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 提示词的标准化生产，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 设计领域的专家。
基于以上背景，我推出了提示词工程师 100 问系列内容。
旨在帮助大家建立提示词工程（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，建立知识框架，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规则，可以帮助生成特定领域或任务的文本。
这些模板和规则可以包括语法结构、语义规则、上下文信息等，以生成符合特定要求的文本。
提示词框架有一套标准的元结构，大部分的提示词具有类似结构：
首先，ChatGPT收到一条提示，告知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应该如何处理这些信息，包括对方向的粗略建议。
但这种框架太简单太抽象，无法通过标准化的方式复制。
于是，开始诞生了各个不同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分：
Instruction (必须): 指令, 即你希望模型执行的具体任务
Context (选填): 背景信息, 或者说是上下文信息, 这可以引导模型做出更好的反应
Input Data (选填): 输入数据, 告知模型需要处理的数据
Output Indicator (选填): 输出指示器, 告知模型我们要输出的类型或格式。
使用案例：
Instruction (必须): 生成一段关于互联网历史的文本。
Context (选填): 背景：互联网是一个全球互联的计算机网络系统，使用标准互联网协议套件（TCP/IP）为全球数十亿用户提供服务。
它是一个由数以百万计的网络组成的网络，其中包括从本地到全球的私有、公共、学术、商业和政府网络，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服务，例如相互链接的超文本文档和万维网（WWW）应用程序、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，分别代表以下含义：
CR：Capacity and Role（能力与角色）：你希望 ChatGPT 扮演怎样的角色。
I：Insight（洞察）：背景信息和上下文。
S：Statement（陈述）：你希望 ChatGPT 做什么。
P：Personality（个性）：你希望 ChatGPT 以什么风格或方式回答你。
E：Experiment（实验）：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领域的最新进展感兴趣的技术专业人士。
陈述：全面概述最流行的机器学习框架，包括其优势和劣势。包括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。
实验：“给我多个不同的例子”。
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，它包括四个部分：
Background: 阐述背景，为 ChatGPT 提供充足信息。
Objectives: 定义任务目标，告诉 ChatGPT 我们希望实现什么。
Results: 定义关键结果，让 ChatGPT 知道实现目标所需要达成的具体、可衡量的结果。
Experiment: 试验并调整，通过试验来检验结果，并根据需要进行调整。
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们成为你更好私人顾问
图中结构很简洁：
表达目标：（你想做什么？）
提供框架：（给出示例)
目标受众：（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/书籍/其他的风格：（比如斯蒂芬金）
不要触及的部分：（比如政治）
Szhans指出，稍微细致思考这个结构的合理性（或改进之处），变成一次产品经理式探索模式，你会发现有这些特点：
无非是系统思维、换位思考、建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现：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不同？
其实市面上还有非常多的提示词框架，在此就不一一介绍了，仅介绍一些主流框架和我个人比较认可的框架。
Elavis Saravia 框架和 CRISPE 框架是两种优化提示结果的流行工具，帮助确保提示清晰、信息丰富、有效，并提供个性化的回答。
其中，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、信息丰富性、具体性和问题导向。
使用 BORE 框架可以帮助用户更好地与 ChatGPT 交互，提高 ChatGPT 的工作效率和质量，不过有一定的使用门槛和学习成本。
这几个框架都可以帮助我们更好地使用 ChatGPT，但它们在细节上有所不同，可以根据需求选择适合我们自己的框架。
