产品经理必须懂得AI：prompts提示工程之五大经典框架

在数字化时代，了解AI提示词工程，有助于设计更智能的交互，优化产品功能，提升用户体验。本文总结了prompts提示工程之五大经典框架，希望对你有所启发。

1. 产品经理为什么需要了解AI提示词工程

在数字化时代，产品经理需要了解AI提示词工程，因为这有助于他们设计更智能的用户交互，优化产品功能，提升用户体验，并确保AI系统能够准确理解和响应用户需求。通过有效的提示词设计，产品经理可以引导AI系统生成高质量的内容，支持数据分析，提高自动化流程的效率，从而增强产品的市场竞争力。

2. 什么是AI提示词工程？

在AI提示词工程中，用户或开发者会提供一系列的指令或问题，这些指令或问题被称为“提示”（prompts）。提示的设计对于AI系统的表现至关重要，因为它们决定了AI如何解读任务、搜索信息并生成回答。有效的提示词工程需要考虑语言的清晰度、简洁性、相关性和具体性，以及如何引导AI系统沿着特定的思考路径进行操作。

换句话说，AI提示词工程是确保AI系统能够根据用户的需求提供恰当响应的关键技术。

下面介绍高效提示词的五大经典框架：CLEVER、ICIO、CRISPE、BROKE、RASCEF。

一、CLEVER介绍：提升ChatGPT内容创作的艺术与科学

CLEVER方法是一种系统化的提示工程策略，也是一个缩写，代表清晰度（Clarity）、语言（Language）、效率（Efficiency）、价值（Value）、评估（Evaluate）和结果（Results）。这种方法强调了在提示中使用精确、简洁和具有细节的语言，以及如何通过迭代和数据分析来不断优化提示，以获得更好的AI生成内容。

1. 清晰度（Clarity）

在清晰度方面，我们需要确保提示明确、具体，避免使用模糊或技术性术语，同时提供详细的指导和结构化数据，通过精确、简洁和注重细节来构建有效的AI文本生成提示。编写清晰提示的技巧和示例。

示例：

改进前的提示：“写一篇关于汽车的文章。”

改进后的提示：“写一篇1000字的文章，介绍福特野马的历史，包括其设计、特点和文化影响。”

改进前的提示：“创建关于咖啡的社交媒体帖子。”

改进后的提示：“写一条推文，推广新的有机、公平贸易咖啡豆，强调它们独特的风味档案和用于生产的可持续农业实践。”

2. 语言（Language）

在语言方面，我们应避免使用陈词滥调，而是使用生动、具象的语言来吸引读者。使用具体、描述性的语言来创建有影响力的AI生成内容的重要性。建议使用语言和措辞来增强AI文本生成输出。

示例：

改进前的提示：“写一篇关于素食主义的文章。”

改进后的提示：“创建一篇信息性文章，介绍基于植物的饮食的健康益处，包括科学研究和统计数据。”

改进前的提示：“为新书撰写产品描述。”

改进后的提示：“为新书撰写一个引人入胜的产品描述，使用生动的语言和吸引人的叙述风格，以吸引潜在读者并突出书籍的独特特点。

3. 效率（Efficiency）

效率则要求我们使用预先编写的提示模板，以节省时间并保持内容的一致性。使用预先编写的提示的好处，如节省时间、提高一致性和质量。建议使用和定制预先编写的提示的建议。

示例：

博客文章：

“请撰写一篇关于[插入产品/服务/行业]的前10大好处的博客文章。”

“你能创建一篇讨论[插入你的行业/领域]的最新趋势的文章吗？”

社交媒体帖子：

“创建一条关于我们新产品发布的社交媒体帖子。产品名称是[插入产品名称]，主要好处是[好处1]，[好处2]。使用突出产品特点和好处的语言，并添加几个传达兴奋和创新的emoji。”

“写一条社交媒体帖子，以庆祝[插入节日或特殊场合]。使用反映场合精神的语言，并添加相关emoji来捕捉情绪和情感。”

4. 价值（Value）

价值则关乎于如何通过市场研究和买家人物分析来创建与目标受众共鸣的提示。创建与目标受众共鸣的AI文本提示的实用技巧、工具和资源。理解目标受众、使用情感触发器和行动性语言的重要性。

示例：

“解释[产品/服务]的三个或更少句子的好处，突出其独特的卖点以及如何解决你的受众的痛点。”“列出[行业/领域]中人们常犯的五种错误以及如何避免它们，使用真实的例子和清晰的解释。”

5. 评估（Evaluate）

评估阶段强调了持续检查和改进提示的重要性。持续检查和评估结果的重要性，并根据反馈修订提示。通过迭代和数据驱动决策来优化提示和AI生成内容的建议。

示例：

“撰写一个175字的关于AI的短段落，使用生动、富有表现力的语言，运用隐喻、明喻、拟人、成语、意象和夸张来生动地传达主题内容。”

6. 结果（Results）

结果则关注于测试不同提示变体以找到最佳输。测试提示的不同变体以确定最佳输出，并据此进行调整。使用有效提示来确保每次生成的AI内容都是高质量的建议。

示例：

“写一篇65字的关于[主题]的介绍性博客文章，使用美丽、精细的写作风格，并使用类比。”

CLEVER方法为内容创作者提供了一种系统化的方式来优化与ChatGPT的互动，从而生成更高质量的内容。通过理解和应用这一策略，我们可以更有效地利用AI的力量，创造出既有深度又有吸引力的内容，从而在竞争激烈的数字世界中脱颖而出。记住，尽管ChatGPT是一个强大的工具，但最终，我们的目标是创造出既有机器效率又有人类情感的内容。

二、ICIO框架介绍：AI提示工程的高效沟通之道

在人工智能（AI）日益融入我们生活和工作的今天，如何有效地与AI系统沟通，使其能够理解和执行复杂的任务，成为了一个关键的技能。ICIO框架作为一种AI提示工程工具，旨在简化这一过程，提高AI系统响应的准确性和相关性。

ICIO框架通过四个关键组成部分——介绍（Intruction）、背景（Context）、输入数据（Input Data）和输出指标（Output Indicator），为AI系统提供了清晰的指导。这种结构化的沟通方式不仅提高了AI的工作效率，还确保了输出内容的质量，使其更符合用户的期望。

• Intruction（任务）：明确指出希望AI执行的具体任务，如“翻译一段文本”或“撰写一篇关于AI伦理的博客文章”。
• Context（背景）：提供任务的背景信息，帮助AI理解任务的上下文，例如，“这段文本是用于公司内部会议的开场白”。
• Input Data（输入数据）：指定AI需要处理的具体数据，如“请翻译以下句子：‘人工智能正在改变世界’”。
• Output Indicator（输出格式）：设定期望的输出格式和风格，例如，“请以正式的商务英语风格翻译”。

通过ICIO框架，产品经理和内容创作者可以更精确地与AI系统沟通，从而获得更符合需求的结果。这种框架的应用可以节省时间，减少沟通成本，并提高整体的工作流程效率。

产品经理到底该不该选择做B端？

近几年互联网经历了砸钱做市场的热潮后，越来越意识到，仅靠C端发力是不行的，需要尽快补齐B端的短板。那产品经理到底该不该选择转型做B端呢？

查看详情 >

ICIO框架作为一种高效的AI提示工程工具，正在逐渐成为与AI系统沟通的标准。它不仅简化了任务的描述，还提高了AI输出的质量和相关性。随着AI技术的不断进步，ICIO框架将继续发展，为用户带来更加智能化和个性化的体验。

三、CRISPE框架：塑造AI角色与任务的精准对话

随着人工智能技术的不断进步，AI在模拟人类角色和执行特定任务方面的能力日益增强。CRISPE框架作为一种新兴的AI提示工程方法，旨在通过明确的角色设定、背景信息、任务指令、个性风格和实验性回复，提升AI与用户之间的互动质量。

CRISPE框架通过以下五个步骤，为用户提供了一个清晰、高效的沟通路径：

1. 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。
2. Insight（背景）：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。
3. 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。
4. Personality（格式）：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。
5. 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。

方案介绍

Capacity and Role（角色）：例如，设定AI为“历史老师”，以便它能够以教育者的身份回答问题。

• Insight（背景）：提供背景信息，如“你正在教一个对历史感兴趣的10岁孩子”，帮助AI调整其回答的复杂度和内容。
• Statement（任务）：给出具体的任务指令，如“解释第二次世界大战的起因和影响”。
• Personality（格式）：指定AI的回复风格，例如“用简单易懂的语言，适合10岁儿童理解”。
• Experiment（实验）：如果需要，可以要求AI提供几个不同风格的示例，如“用故事讲述的方式”或“用时间线的形式”。

通过CRISPE框架，用户可以更精确地指导AI的行为，从而获得更加个性化和满足特定需求的互动体验。这不仅提高了沟通的效率，也使得AI能够更好地适应多样化的应用场景。

CRISPE框架作为一种创新的AI提示工程方法，为用户与AI之间的沟通提供了新的可能。它通过结构化的对话指导，使AI能够更好地理解和执行复杂的任务，同时保持与用户期望的一致性。随着AI技术的不断发展，CRISPE框架有望成为提升人机交互体验的重要工具。

四、BROKE框架：提升AI交互的深度与精度

在人工智能的快速发展中，如何有效地与AI进行沟通和互动，以实现预期的目标，已成为一个重要议题。BROKE框架提供了一种结构化的方法，帮助用户清晰地传达指令，确保AI能够生成满足特定需求的输出。

BROKE框架通过以下五个步骤，为用户提供了一个高效沟通的框架：

1. Background（背景）：提供详细的背景信息，帮助AI理解任务的上下文。
2. Role（角色）：明确AI在交互中所扮演的角色，如顾问、助手或内容创作者。
3. Objectives（目标/任务）：描述用户希望AI完成的具体任务。
4. Key Result（关键结果）：设定AI输出的风格、格式和内容要求，确保回答符合预期。
5. Evolve（改进）：在AI提供回答后，提供改进的方法，以优化未来的交互。

方案介绍

• Background（背景）：例如，“你正在为一家初创科技公司撰写一篇关于其最新产品的新闻稿。”
• Role（角色）：指定AI作为“新闻稿撰写者”，以便它能够以专业的角度回答问题。
• Objectives（目标/任务）：给出任务描述，如“撰写一篇吸引人的新闻稿，突出产品的独特卖点。”
• Key Result（关键结果）：设定回答的关键结果，例如，“使用正式和专业的语言，包含产品的主要功能和市场定位。”
• Evolve（改进）：在AI给出回答后，提供三种改进方法，如“调整语言风格以吸引目标受众”，“增加产品使用案例”，或“优化结构以提高阅读流畅性”。

通过BROKE框架，用户可以更精确地指导AI的行为，从而获得更加个性化和满足特定需求的互动体验。这不仅提高了沟通的效率，也使得AI能够更好地适应多样化的应用场景。

BROKE框架作为一种新兴的AI提示工程方法，为用户与AI之间的沟通提供了新的可能。它通过结构化的对话指导，使AI能够更好地理解和执行复杂的任务，同时保持与用户期望的一致性。随着AI技术的不断发展，BROKE框架有望成为提升人机交互体验的重要工具。

五、RASCEF框架：构建AI角色扮演的沟通桥梁

在人工智能日益融入我们日常生活的今天，有效的人机交互变得尤为重要。RASCEF框架提供了一种系统化的方法，帮助用户明确地指导AI扮演特定角色，并执行相应的任务，从而实现更加流畅和高效的沟通。

RASCEF框架通过以下六个核心要素，增强了AI在特定场景下的交互能力：

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。

方案介绍

• Role（角色）：例如，设定AI为“电子邮件营销人员”，以便它能够以专业的角度撰写邮件。
• Action（行动）：指定AI的任务，如“为新产品发布编写一份吸引人的电子邮件营销文案”。
• Script（步骤）：提供完成任务的步骤，例如“首先介绍产品特点，然后强调优惠活动，最后提供购买链接”。
• Content（上下文）：提供背景信息，如“新产品是一款环保型智能家居设备，目标客户是追求绿色生活的年轻家庭”。
• Example（示例）：给出一个成功的邮件营销文案示例，帮助AI理解所需的风格和语气。
• Format（格式）：设定输出格式，例如“使用正式而亲切的语言，以段落形式呈现，包含清晰的行动号召”。

通过RASCEF框架，用户可以更精确地指导AI的行为，从而获得更加个性化和满足特定需求的互动体验。这不仅提高了沟通的效率，也使得AI能够更好地适应多样化的应用场景。

RASCEF框架作为一种创新的AI提示工程方法，为用户与AI之间的沟通提供了新的可能。它通过结构化的对话指导，使AI能够更好地理解和执行复杂的任务，同时保持与用户期望的一致性。随着AI技术的不断发展，RASCEF框架有望成为提升人机交互体验的重要工具。

结束语：在探索AI提示词工程的旅程中，我们深入了解了如何通过精心设计的提示工程框架来引导AI系统，使其能够更有效地执行任务并生成高质量的输出。无论是CLEVER、ICIO、BROKE、CRISPE还是RASCEF框架，它们都强调了清晰、丰富、无歧义的角色定义、背景信息、行动指令、内容要求、示例展示和格式规范的重要性。这些框架不仅提升了AI的交互效率，还确保了内容的个性化和专业性，从而在各种应用场景中实现了人机协作的优化。随着技术的不断进步，我们可以期待AI提示词工程将继续发展，为未来的沟通和内容创作带来更多的创新和可能性。

如何系统的去学习大模型LLM ？

作为一名热心肠的互联网老兵，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。

但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的 AI大模型资料 包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。
• 内容：
  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
    - L1.4.1 知识大模型
    - L1.4.2 生产大模型
    - L1.4.3 模型工程方法论
    - L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
• 内容：
  • L2.1 API接口
    - L2.1.1 OpenAI API接口
    - L2.1.2 Python接口接入
    - L2.1.3 BOT工具类框架
    - L2.1.4 代码示例
  • L2.2 Prompt框架
    - L2.2.1 什么是Prompt
    - L2.2.2 Prompt框架应用现状
    - L2.2.3 基于GPTAS的Prompt框架
    - L2.2.4 Prompt框架与Thought
    - L2.2.5 Prompt框架与提示词
  • L2.3 流水线工程
    - L2.3.1 流水线工程的概念
    - L2.3.2 流水线工程的优点
    - L2.3.3 流水线工程的应用
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
• 内容：
  • L3.1 Agent模型框架
    - L3.1.1 Agent模型框架的设计理念
    - L3.1.2 Agent模型框架的核心组件
    - L3.1.3 Agent模型框架的实现细节
  • L3.2 MetaGPT
    - L3.2.1 MetaGPT的基本概念
    - L3.2.2 MetaGPT的工作原理
    - L3.2.3 MetaGPT的应用场景
  • L3.3 ChatGLM
    - L3.3.1 ChatGLM的特点
    - L3.3.2 ChatGLM的开发环境
    - L3.3.3 ChatGLM的使用示例
  • L3.4 LLAMA
    - L3.4.1 LLAMA的特点
    - L3.4.2 LLAMA的开发环境
    - L3.4.3 LLAMA的使用示例
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
• 内容：
  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

学习计划：

• 阶段1：1-2个月，建立AI大模型的基础知识体系。
• 阶段2：2-3个月，专注于API应用开发能力的提升。
• 阶段3：3-4个月，深入实践AI大模型的应用架构和私有化部署。
• 阶段4：4-5个月，专注于高级模型的应用和部署。

这份完整版的大模型 LLM 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓