AI提示词的框架有哪些

写好提示词，其实不需要什么天赋，靠的是框架。框架就像是填空题，你把需要的信息填进去，AI 就能更准确地理解你的意图。用框架能避免你拿到一堆没用的、模糊的回答。很多时候 AI 回答得不好，问题不在 AI，在于我们的提问方式太随意了。

最基础也最常见的一个框架，是角色 (Role)、任务 (Task)、格式 (Format)，简称 RTF 框架。这个框架非常适合日常大多数通用任务，因为它足够简单直接。

第一步是定义角色。你得告诉 AI 它“是谁”。 把它想象成一个演员，你需要先给它设定一个角色，这个角色决定了它的语气、说话风格和知识背景。如果你不说，它就会用默认的、最普通的“AI 助手”身份回答你，这种回答通常很平淡。

举个例子，不说“给我一份减脂食谱”，而是说“你是一位经验丰富的健身教练和营养师”。你看，后者就给 AI 设定了一个清晰的角色。这个角色会调动它知识库里关于营养学和运动科学的部分，回答会更专业。你还可以设定“你是一位资深文案”，或者“你是一位幼儿园老师”，不同角色输出的内容风格完全不同。

第二步是明确任务。这是你具体想让它做什么。 这里的关键是具体、清晰，不要有模糊的词。 比如，“分析一下我的文案”就是一个模糊的任务。什么叫“分析一下”？是从语法角度、营销角度还是用户情感角度？

一个更明确的任务是：“针对以下这篇关于咖啡的社媒文案，从吸引年轻用户的角度，分析它的优点和缺点。” 这个任务就很具体，AI 知道要从“吸引年轻用户”这个特定视角出发，而不是泛泛而谈。

第三步是指定格式。 如果你不说要什么格式，AI 可能会给你一段长长的文字，或者一个简单的列表。指定格式能确保你拿到手的内容是直接可用的。你可以要求它用“无序列表”、“表格”、“JSON 代码”或者“一封邮件的格式”来输出。

比如，前面那个健身教练的例子，你可以加上：“请用表格的形式，列出周一到周三的详细减脂午餐计划，包含食材、分量和卡路里估算。”这样，你得到的就是一个结构清晰、一目了然的表格，而不是一段需要自己整理的文字。

把这三步合起来，一个完整的 RTF 提示词就是：“你是一位经验丰富的健身教练和营养师。你的任务是为我设计一份为期三天的减脂午餐计划。请用表格的形式展示，包含日期、食材、分量和预计的卡路里。”这是一个非常扎实的提示词，输出的结果质量会很高。

但是，RTF 框架也有它的局限。当任务变得更复杂，需要 AI 理解更深层的背景信息时，只靠这三点就不够了。这时候，就需要更高级的框架，比如 CARE 框架。

CARE 框架由背景 (Context)、行动 (Action)、结果 (Result)、范例 (Example) 四个部分组成。 它特别适合需要高质量、风格一致的专业内容输出，比如营销文案或者工作报告。

第一，背景 (Context)。 这里你要提供所有与任务相关的背景信息。AI 没有你脑子里的知识，你需要把它当成一个刚入职的新同事，把项目背景、目标用户、品牌调性等信息都告诉它。

比如，你要写一篇推广电动牙刷的文案。背景就可以是：“我们是一家主打性价比的消费电子品牌，目标用户是 20-30 岁的年轻人。他们注重生活品质，但对价格敏感。我们的品牌调性是轻松、有趣，带一点科技感。”

第二，行动 (Action)。这和 RTF 里的“任务”很像，但更强调具体指令。 你想让 AI 具体做什么动作？是“撰写”、“总结”、“翻译”、“对比”还是“代码实现”？

接上例，行动可以是：“请撰写三篇用于社交媒体发布的推广文案。”

第三，结果 (Result)。 你期望看到什么样的最终产出？这里要描述你对结果的具体要求。比如文案的字数、风格、要包含哪些关键词等等。

结果可以是：“每篇文案的字数在 150 字左右，风格要活泼有趣，能吸引年轻人互动。文案需要强调产品的三个核心卖点：续航持久、清洁力强、价格亲民。最后要带上购买链接的话题标签。”

第四，范例 (Example)。 这是 CARE 框架里很关键的一步。给 AI 一个具体的例子，能让它更直观地理解你想要的风格和格式。 这比用很多形容词去描述要有效得多。你可以直接贴一段你认为写得很好的文案，然后告诉它：“请参考以下这个例子的风格来写。”

这个范例就像是给 AI 一个模仿的对象，它会迅速抓住你想要的“感觉”，并应用到新的创作中。

除了这些结构化的框架，还有一个非常实用的技巧，叫做思维链 (Chain-of-Thought, CoT)。 这个技巧很简单，就是在你的提示词最后加上一句“让我们一步一步地思考”。

这句话会引导 AI 把一个复杂问题分解成若干个小步骤，然后依次推理，最后得出结论。 这对于解决逻辑题、数学题或者需要多步骤分析的复杂任务非常有效。因为 AI 在一步一步的推理过程中，每一步的思考都会成为下一步的依据，这大大降低了它直接给出一个错误答案的概率。

比如，你问 AI：“一个项目有 5 个任务，每个任务需要 3 天完成，但任务 3 必须在任务 1 完成后才能开始，任务 4 和 5 可以同时进行。如果团队有两个人，同时只能做两个任务，最早什么时候能完成所有任务？”

如果你直接问，AI 可能会算错。但如果你在后面加上“让我们一步一步地思考”，它就会先把任务依赖关系理清楚，然后安排人力和时间，最后计算出总工时。这个过程会清晰地展示在它的回答里，让你不仅知道答案，还知道它是怎么算出来的。

还有一个更高级的框架，我个人在处理战略性或者需要深度分析的问题时很喜欢用，那就是 TRACE 框架。它由 任务 (Task)、要求 (Request)、行动 (Action)、背景 (Context)、范例 (Example) 构成。

它看起来和 CARE 有点像，但侧重点不同。TRACE 更强调“要求”，也就是对输出内容的约束条件。

• 任务 (Task)：你希望 AI 完成的核心目标是什么？比如，“为我的新产品制定一个市场推广策略。”
• 要求 (Request)：这里要详细列出策略里必须包含哪些具体部分。比如，“策略必须包括目标市场分析、核心卖点提炼、社交媒体渠道选择、内容主题规划和预算分配建议。”
• 行动 (Action)：AI 需要执行的具体动作。“请生成一份详细的报告。”
• 背景 (Context)：提供关于产品、公司和市场的所有相关信息。
• 范例 (Example)：如果可能，提供一个你认为优秀的市场策略报告作为参考。

使用这些框架的关键在于练习。刚开始可能会觉得有点麻烦，像在填表格。但当你习惯了这种结构化的提问方式后，你会发现你和 AI 的沟通效率大大提升。你花在写提示词上的几分钟，可以省去后续几十分钟甚至几小时修改 AI 生成内容的时间。这才是真正高效利用 AI 的方式。