提示词工程100问：chatGPT提示词框架最全总结（1）

钻石星辰0212

提示词，又称为指令，prompt。是发送到ChatGPT 等大模型应用的输入内容。
它可以理解为是一个你需要传达的问题或指令，由AI响应并提供一个答案。

提示的质量和准确性对ChatGPT等AI应用 输出的有用性和相关性有很大影响。
对个人而言，如何针对个人的具体需求，通过大模型应用快速获取到高质量的输出内容，提示词是一门大学问。
对企业而言，如何针对业务诉求，快速低成本实现 prompt 提示词的尺度化出产，以及模板化，流程化的设计，正受到越来越大的重视。
一些互联网大厂和独角兽公司，也开始招募 prompt 设计范围的专家。



基于以上布景，我推出了提示词工程师 100 问系列内容。
旨在辅佐大师成立提示词工程（prompt engineering）的基础认知和学习体系。
能够将所学内容应用到日常生活，工作中，找到一份提示词工程师有关的工作。
100 个问题尽量短小精悍，把问题解决的同时，成立常识框架，好读不烧脑。
今天带来第一个问题：
Q1:什么是提示词框架？
提示词框架（prompt framework）是一种用于生成自然语言文本的技术，它基于预定义的模板和法则，可以辅佐生成特定范围或任务的文本。
这些模板和法则可以包罗语法布局、语义法则、上下文信息等，以生成符合特定要求的文本。
提示词框架有一套尺度的元布局，大部门的提示词具有类似布局：
首先，ChatGPT收到一条提示，奉告Al应该扮演什么角色。
然后，提示会告诉Al用户提供了什么信息。
接下来，告诉Al应该如何措置这些信息，包罗对标的目的的粗略建议。
但这种框架太简单太抽象，无法通过尺度化的方式复制。
于是，开始诞生了各个分歧的提示词框架体系或者学派。
一、Elavis Saravia的 ICIO 框架
ICIO框架是Elavis Saravia总结的一套框架，他认为一个prompt里需包含以下四个部门：

Instruction (必需): 指令, 即你但愿模型执行的具体任务
Context (选填): 布景信息, 或者说是上下文信息, 这可以引导模型做出更好的反映
Input Data (选填): 输入数据, 奉告模型需要措置的数据
Output Indicator (选填): 输出指示器, 奉告模型我们要输出的类型或格式。
使用案例：
Instruction (必需): 生成一段关于互联网历史的文本。
Context (选填): 布景：互联网是一个全球互联的计算机网络系统，使用尺度互联网协议套件（TCP/IP）为全球数十亿用户提供处事。
它是一个由数以百万计的网络组成的网络，此中包罗从当地到全球的私有、公共、学术、商业和当局网络，这些网络通过各种电子、无线和光纤网络技术连接。Internet承载着大量的信息资源和处事，例如彼此链接的超文本文档和万维网（WWW）应用法式、电子邮件、电话和文件共享。
输入数据（Input Data）：无。
产出指标（Output Indicator）：案文段落。
二、Matt Nigh的 CRISPE 框架
CRISPE框架是Matt Nigh提出的一个用于编写prompt输出复杂内容的框架，它是首字母的缩写，分袂代表以下含义：
CR：Capacity and Role（能力与角色）：你但愿 ChatGPT 扮演怎样的角色。
I：Insight（洞察）：布景信息和上下文。
S：Statement（陈述）：你但愿 ChatGPT 做什么。
P：Personality（个性）：你但愿 ChatGPT 以什么风格或方式回答你。
E：Experiment（尝试）：要求 ChatGPT 为你提供多个答案。
使用案例：
能力和角色：作为机器学习框架主题的软件开发专家和博客撰写专家。

见解：本博客的读者是对机器学习范围的最新进展感兴趣的技术专业人士。

陈述：全面概述最风行的机器学习框架，包罗其优势和劣势。包罗现实生活中的示例和案例研究，以说明这些框架如何成功应用于各个行业。
个性：回答时，混合使用Andrej Karpathes、Francois Chollet、Jeremy Howard和Yann LeCun的写作风格。
尝试：“给我多个分歧的例子”。
三、“陈财猫”的 BORE 框架

BORE 框架是陈财猫设计的一套ChatGPT提示设计流程，提高 ChatGPT 的工作效率和质量。
BORE 是 Background, Objectives, Results, Experiment 的缩写，它包罗四个部门：
Background: 阐述布景，为 ChatGPT 提供充沛信息。
Objectives: 定义任务方针，告诉 ChatGPT 我们但愿实现什么。
Results: 定义关键成果，让 ChatGPT 知道实现方针所需要达成的具体、可衡量的成果。
Experiment: 试验并调整，通过试验来查验成果，并按照需要进行调整。



使用案例：



四、Szhans的提示词框架
即刻大佬Szhans提出的一个新的提示词框架，可以让ChatGPT们成为你更好私人参谋
图中布局很简洁：
表达方针：（你想做什么？）
提供框架：（给出示例)
方针受众：（什么类型的人会去读）
语气风格：（比如幽默、严肃、正式...）
参考的作者/电影/册本/其他的风格：（比如斯蒂芬金）
不要触及的部门：（比如政治）



Szhans指出，稍微细致思考这个布局的合理性（或改良之处），变成一次产物经理式探索模式，你会发现有这些特点：
无非是系统思维、换位思考、成立框架的习惯以及写作能力。
（Prompt Engineering ），还是有关提问的艺术，是思维能力的综合表示：去挖掘本质，对表象和噪声「断舍离」。
五、这几个提示词框架有何分歧？
其实市面上还有非常多的提示词框架，在此就纷歧一介绍了，仅介绍一些主流框架和我个人斗劲承认的框架。
Elavis Saravia 框架和 CRISPE 框架是两种优化提示成果的风行东西，辅佐确保提示清晰、信息丰硕、有效，并提供个性化的回答。
此中，Elavis Saravia 框架强调上下文、具体性和全面的指导，释放人工智能模型的全部潜力。
CRISPE 框架则注重上下文、相关性、信息丰硕性、具体性和问题导向。
使用 BORE 框架可以辅佐用户更好地与 ChatGPT 交互，提高 ChatGPT 的工作效率和质量，不外有必然的使用门槛和学习成本。
这几个框架都可以辅佐我们更好地使用 ChatGPT，但它们在细节上有所分歧，可以按照需求选择适合我们本身的框架。