAO#

重心不再是 CoT,即第一步做什么,第二步做什么,而是”给谁看、什么感觉、模仿谁”。

输出

CRISPE#

它不像 RASCEF 那样追求标准答案,也不像 BPS-TAO 那样追求品牌调性,CRISPE 更像是一个创意生成器。它假设你不知道自己想要什么,所以要求 AI 提供多个选项(Experiments)供你挑选

输出

输出对比#

RCTFE

{
  "pain_point": "通勤路上噪音不断,开会时分心,睡眠被干扰,普通耳机无法彻底隔绝外界声音。",
  "selling_point": "45dB 深度主动降噪,30 小时超长续航,佩戴如无物般轻盈舒适。",
  "copy": "被噪音折磨得无法专注?QuietPod 45dB 深度降噪瞬间隔绝世界,30 小时续航告别充电焦虑,佩戴无感让你全天沉浸,从此告别分心烦恼。"
}
bash

RASCEF

BPSTAO

静谧之境

专注,是深度工作的起点。QuietPod Pro 为你创造无扰空间,让心流自然发生。

- 消除干扰,回归本真  
- 佩戴无感,持续专注  
- 沉浸思考,效率自生
bash

CRISPE

三大框架全景图对比⚔️#

维度RASCEF (瑞士军刀)BPS-TAO (品牌手册)CRISPE (创意画板)
侧重点执行 (Execution)调性 (Tone)创意 (Ideation)
核心指令Script:第一步做 A,第二步做 BStyle:像乔布斯一样说话Experiment:给我 3 个选项
对待背景Content: 纯事实参数Background: 宏观市场背景Insight: 微观用户心理洞察 (最核心区别)
AI 的角色严谨的工程师资深的品牌总监脑洞大开的小编/策划
适用场景API 封装
数据清洗、格式化输出
角色扮演
稳定的性格塑造
头脑风暴
当你不知道该怎么写 Prompt 时,用它

推荐 prompt 优化工具(可选)#

当然,如果不会优化 prompt,或者没确定合适的内容,借用工具。例如阿里云的 prompt 优化工具,只能说能用,不一定好用。

将以下 promp 优化后的内容:

原始 prompt为示例 RASCEF 的内容。优化后

角色: 你是一名专注于“转化率优化 (CRO)”的资深电商文案策划。你擅长将枯燥的技术参数转化为直击用户痛点的各种场景化描述。
行动: 请根据提供的产品信息,撰写一段用于产品落地页(Landing Page)的销售文案。文案必须能激发购买欲望,并引导用户下单。
步骤: 请严格遵循以下步骤进行创作:(1) 吸引 (Hook):用一个反问句开场,直接点出目标受众当前的痛点(噪音干扰)。(2) 连接 (Connect):解释为什么这个痛点很糟糕(影响效率/心情),产生共鸣。(3) 解决方案 (Solution):引入产品,并将“参数”转化为“利益点”(例如:不要说45dB,要说“就像进入了图书馆”)。(4) 行动 (Call to Action):给出一个强有力的结尾,鼓励尝试。
上下文: 产品名称:QuietPod Pro核心参数:主动降噪深度 45dB,单次续航 30 小时,重量仅 3.5g。目标受众:需要在开放式办公室工作的程序员、长期出差的商务人士。用户痛点:无法集中注意力,环境噪音导致焦虑,普通耳机戴久了耳朵疼。
示例: 【案例】产品:QuietPod Pro;参数:主动降噪深度 45dB,单次续航 30 小时,重量仅 3.5g;痛点:开放式办公环境中的噪音干扰,长时间佩戴耳机的不适感。输出:### 受够了开放式办公室的噪音轰炸?让QuietPod Pro成为你的私人隔音室!* 是否曾因同事的电话声、打印机的轰鸣而无法集中精神?这些噪音不仅破坏了你的工作节奏,还让你的心情跌入谷底。* 现在,想象一下,只需轻轻一按,整个世界仿佛静止,就像进入了图书馆一样宁静。这就是QuietPod Pro带来的奇迹。* 主动降噪技术,深度达到惊人的45dB,相当于将你置身于一片寂静之中。长达30小时的续航能力,让你无论是在办公室还是长途飞行中,都能持续享受宁静。轻盈的3.5g设计,即使长时间佩戴也毫无负担。* 不再让噪音成为你的困扰,QuietPod Pro,你的专注守护者。立即体验,让高效工作成为日常。
格式: 请输出 Markdown 格式,包含:标题 (H3),正文 (分段,口语化),核心卖点列表 (使用 符号作为列表头)。
bash

原始输出效果:

效果:

### 你的开放式办公室噪音还在偷走你的专注力吗?让QuietPod Pro瞬间打造你的私人静音区!  

还在被同事的键盘敲击声、会议室的喧闹声打断思路吗?这些无处不在的噪音不仅让你的代码写到一半就卡壳,还让焦虑像影子一样缠着你——工作效率直线下降,连午休都成了奢侈。程序员和商务人士最懂:当耳朵被噪音折磨得发疼,连呼吸都变得沉重,你哪还有心思搞定KPI?  

现在,只需轻轻一触,整个世界瞬间安静如初。QuietPod Pro就像为你量身定制的“声音屏障”,把45dB的主动降噪深度转化为图书馆级别的宁静——你耳边只剩下自己清晰的思考声。30小时超长续航,从早会到深夜航班,全程陪伴你专注工作;3.5g的轻盈设计,像羽毛般贴合耳朵,哪怕连续戴8小时也毫无压力,彻底告别普通耳机的酸胀感。  

别再让噪音偷走你的高效时刻!QuietPod Pro,专为你的高要求场景而生。**立即下单,解锁24/7的专注力,让每一次点击都精准无误——你的职场超能力,从这一刻开始!**  

 **45dB深度降噪 = 瞬间进入图书馆级静音**:告别键盘声、打印机轰鸣,专注力飙升300%  
 **30小时超长续航 = 从早会到跨城出差全程无忧**:无需频繁充电,高效工作不间断  
 **3.5g轻盈设计 = 长时间佩戴零负担**:耳朵不疼不累,舒适感堪比没戴耳机
bash

笔者更倾向于下面的输出文案,较为口语化,毕竟是先使用了大模型对构建好的 prompt 做了优化。

Prompt 优化#

除了上文提到的,可使用工具进行 prompt 的二次优化,以下方法可以在构建原始 prompt 时使用,得到一个较好的原始 prompt。

技巧一:为模型提供输出样例#

在 Prompt 中提供您期望的输出示例,可以让 LLM “模仿”我们所要求的规范、格式、概念、文法、语气进行输出。同时,提供样例可以让大模型多次输出的结果更一致,从而稳定模型表现。

即上文框架里经常提到的输出样例,此处不多赘述。

技巧二:设定完成任务的步骤#

该技巧即 CoT 思维链提示。CoT(Chain-of-Thought)是提示词工程中最强大的技能之一,常用于解决复杂的逻辑推理任务。

1. Why CoT

LM(大语言模型)本质上是一个概率预测机,它是根据上一个字猜下一个字。

没有 CoT(快思考):模型会试图直接靠直觉跳到答案。对于简单的问候或事实(如“法国首都是哪里?”),这没问题。但对于逻辑题,它很容易猜错

有 CoT(慢思考):强制模型先生成推理步骤。模型生成的每一个推理步骤,都会成为生成下一步的上下文。这可以有效提高最终答案的准确率

2. 两种 CoT 写法

2.1. 零样本 CoT

不需要给出示例引导模型进行逻辑推理,只需要在输入的 prompt 结尾加上一句魔法咒语:“Let’s think step by step.” (让我们一步步思考)。

❌ 普通 Prompt:

我去市场买了10个苹果。我给了邻居2个,又给了修理工2个。然后我又去买了5个香蕉并吃掉了1个。我现在有几个苹果?
plaintext

AI 可能的回答(容易出错):你现在有 10 个水果。(它可能混淆了苹果和香蕉,或者计算错误)

✅ Zero-Shot CoT:

我去市场买了10个苹果。我给了邻居2个,又给了修理工2个。然后我又去买了5个香蕉并吃掉了1个。我现在有几个苹果?请一步步思考。
plaintext
AI 的回答:

1. 开始时你有 10 个苹果。
2. 你给了邻居 2 个苹果:10 - 2 = 8 个苹果
3. 你给了修理工 2 个苹果:8 - 2 = 6 个苹果
4. 你买了 5 个香蕉,但这不影响苹果的数量
5. 你吃掉了 1 个香蕉,这也不影响苹果的数量
plaintext

结论:你现在有 6 个苹果

2.2. 少样本思维链

给模型提供一个问题 -> 推理过程 -> 答案的示例,让它模仿这个逻辑。

示例:

user_input:
Q: 罗杰有5个网球。他又买了两筒网球,每筒有3个。他现在有多少个网球?
A: 罗杰开始有5个球。2筒乘以每筒3个等于6个球。5 + 6 = 11。答案是11。
Q: 食堂有23个苹果。如果他们用掉20个做午餐,又买了6个。现在有多少个苹果?
A: 食堂开始有23个。用掉20个,剩3个。买了6个,3 + 6 = 9。答案是9。
Q: 约翰有15个糖果,吃了一半,又捡到了3个。他现在有几个?(模型会模仿上面的格式回答)
AI output:
bash

3. 使用场景

并不是所有情况都要“一步步思考”。如果滥用,会浪费 Token(钱)并增加延迟

  • 无需使用:
    • 创意写作:写诗、写小说
    • 简单查询:“中国的首都是哪里?”
    • 闲聊:“你好吗?”
  • 必须用的时候
    • 数学计算
    • 逻辑推理:谁是谁的舅舅的儿子
    • 编程:解释代码逻辑
    • 制定计划:旅行攻略
优质Prompt构建
Author Juyao Huang
Published at December 4, 2025
Comment seems to stuck. Try to refresh?✨