结构化的Prompt

资源库：

AI 提示词-WayToAGI精选高效的AI提示词库，助力创作者和开发者解锁人工智能的潜力。通过我们的提示词和策略，优化您的AI工具使用效率，激发创意思维，提升产出质量。https://www.waytoagi.com/prompts?tag=6

结构化Prompt框架有哪些？

在自然语言处理和人工智能领域，结构化Prompt框架是一种帮助我们更有效地与AI模型交流的工具。以下是一些常见的结构化Prompt框架，它们可以帮助我们构建更精确、更高效的指令：

1. BROKE框架：
   - 背景（Background）：提供任务的上下文或背景信息。
   - 角色（Role）：定义AI模型在交互中的角色。
   - 目标（Objective）：明确任务的目标。
   - 关键结果（Key Results）：定义期望的具体效果。
   - 演变（Evolve）：根据反馈调整和改进对话策略。
   这个框架适用于需要明确目标和预期结果的场景，如客户服务、项目管理等。

2. **CHAT框架**：
   - **角色（Role）**：定义AI模型的角色。
   - **背景（Background）**：提供交互的背景信息。
   - **目标（Objective）**：明确交互的目标。
   - **任务（Task）**：具体需要AI模型完成的任务。
   CHAT框架适合于需要个性化响应和深入交流的情况，例如客服支持和个性化推荐。

3. **CRISPE框架**：
   - **能力与角色（Capacity and Role）**：AI模型应扮演的角色。
   - **洞察（Insight）**：提供背景信息和上下文。
   - **声明（Statement）**：明确AI模型需要执行的任务。
   - **个性（Personality）**：AI模型回应的风格或个性。
   - **实验（Experiment）**：请求AI模型提供多个答案。
   CRISPE框架适用于内容创作和决策支持，尤其是在需要模型提供多样化解决方案时。

4. **CREATE框架**：
   - **清晰度（Clarity）**：明确界定任务或意图。
   - **相关信息（Relevant info）**：提供必要细节。
   - **示例（Examples）**：使用示例来指导AI模型。
   - **避免含糊不清（Avoid ambiguity）**：避免使用模糊不清的表达。
   - **迭代修补（Tinker）**：根据反馈调整和优化。
   CREATE框架适用于需要精确输入和输出的场合，如数据分析和报告生成。

5. **RACE框架**：
   - **角色（Role）**：定义AI模型的角色。
   - **行动（Action）**：明确想要执行的行动。
   - **结果（Result）**：期望的结果。
   - **示例（Example）**：提供示例以供参考。
   RACE框架适用于内容创作和文案撰写，尤其是在需要模型提供结构化和目标导向的输出时。

6. **RISE框架**：
   - **角色（Role）**：定义AI模型的角色。
   - **输入（Input）**：描述信息或资源。
   - **步骤（Steps）**：详细步骤。
   - **期望（Expectations）**：描述期望的结果。
   RISE框架适用于复杂任务的规划和执行，如项目规划和工作流程设计。

7. TRACE框架：
   - 任务（Task）：定义特定任务。
   - 请求（Request）：所需帮助或资源。
   - 行动（Action）：将要执行的行动。
   - 上下文（Context）：相关的背景信息。
   - **示例（Example）**：具体示例。
   TRACE框架有助于清晰、具体地表达需求，引导AI模型更准确地执行任务。

这些框架提供了一种系统化的方法来构建和优化Prompt，使得与AI模型的交互更加高效和目标导向。通过使用这些框架，我们可以更好地指导AI模型，以获得更准确的结果。
 

以ICIO举例，这个框架提出的过程是怎样的？

ICIO框架是由Elavis Saravia提出的，旨在提高AI模型的交互效率和准确性。这个框架的提出过程是基于对自然语言处理（NLP）和机器学习领域中提示工程（prompt engineering）的需求。随着AI技术的进步，特别是大型模型的发展，需要更精细的方法来引导模型的输出，以适应不同的应用场景。

ICIO框架的提出是为了弥补传统输入输出交互方式的不足，提高AI系统的理解和生成能力。这个框架的核心思想在于，通过明确界定任务的各个方面，可以显著提升AI系统的性能。

ICIO框架由四个关键组件组成：
1. **Instruction（指令）**：明确描述AI模型需要执行的任务。
2. **Context（背景信息）**：提供给AI模型的上下文信息，帮助模型更好地理解任务和生成响应。
3. **Input Data（输入数据）**：告知AI模型需要处理的具体数据，这在数据分析或处理任务中非常重要。
4. **Output Indicator（输出指示器）**：指示AI模型输出的类型或格式，确保模型按照用户的期望提供结果。

ICIO框架的提出过程体现了对AI交互中明确性、上下文敏感性、数据驱动、定制输出等方面的需求，以期达到减少歧义和误解，提高与AI模型交互的效率和准确性。

结构化Prompt的底层逻辑是什么？

结构化Prompt的底层逻辑主要基于以下几个方面：

1. **文本对齐**：大模型本质上执行的任务是文本对齐，即模型会尝试将输入的Prompt与它训练数据中的模式对齐，以生成合适的输出。

2. **分词处理**：当输入一个Prompt时，模型首先会对Prompt进行分词处理。不同的模型采用不同的分词方法，这会影响到模型对文本的理解深度和消耗的token数量。

3. **信息组织**：结构化Prompt通过将信息以特定格式组织起来，使得人工智能系统能够更准确地理解和处理这些信息。这种模板通常包含一系列预定义的字段和指示，用于引导AI生成特定风格或格式的输出。

4. **减少歧义**：结构化Prompt有助于减少歧义和矛盾，提升Prompt的可维护性和各部分的可复用性，从而提高沟通效率，并确保信息的清晰和有序。

5. **逻辑结构**：结构化Prompt将复杂的诉求进行分类整理形成模块，并使得模块间具有清晰的逻辑关系，这种具备清晰逻辑结构的Prompt更容易被模型理解。

6. **预定义模板**：结构化Prompt可以有各种模板，用户可以像使用PPT模板一样选择或创造自己喜欢的模板，这些模板帮助用户更有效地与AI沟通。

7. **提高输出质量**：通过结构化的方式，Prompt的书写方式可以帮助模型更好地理解如何利用prompt，提升输出的质量和相关性。

8. **上下文语义一致性**：结构化Prompt包含格式语义一致性和内容语义一致性，确保标识符的功能一致，以及思维链路上的属性词语义合适。

9. **结合其他Prompt技巧**：结构化Prompt编写思想可以与其他技巧如细节法、分解法、记忆法、解释法、投票法和示例法等结合使用，构建更高质量的Prompt。

这些底层逻辑共同构成了结构化Prompt的基础，使其成为一种有效的工具，以提高与AI模型交互的效率和准确性。