免费POC,零成本试错

AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


告别无效提问:全能提示词框架,让需求设想秒变解决方案

发布日期:2025-07-03 20:19:35 浏览次数: 1748
作者:江枫AGI

微信搜一搜,关注“江枫AGI”

推荐语

告别无效提问,让AI成为你的提示词工程专家!只需输入需求,大模型自动生成结构化提示词并输出解决方案。

核心内容:
1. 揭秘"AI提示词工程助理"工作原理:从需求设想到解决方案的全流程
2. 三大核心概念解析:提示词、结构化提示词与AI沟通模型
3. 实战案例展示:高考志愿规划、网页生成等场景应用效果

杨芳贤
53AI创始人/腾讯云(TVP)最具价值专家

本文核心旨在:使用DeepSeek、ChatGPT、Gemini 等大模型, 扮演你专属的“AI提示词工程助理。你只需输入的“需求设想”大模型会为你自动构建成一个逻辑清晰、要素完整的“结构化提示词”完成AI角色设定, 然后基于此为你提供与问题相关的解决方案。

从单方面人工编写结构化提示词,演变为人指导AI设计生成结构化提示词,再到问题解决方案提供的全过程,且中间环节结构化提示词支持人工调整,无需熟悉其它应用平台,使用国内外大模型可直接上手实践。以下是文章主体核心脉络:



  • 目标 (Goal):
    创建一个名为“AI提示词工程助理”的实用工具。支持生成与“需求设想”相关的提示词框架角色设定,从而引导AI生成与问题相关的解决方案
  • 核心方法 (Methodology):
      这个助理的核心不是随意生成结构化提示词,而是依据一个定义的“AI沟通模型”
  • 实现路径 (Process):
  • 为了更好地理解,首先,我会向你解释三个常用的基本概念: 
    • 提示词 (Prompt): 与AI交互的基础指令。
    • 结构化提示词 (Prompt Structured): 一种更高级、结构化的提示词,旨在更精确地控制AI的输出。
    • AI沟通模型 (AI Communication Model): 源自一些 AI 实践者、教育者和用户社群共同提炼和推广的实践性概念,它将作为生成“结构化提示词”的理论基础和规则集,用于设定AI角色人设、约束、能力边界等,覆盖绝大多数需求场景(配图 04. Prompt 框架所示)。
  • 然后,我会基于这些概念,展示“AI提示词工程助理”的完整工作流程及核心实现。
  • 最后,通过使用“AI提示词工程助理”让你了解它是如何支持提供生成多场景的结构化提示词如文中示例:高考志愿规划师、可视化网页、学习规划制定



1. 目标 (Goal) 

在现实情况中,大部分 AI 使用者没有系统化学习过“提示词工程”,通常难以把自己脑海中的想法和行业经验表达出来,难以高效获取理想的结果。如果直接给他们一个复杂的提示词模版去填,反而增加了学习成本。那么,我们能不能反过来,让AI来扮演一个AI提示词工程助理根据用户输入需求设想来生成结构化的提示词,从而让大模型通过用户输入问题来提供生成解决方案呢? 


比如,当用户输入一个“设计一位资深高考志愿规划师, 要求考生输入预评估分数后,推荐报考院校、专业及发展前景的问题”时,大模型应用 DeepSeek、ChatGPT、Gemini 等模型自动为他匹配合适的“AI 沟通模型”,生成一条具体完整的“结构化的提示词”来完成AI “高考志愿规划师”这一角色设定,当高考志愿者输入咨询问题:“2025年成都理科考生,预计分数560,对AI感兴趣”  时,AI会为其提供的清晰完整的推荐方案供你参考。除此外文中还会提供使用Gemini 大模型生成可运行网页HTML、ChatGPT 制定学习计划应用示例。让你看到“AI提示词工程助理是如何支持生成多场景结构化的提示词。它可以像结构化提示词生成工厂,能为你提供源源不断AI角色设定及执行任务交付需求或解决问题的能力。


网上关于结构化提示词的教程很多,但常常让人感觉复杂。其实,掌握它的关键在于分清其内核中“不变的”和“可变的”部分。相信你也能在本文中找到答案。理论内容部分略长,你也可以直接跳至文末,先实践再逐步理解。

2. 提示词 (Prompt)

提示词 (Prompt)是指我们跟 AI 沟通过程中,输入给大模型(LLM)的一段自然语言,用来告诉它你想要什么样的输出。

  • 通常是一句话或一段话
  • 形式自由,没有固定模板
  • 可写可说,灵活通用

提示词越清晰,效果越好,这基本是一个使用 AI 常识。接着让我们来了解一下 “三段式”模式,能够帮助你写出清晰的提示词。“三段式 = 我是谁 + 我要干什么 + 我有什么要求”因为符合国内人的使用习惯,所以使用最多。或者你也可以将它称为编写“提示词”的一个万能方法。

通过“三段式”我们得到一个清晰的提示词: “我是一名经验丰富的旅行博主 ,设计一份 5 天去川西旅行行程攻略 。攻略内容要求:风趣幽默,擅长用生动的文字描绘旅途见闻,并给出实用的旅行建议。”  投喂大模型应用后就能够得到详细的旅行攻略。


 “AI 沟通模型”其他13 个高效实用的提示词框架,你可理解为都是在“三段式”模型基础上演化扩展而来 (如配图 04 所示)。

3. 结构化提示词 (Prompt Structured)

结构化提示词是指将任务分解成清晰的结构部分,通常使用特定框架来明确:角色、任务、背景、约束、格式等。  一般采用 markdown 格式语法编写

  • 拥有明确的逻辑结构
  • 遵循一种设计规则或模式(如RTF、CARE、CO-STAR 等)对应文中“AI 沟通模型”
  • 更适合复杂任务一致性输出多轮对话控制
  • 你也可以将结构化提示词理解为提示词的一个升级版本


如:“设计一位资深高考志愿规划师, 要求考生输入预评估分数后,推荐报考院校、专业及发展前景的问题”, 其对应“结构化提示词markdown 格式文本如下:
说明:该提示词使用文中设计AI提示词工程助理生成,后文会讲。
# 高考志愿规划师提示词(基于ROSES框架)
**Role/角色**  - 你是一位资深高考志愿规划师,拥有10年经验,熟悉全国高校录取数据、专业就业趋势  - 你的回答需基于权威数据(如教育部学科评估、近年录取分数线、就业报告)  
**Objective/目标**  - 根据考生预估分数,提供科学的院校及专业推荐  - 结合行业趋势,分析推荐专业的发展前景  
**Scenario/场景**  - 考生输入预估分数(如“理科620分”)  - 可选补充信息:兴趣学科(理工/文史/艺术等)、地域偏好(省内/省外)、职业倾向(科研/企业/公务员等)  
**Expected Solution/期望方案**  1. **院校推荐**     - 按“冲稳保”策略列出适配院校(冲:略高于分数;稳:匹配分数;保:低于分数)     - 标注院校优势学科、近年录取线波动趋势  
2. **专业推荐**     - 推荐3-5个适配专业,分析其课程设置、核心能力要求     - 结合考生兴趣(如有)优先匹配  
3. **发展前景**     - 行业需求(如人工智能、新能源等朝阳产业)     - 典型职业路径(如“计算机→大厂工程师→技术专家”)     - 薪资水平参考(应届生/5年经验)  
**Steps/步骤**  1. 请考生提供:预估分数 + 选科(如“物化生”) + 可选补充信息  2. 你逐步输出上述三部分推荐,每部分配数据来源说明(如“根据2023年软科排名”)  3. 最后询问考生是否需要调整偏好或进一步分析  

4. AI 沟通模型

AI 沟通模型:源自一些 AI 领域实践者、教育者和用户社群共同提炼和推广的实践性概念。很大程度上能解决“如何与AI高效互动” 问题,如配图 04所示。

  • 核心目标 (Core Objective):
     解决人机交互中的效率和精准度问题。它的存在是为了让用户能够更高效、更准确地引导AI完成特定任务。
  • 实现方式 (Implementation):
     它提供了一套通用的、结构化的公式或规则集。用户在构建特别是复杂的提示词框架时,可以遵循这些规则,就像填写一份逻辑清晰的“任务委托单”。
  • 最终效果 (Effect):
     依据此模型构建的提示词框架,拥有优越的逻辑结构。这种结构能够更有效地“激活”AI内部的相应知识和推理能力,使其输出的结果更贴近用户的深层意图和预期目标。

总之,就一个核心:“AI 沟通模型”目的就是为了匹配设定需求的提示词场景框架,然后使用该场景框架来生成相关的结构化提示词来设定AI角色人设,从而为相关的需求交付或问题解答做准备。

配图 04. Prompt 框架:  14 个高效实用的沟通模型。包含举例及说明,由一些 AI 实践者、教育者和用户社群共同提炼和推广的实践性概念


至此,相信你已经了解到提示词 (Prompt)结构化提示词及AI 沟通模型核心逻辑及关联关系,接下来我将为你介绍自动生成的提示词框架设计流程、核心实现及应用实践。

5. 让大模型应用扮演 “AI提示词工程助理” 生成“结构化提示词”人设到需求交付设计流程 & 核心实现

5.1、让大模型应用扮演 “提示词生成助理” 从生成“结构化提示词”人设到需求问题交付设计流程 

AI提示词工程助理”核心就是让大模型扮演一个“提示词工程师”的角色。将“AI沟通模型”作为生成结构化提示词框架或知识库。而用户输入的需求设想是这个提示词框架的内容,然后使用生成结构化的提示词作为AI角色设定去引导大模型生成与问题相关的需求交付或解决方案。


当接收到一个用户输入的简单需求设想,如:“设计一位资深高考志愿规划师, 要求考生输入预评估分数后,推荐报考院校、专业及发展前景的问题”,AI提示词工程助理”有四步,整体流程如配图5.1所示

配图5.1 “AI提示词工程助理”工程师工作流程


  1. 分析需求:这个需求的本质。如:期望拥有某种能力的人,能解决什么问题?
  2. 选择框架:从Lisp知识库中选择最匹配实践的框架(Framework),对应“AI沟通模型”14 个高效实用的提示词框架
  3. 生成结构化提示词:
    使用匹配框架的,生成一份与需求相关高质量的结构化提示词来作为AI角色人设。当然这一步你也可以对其中的任何细节部分补充或修改。
  4. 交付需求:
    使用结构化提示词去引导大模型生成与“高考志愿报考问题”相关问题的解决方案。

这种设计的好处在于,降低使用者编写结构化提示词的难度。从人单方面编写结构化提示词,演变为人指导AI设计生成结构化提示词。 它能像种子一样,根据你的需求设想,生长出各种与需求场景相关的结构化提示词,也可称为元提示词设计. 


5.2、核心实现: 使用 “AI提示词工程助理”加载“AI 沟通模型”


1. 将“AI沟通模型”14 个高效实用的提示词框架使用 Lisp 语法, 封装成一个通用工具方法,提示词框架库函数名称“define-prompt-framework-library”其内容如下:

关于Lisp 说明:

Lisp 是一种在人工智能研究的背景下发明的编程语言,对于没有编程经验朋友,这里将“AI沟通模型”封装成一个通用工具方法,想象成插线板或咖啡机,把复杂细节封装后暴露一个控制按钮方便操作就足够了。

封装成一个通用工具目的是为了“AI提示词工程助理”作为知识库来加载

(define-prompt-framework-library  '("采用 Lisp 编程构建14个流行的提示工程框架的集合,清晰易用,便于AI提示词工程助理使用.")
  ;; Framework 1RTF  (framework   (name "RTF")   (stands-for "Role, Task, Format")   (description "一个简单而强大的入门级框架,用于设定AI的角色、分配具体任务并指定输出格式。")   (components     (component (symbol R) (meaning "Role / 角色") (detail "为AI设定一个专家身份或角色。例如:你是一位资深的软件工程师。"))     (component (symbol T) (meaning "Task / 任务") (detail "清晰、明确地描述需要完成的具体任务。例如:请为以下Python函数编写单元测试。"))     (component (symbol F) (meaning "Format / 格式") (detail "指定期望的输出形式。例如:请以Markdown代码块的格式输出。"))))
  ;; Framework 2APE  (framework   (name "APE")   (stands-for "Action, Purpose, Expectation")   (description "侧重于行动和意图,帮助AI理解任务背后的“为什么”。")   (components     (component (symbol A) (meaning "Action / 行动") (detail "需要执行的主要动作。例如:总结、翻译、生成、分析。"))     (component (symbol P) (meaning "Purpose / 目的") (detail "执行该行动的最终目标是什么。例如:为了帮助初学者快速理解核心概念。"))     (component (symbol E) (meaning "Expectation / 期望") (detail "对结果的具体期望和标准。例如:期望总结不超过200字,语言通俗易懂。"))))
  ;; Framework 3CARE  (framework   (name "CARE")   (stands-for "Context, Action, Result, Example")   (description "通过提供完整的上下文和范例,引导AI进行精确的、有示例参考的输出。")   (components     (component (symbol C) (meaning "Context / 背景") (detail "提供任务相关的背景信息、约束条件。"))     (component (symbol A) (meaning "Action / 行动") (detail "需要AI执行的具体指令。"))     (component (symbol R) (meaning "Result / 结果") (detail "描述你期望得到什么样的结果。"))     (component (symbol E) (meaning "Example / 示例") (detail "提供一个或多个输入/输出的范例。"))))
  ;; Framework 4RACE  (framework   (name "RACE")   (stands-for "Role, Action, Context, Expectation")   (description "RTF的扩展,加入了更丰富的上下文信息。")   (components     (component (symbol R) (meaning "Role / 角色") (detail "设定AI的身份。"))     (component (symbol A) (meaning "Action / 行动") (detail "需要执行的任务。"))     (component (symbol C) (meaning "Context / 背景") (detail "提供与任务相关的具体情境。"))     (component (symbol E) (meaning "Expectation / 期望") (detail "明确的输出标准和要求。"))))
  ;; Framework 5TRACE  (framework   (name "TRACE")   (stands-for "Task, Request, Action, Context, Examples")   (description "一个非常详尽的框架,适用于复杂的、需要多步骤推理的任务。")   (components     (component (symbol T) (meaning "Task / 任务") (detail "最高层级的目标。"))     (component (symbol R) (meaning "Request / 请求") (detail "对任务的具体请求。"))     (component (symbol A) (meaning "Action / 行动") (detail "AI需要执行的一系列具体步骤。"))     (component (symbol C) (meaning "Context / 背景") (detail "所有相关的背景信息。"))     (component (symbol E) (meaning "Examples / 示例") (detail "提供清晰的示范。"))))
  ;; Framework 6ROSES  (framework   (name "ROSES")   (stands-for "Role, Objective, Scenario, Expected Solution, Steps")   (description "面向问题解决场景的框架,结构清晰。")   (components     (component (symbol R) (meaning "Role / 角色") (detail "AI扮演的专家。"))     (component (symbol O) (meaning "Objective / 目标") (detail "需要达成的明确目标。"))     (component (symbol S) (meaning "Scenario / 场景") (detail "问题发生的具体场景。"))     (component (symbol E) (meaning "Expected Solution / 期望方案") (detail "你期望的解决方案是什么样的。"))      (component (symbol S) (meaning "Steps / 步骤") (detail "为AI提供或要求AI提供解决问题的步骤。"))))
  ;; Framework 7CO-STAR  (framework    (name "CO-STAR")    (stands-for "Context, Objective, Style, Tone, Audience, Response Format")    (description "专为内容创作和文案生成设计,高度关注沟通的风格和受众。")    (components      (component (symbol C) (meaning "Context / 背景") (detail "写作的背景信息。"))      (component (symbol O) (meaning "Objective / 目标") (detail "本次写作希望达成的目的。"))      (component (symbol S) (meaning "Style / 风格") (detail "文章的风格,如:学术、轻松、专业。"))      (component (symbol T) (meaning "Tone / 语调") (detail "文章的语调,如:幽默、严肃、乐观。"))      (component (symbol A) (meaning "Audience / 受众") (detail "文章的目标读者是谁。"))      (component (symbol R) (meaning "Response Format / 响应格式") (detail "输出的格式,如:博客文章、邮件、推文。"))))
  ;; Framework 8TAG  (framework    (name "TAG")    (stands-for "Task, Action, Goal")    (description "一个简洁的、目标驱动的框架。")    (components      (component (symbol T) (meaning "Task / 任务") (detail "具体的任务是什么。"))      (component (symbol A) (meaning "Action / 行动") (detail "AI需要执行的操作。"))      (component (symbol G) (meaning "Goal / 目标") (detail "最终要实现的大目标。"))))
  ;; Framework 9ERA  (framework    (name "ERA")    (stands-for "Expectation, Role, Action")    (description "将期望置于首位,让AI优先理解目标。")    (components      (component (symbol E) (meaning "Expectation / 期望") (detail "首先明确你的最终期望。"))      (component (symbol R) (meaning "Role / 角色") (detail "AI需要扮演的角色。"))      (component (symbol A) (meaning "Action / 行动") (detail "需要执行的具体任务。"))))
  ;; Framework 10RISE  (framework    (name "RISE")    (stands-for "Role, Input, Steps, Expectation")    (description "适用于处理给定输入并需按步骤执行的任务。")    (components      (component (symbol R) (meaning "Role / 角色") (detail "设定AI的身份。"))      (component (symbol I) (meaning "Input / 输入") (detail "提供给AI处理的原始数据或文本。"))      (component (symbol S) (meaning "Steps / 步骤") (detail "要求AI遵循的处理步骤。"))      (component (symbol E) (meaning "Expectation / 期望") (detail "对最终输出的详细要求。"))))
  ;; Framework 11ICIO  (framework    (name "ICIO")    (stands-for "Instruction, Context, Input, Output")    (description "一个非常适合链式思考(Chain-of-Thought)和少样本(Few-shot)学习的框架。")    (components      (component (symbol I) (meaning "Instruction / 指令") (detail "清晰的指令,告诉模型要做什么。"))      (component (symbol C) (meaning "Context / 背景") (detail "提供必要的背景信息。"))      (component (symbol I) (meaning "Input / 输入") (detail "需要处理的具体输入数据。"))      (component (symbol O) (meaning "Output / 输出") (detail "描述期望的输出格式或提供一个输出范例。"))))
  ;; Framework 12COAST  (framework    (name "COAST")    (stands-for "Context, Objective, Actions, Scenario, Task")    (description "一个全面的框架,结合了情境、目标和具体任务。")    (components      (component (symbol C) (meaning "Context / 背景") (detail "事件的背景信息。"))      (component (symbol O) (meaning "Objective / 目标") (detail "你希望达到的最终目的。"))      (component (symbol A) (meaning "Actions / 行动") (detail "为达成目标需要执行的一系列动作。"))      (component (symbol S) (meaning "Scenario / 场景") (detail "设定一个具体的应用场景。"))      (component (symbol T) (meaning "Task / 任务") (detail "分配给AI的具体、可执行的任务。"))))
  ;; Framework 13CBR  (framework    (name "CBR")    (stands-for "Context, Background, Request")    (description "一个在发出请求前,充分铺垫背景信息的框架,确保AI完全理解前提。")    (components      (component (symbol C) (meaning "Context / 背景") (detail "当前的核心情境。"))      (component (symbol B) (meaning "Background / 前提") (detail "与情境相关的历史信息、数据或约束。"))      (component (symbol R) (meaning "Request / 请求") (detail "基于以上所有信息,提出你的具体要求。"))))
  ;; Framework 14: 三段式提示词 (The Three-Part Prompt)  (framework    (name "三段式提示词")    (stands-for "角色/前提, 任务/要求, 示例/格式")    (description "一个 foundational (基础的)、高度实用的框架,将一个提示词清晰地划分为三个逻辑部分:设定背景、下达指令和规定输出。它是构建结构化提示词的起点。")    (components      (component (symbol Part1) (meaning "角色/前提 (Context/Role)") (detail "第一部分,用于设定AI的角色、背景、规则或约束条件。它告诉AI'你是谁'以及'在什么规则下思考'。例如:'你是一名资深的市场分析师,接下来的回答都必须基于公开的市场数据。'"))      (component (symbol Part2) (meaning "任务/要求 (Task/Requirement)") (detail "第二部分,是提示词的核心。它清晰、具体地说明了需要AI完成的任务是什么。它告诉AI'要做什么'。例如:'请分析2024年全球电动汽车市场的三个主要趋势。'"))      (component (symbol Part3) (meaning "示例/格式 (Example/Format)") (detail "第三部分,用于指导AI如何输出结果。可以提供一个具体的输出范例(Few-shot),或者明确描述输出的格式、风格、长度等。它告诉AI'如何交付结果'。例如:'请以要点列表的形式输出,每个要点后附上简短的说明。'")))))
14 个高效实用的“AI沟通模型”封装-define-prompt-framework-library

2.使用“AI提示词工程助理”加载封装好的“AI沟通模型”工具方法“define-prompt-framework-library”  配图5.2所示:

配图5.2 核心实现-AI提示词工程助理加载“AI沟通模型”


“AI提示词工程助理”可以作为你生成结构化提示词的生产工具。严格执行设定工作流程。 其结构化提示词内容如下:

# 系统指令:AI提示词工程助理
## 你的角色与目标你是一个专业的“AI提示词工程助理”。你的核心任务是帮助用户将他们模糊、简单的需求,转化为结构化、清晰、完整且高效的AI提示词。你要利用你知识库中预定义的14个提示词框架来完成这个任务。
## 你的知识库你的内置知识库是一个Lisp风格的数据结构,名为 `(define-prompt-framework-library ...)`,其中包含了14个提示词工程框架(如RTF, CO-STAR, 三段式等),每个框架都有其名称、描述和组件。在执行任何任务前,你必须参考这个知识库。
## 工作流程当你收到用户的简单需求时,你必须严格遵循以下四步工作流程:
### 步骤 1: 分析需求 (Analyze)- 仔细分析用户输入的简单需求(例如:“帮我写个营销文案”)。- 识别其核心意图:任务类型(创作、分析、编程?)、目标受众、期望的风格和语调、是否有特定背景等。
### 步骤 2: 选择框架 (Select)- 遍历你的Lisp知识库中的14个框架。- 基于步骤1的分析,从 `(framework ...)` 列表中选择一个最适合该需求的框架。- **你必须在回答中明确说明你选择了哪个框架,并用一句话解释为什么选择它。** 这一点至关重要,它能向用户展示你的思考过程。
### 步骤 3: 生成结构化的提示词 (Generate)- 使用所选框架的 `(components ...)` 结构作为模板。- 将从用户简单需求中分析出的信息,以及你作为专家的补充思考,填充到框架的每一个组件中。- 如果用户信息不足,你需要根据常识和专业判断,提出最合理、最可能有效的填充内容(例如,为“营销文案”设定一个具体的“受众”和“语调”)。- 将填充好的框架内容,组合成一段完整、流畅、可以直接使用的结构化的提示词。
### 步骤 4: 交付成果 (Deliver)- **首先**,展示你选择的框架及选择理由。- **然后**,在一个清晰的Markdown代码块中,提供你最终生成的完整提示词。- **最后**,询问用户是否需要根据这个新生成的提示词,直接执行任务。
---**知识库参考 (内置):**[此处内心加载之前提供的包含14个框架的完整Lisp代码]

AI提示词工程助理 - 结构化提示词


到这里,我们已经知道当用户输入某一个“需求设想”时。大模型扮演的“AI提示词工程助理提示词工程师角色,从知识库“AI 沟通模型”选择最匹配的场景,生成结构化提示词, 最后通过结构化的提示词去引导大模型交付与问题相关的解决方案。


总之,从“AI提示词工程助理”加载“AI 沟通模型”直到生成与问题相关的需求方案。其核心就四步:“分析需求 → 选择模型 → 生成结构化提示词 → 交付需求(问题相关的解决方案)”  接下来进入实践环节。

6. 实践:让 “AI提示词工程助理” 交付清晰、完整的需求

准备阶段: 将“AI 沟通模型”define-prompt-framework-library 知识库与“AI提示词工程助理”依次投喂给大模型。待识别完成后,你也可以将左侧对话主题改为“AI提示词工程助理”。以下示例都是在准备阶段AI提示词工程助理使用上输入需求设想后生成多场景的结构化提示词。


如:当你输入一个的需求设想。如:“设计一位资深高考志愿规划师, 要求考生输入预评估分数后,推荐报考院校、专业及发展前景的问题 ”。 这时大模型应用从“AI 沟通模型”define-prompt-framework-library 提示词框架库中选择匹配规则集来生成一份 markdown 格式的结构化的提示词。而结构化的提示词会引导大模型生成问题相对应的解决方案,让我们一步步实践。





准备阶段:  AI提示词工程助理-支持生成多场景的结构化提示词


步骤 1. 将“AI 沟通模型”define-prompt-framework-library 提示词框架库投喂给 DeepSeek 通用模型作为生成提示词框架的规则依据, 待识别完成后。我们可以看到, 如下图所示

配图6.1.1 将“AI 沟通模型” 提示词框架库投喂给 DeepSeek 通用模型


步骤 2. 接着,将“AI提示词工程助理”投喂给 DeepSeek 通用大模型。他会把“分析需求 → 选择模型 → 生成结构化提示词 → 交付成果(问题的解决方案) ”流程连起来。待识别完成后将对话名称修改为“AI提示词工程助理”。


配图6.1.2 AI提示词工程助理 & 设定执行工作流程


示例一:设计一位资深高考志愿规划师 


在准备阶段完成后,你可以输入任意的一个需求,如:输入“设计一位资深高考志愿规划师, 要求考生输入预评估分数后,推荐报考院校、专业及发展前景的问题”回车后,可以看到 DeepSeek 已经帮你选择合适提示词模型框架并自动化生成结构化的提示词。等待考生问题的输入。

说明:

  • 如果生成结构化的提示词,细节不符合你的预期,你也可以进行人为调整修改
  • 你也可以把“AI提示词工程助理”作为你生成结构化提示词工具助理使用,然后创建一个新的对话后,投喂给它。输2025年成都理科考生,预估分数560,对AI感兴趣”后,AI 会为你提供完整的解决方案(对应步骤4)。

配图6.1.3 完成“高考志愿规划师”设定,等待考生问题输入


步骤 4. 假设考生输入“2025年成都理科考生,预估分数560,对AI感兴趣”。得到报考院校和AI 方向相关专业推荐,关键建议等。如配图6.4所示


配图6.1.4  报考院校、AI 方向相关专业推荐



示例二:使用Google Gemini 大模型,设计一个商品响应式HTML网页


操作与准备阶段一致,输入如: 设计一个响应式网页,输出单一可运行HTML网页。 要求: 1. 卡片包含了商品总数,已购买数量,商品剩余数量 2. 为了美观,卡片文字最好有图标装饰 3. 使用图表方式展示当天商品访问人数。

同时,生成的结构化提示词支持人为设定-RISE (Role, Input, Steps, Expectation) 。也可以将多次叠加需求汇总成一个结构化提示词。 交付效果图及结构化提示词如下所示:

配图6.2.1: 交付效果图


配图6.2.2: 商品响应式网页” 结构化提示词 - 选择使用 RISE (Role, Input, Steps, Expectation) 框架


示例三:使用ChatGPT大模型,制定学习计划


操作与准备阶段一致,如输入: 为一名Lisp编程新手制定学习计划,学习周期为30天,每天只需投入一个小时. 如下所示:编程教育专家-结构化提示词,会让ChatGPT扮演编程教育专家提供详细Lisp编程学习计划

### Lisp 编程新手学习计划(结构化提示词 · 使用框架:RISE)
#### 🧑‍💼 Role / 角色你是一位编程教育专家,擅长为初学者设计系统化、循序渐进的学习路径,尤其在函数式编程与 Lisp 语言方面具有丰富经验。
#### 📥 Input / 输入用户是一名 Lisp 编程新手,希望通过 30 天、每天 1 小时的方式,从零基础逐步掌握 Lisp 编程的基本语法、函数式风格、宏系统,并能够最终完成一个小项目或 DSL 工具。
#### 🔧 Steps / 步骤1. 将学习计划划分为 4 个主题阶段(每周一个);2. 每天设计一个具体学习任务,附带关键词、目标、实践建议;3. 每周前提供一段“阶段目标简介”;4. 学习结束提供推荐学习资源和工具平台。
#### 🎯 Expectation / 输出期望输出一份结构清晰、循序渐进的 **Markdown 格式学习计划**,适合初学者每日按图索骥学习,风格友好,便于 Notion、博客发布或课程文档归档。

编程教育专家-结构化提示词


最后,如果你使用了文中“AI提示词工程助理”会从中不难发现,的核心价值在于,它能将你的“需求设想”转化为AI可准确理解和执行的“结构化提示词”实现AI角色设定。并且这种结构化提示词可覆盖很多场景。 如下:
  • 三段式:日常任务查询, 简单提示词编写
  • APE-Action (行动), Purpose (目的), Expectation (期望): 让AI更好领会核心的任务,如内容总结、解释概念。
  • ACE-Context (背景), Action (行动), Result (结果), Example (示例):  需要AI模仿特定风格或格式进行输出,如生成营销文案、写标题。如写营销文案

  • ROSES-Role(角色), Objective(目标), Scenario(场景), Expected Solution(期望方案), Steps(步骤):制定解决方案、策略规划或咨询建议。如职业规划、高考填报志愿、财务规划等

  • ICIO-Instruction (指令), Context (背景), Input (输入), Output (输出) 文本信息提取特定格式.  提取文本转JSON等

  • ...


由于篇幅所限,不能逐一举例,但Prompt框架中14个实用AI沟通模型如配图04所示,可以作为你解决问题、学习结构化提示词参考学习依据。


AI沟通模型作为大模型应用生成结构化提示词框架来源,需求设想作为框架的填充内容。输入问题后得到问题的解决方案或需求交付。


这一过程自动生成的“结构化提示词”用来设定AI的“角色人设”其中包含了需要解决的核心问题、严谨的输出逻辑以及清晰的能力边界就像你期望拥有某种能力的人一样,他能够为你解决相关问题或需求交付。

通过这种方式,它确保了AI的输出不再是泛泛之谈,而是高度聚焦于具体目标有理有据,从而提供更有效、更可靠的解决方案。

以上是本文所有内容,希望对你有所帮助。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询