AI时代价值百万提示词技巧第二篇

四、提示词万能公式：AI提示词框架合集

上一章我们探讨了提示词工程技术的理论体系与发展脉络。掌握这些技术，能够让你在设计提示词时更加有章可循——毕竟，它本质上是一套系统的方法论，包含了分步思考、知识整合等逻辑框架。不过，理论讲多了确实容易让人感到困惑，对于大多数普通用户而言，那些学术化的概念理解起来有一定难度，实际运用也存在门槛。

因此，面向大众的实用化技术——也就是我们常说的提示词框架——应运而生。这些框架本质上是标准化的模板或操作范式，能够将复杂的理论打包成可复用的方法论。市面上那些被吹得神乎其神的“高价值提示词案例”，背后十有八九都是这些框架在发挥作用。这些方案更接地气的叫法，其实就是提示词设计的“万能公式”。它们的核心价值在于：通过预设好的逻辑路径和表达范式，将专业门槛降到最低，让任何人都能快速搭建出高质量的提示词。

这两类方法并不矛盾，而是相辅相成的。你可以用本章介绍的任意一个框架，去描述和调用上一章所讲的18种技术中的任何一种。

1. 角色扮演框架

角色扮演框架的逻辑十分清晰：通过为AI设定一个特定身份——例如医生、律师、博主——来激活其相应的专业知识库和语言风格，引导它输出符合该身份调性的内容。

这是最直观、最简单，也是普通人最容易上手的提示词写法。简单来说，就是直接告诉大模型“你应该扮演什么角色”、“擅长什么”、“我需要你帮我做什么”。

角色扮演最大的好处在于能快速设定对话的基调，让回答自带专业感和情境感，避免那种敷衍的通用回应。

举个例：你是一位小红书文案专家，擅长创作爆款文案和标题，请以“XXX”为主题，帮我写一篇爆款文案和标题。

2. ICIO框架（指令-背景-输入-输出）

ICIO框架是一个非常经典且结构化的提示词工具。它将提示词拆解为四个核心要素：指令（Instruction）、背景（Context）、输入（Input Data）、输出指示器（Output Indicator）。

• 指令（Instruction）: 框架的核心，用于明确定义AI要执行的任务。撰写指令时，语言应简洁清晰、避免歧义和赘述，保持任务单一。通常以动词开头，例如“创作xxx”、“分析xxx”。
• 背景（Context）: 提供任务的相关背景信息，帮助AI理解任务情境，从而准确执行。背景信息通常包括：目标受众、历史背景、任务目的等。
• 输入数据（Input Data）: 即提供给AI完成任务所需的数据和材料。可以是统计数据、相关文档、参考资料，甚至图片和音视频。
• 输出指示器（Output Indicator）: 指导AI输出的格式和要求。例如指定输出格式、字数限制、语气风格、具体包含哪些元素等。

ICIO的最大优势在于能够明确任务边界，灵活配置复杂需求。同时结构简单、易于记忆和使用，能够覆盖大多数任务场景，确保指令不遗漏关键信息。

我们来看一个具体的例子：

指令(Instruction)：制定一份为期三个月的健身计划，目标是减脂10%并增强核心力量。
背景信息(Context)：用户是一名28岁男性，身高175cm，体重85kg，体脂率28%，办公室久坐族，每周可安排4次训练（每次60分钟），设备有哑铃和瑜伽垫，无重大伤病史，偏好高强度间歇训练(HIIT)与力量训练结合。
输入数据(Input Data)：
- 身体指标：体重85kg/体脂率28%/基础代谢率1800kcal/日
- 运动经验：半年健身房经历，能完成标准深蹲/硬拉
- 饮食偏好：减少精制糖摄入，蛋白质摄入量目标为1.6g/kg体重
输出指示器(Output Indicator)：以表格的形式输出以下内容：
- 训练计划：每周3次力量训练（上下肢分化）+1次HIIT，需具体到动作名称/组数/次数/间歇时间
- 饮食方案：每日三餐示例及热量控制目标，配合训练周期调整碳水/蛋白质比例
- 恢复策略：睡眠时长建议（7-9小时）、主动拉伸动作库及每周1次泡沫轴放松方案
- 进度追踪：每周体重/体脂率记录表、训练容量变化曲线及RPE主观疲劳量表

3. CO-STAR框架（背景-目标-风格-语调-受众-回应）

CO-STAR框架由新加坡政府科技局数据科学与AI团队创建，是一个非常实用且容易上手的提示词构建工具。它是一个六维结构：背景（Context）、目标（Objective）、风格（Style）、语调（Tone）、受众（Audience）、回应（Response）。使用CO-STAR能够构建出更完整、更有效的提示词，显著提升AI生成内容的相关性和效果。

• 背景（Context）: 给模型提供足够的背景信息，帮助它理解任务的上下文、环境和条件。
• 目标（Objective）: 明确告诉AI，你期望它完成的具体任务或目标是什么。
• 风格（Style）: 指定AI生成内容的整体风格，比如正式、小红书风、学术风等，包括词汇选择和句子结构。
• 语调（Tone）: 确定内容的情感基调，比如礼貌、说服性、激励性等。
• 受众（Audience）: 描述目标受众的特征，比如年龄、兴趣、职业、专业程度等。
• 回应（Response）: 指定AI回应的格式，比如表格、段落、列表等，以及具体的回应要求。

再来看一个例子：

根据CO-STAR框架调整生成的西藏旅游攻略提示词如下：
**Context（上下文）**
用户计划进行西藏拉萨/日喀则/林芝5日深度文化之旅，预算中等（日均600-900元，含高原反应预防药物及氧气瓶租赁），偏好宗教圣地朝圣、藏族民俗体验及高原特色美食推荐，需避开7-8月雨季泥石流高发期及国庆黄金周人流高峰，设备配备单反相机、便携充电宝及防晒装备。
**Objective（目标）**
生成包含每日行程路线、特色体验项目（如布达拉宫朝圣仪式、藏式辩经观摩、煨桑祈福）、交通接驳方案（越野车包车/青藏铁路班次）及餐饮推荐（酥油茶、牦牛肉火锅、青稞酒）的完整攻略，重点突出非游客密集型景点（如色拉寺后山徒步道、扎叶巴寺修行洞）及地道文化体验点（如藏历新年体验馆、唐卡绘制工坊）。
**Style（风格）**
采用“游记+攻略”混合体裁，每部分配