掌握ChatGPT这9大提示词框架，与AI交互的效率直接翻倍！

掌握这9个提示词框架，与AI交互的效率直接翻倍

在大模型飞速发展的今天，生成式人工智能（GenAI）已经成为各行各业的得力助手。但问题来了：怎么才能让AI真正听话、干出你想要的活儿？答案就藏在提示词里——写好了提示词，AI输出的质量完全不一样。

下面这9个提示词框架，不光适用于ChatGPT，其他聊天机器人也能用。它们能让你指挥AI时少走弯路，日常工作效率直接翻倍。一个个来看。

1. E.R.A：设定期望，分配角色，明确行动

这个框架简单直接——先把期望结果说清楚，再给AI一个身份（比如营养师、顾问），最后告诉它具体要做什么。三步走，目标清晰。

• Expectation：
  我希望改善饮食习惯，达到健康生活的目标。

• Role：
  你是一位专业的营养师，能提供权威的饮食建议。

• Action：
  请你根据健康饮食的原则，为我制定一个月的营养食谱，确保每天的饮食均衡且丰富，并且每周的食物搭配不重复。

这套框架特别适合那些需要明确产出物的任务，比如写计划、做方案。有了E.R.A，AI就不会跑偏。

2. A.P.E：行动目的，目标明确

A.P.E的思路是在执行前先把动机和目的对齐。先告诉AI具体任务，再说明为什么做这件事，最后描述期望的结果。这样一来，AI不仅能完成任务，还能理解背后的意图。

• Action：
  设计一个详细的饮食计划，确保营养均衡。

• Purpose：
  通过这个饮食计划，改善我的整体健康状况，帮助我培养健康的饮食习惯。

• Expectation：
  我希望得到一份详细的食谱，包括每日的三餐和零食建议，并确保营养素的摄入充足且多样化。

它适合用在需要AI发挥创造力或判断力的场景，比如写方案、做分析。

3. T.A.G：任务行动，目标清晰

T.A.G把重点放在步骤拆解上。你告诉AI任务是什么，然后列出具体行动步骤，最后重申最终目标。AI就像拿到了一个操作手册，步步有据。

• Task：
  生成一个月的营养食谱。

• Action：
  设计每日饮食结构（三餐+零食），选择健康食材，确保营养均衡，提供简易食谱。

• Goal：
  得到一个详细且易于执行的饮食计划，帮助维持健康饮食习惯。

当任务比较复杂、步骤较多时，T.A.G能有效降低AI出错的概率。

4. C.A.R.E：背景信息，具体行动，期望结果，示例辅助

C.A.R.E的核心是“把话说透”。除了告诉AI做什么、期望什么，还要求你提供背景信息和具体示例。示例就像给AI画了个样图，理解起来事半功倍。

• Context：
  工作繁忙，经常吃外卖导致饮食不规律。

• Action：
  设计一个月营养食谱，包括三餐和健康零食，五天内不重复。

• Result：
  一份详细的、多样化的食谱，包含食材和简单烹饪步骤。

• Example：
  周一早餐燕麦粥配水果，午餐鸡肉沙拉，晚餐烤鱼配蒸蔬菜，零食坚果或酸奶。

对于需要精准输出的任务（比如定制化方案、个性化建议），C.A.R.E的命中率非常高。

5. R.A.C.E：角色扮演，详细行动，上下文信息，期望结果

R.A.C.E和C.A.R.E有相似之处，但更强调角色定位。你先给AI一个明确的身份，然后围绕这个身份展开任务描述、背景信息和结果预期。AI的回复会更有针对性和专业性。

• Role：
  你是一名营养师，擅长制定健康饮食计划。

• Action：
  设计一个月营养食谱，包括三餐和零食，均衡且富有变化。

• Context：
  工作繁忙，饮食不规律，导致健康状况不佳。

• Expectation：
  一份详细的饮食计划，包含每日食谱和食材清单，帮助改善饮食习惯。

适合需要AI模仿某个专业角色来回答问题或生产内容的场景。

6. R.I.S.E：角色扮演，输入信息，步骤分析，期望结果

R.I.S.E框架在角色和步骤之外，特别强调“输入信息”——也就是你要给AI提供足够的数据和资料。AI拿到这些素材后，按步骤分析，最终产出结果。逻辑链条非常完整。

• Role：
  你是一名营养师。

• Input：
  我工作繁忙，饮食不规律，经常依赖外卖和零食。

• Steps：
  分析我的饮食习惯和营养需求 → 设计每日三餐和零食 → 提供简易烹饪步骤和食材清单。

• Expectation：
  一份详细食谱，营养均衡，便于执行，帮助养成健康饮食习惯。

当任务需要基于特定数据或背景信息做推理时，R.I.S.E是很好的选择。

7. R.O.S.E.S：角色扮演，目标明确，场景描述，预期解决方案，步骤分析

R.O.S.E.S可以看作是R.I.S.E的升级版——多了一个“场景描述”和一个“预期解决方案”。你不仅告诉AI目标和输入，还要描述具体场景以及你希望它给出的解决方案类型。这样AI就能生成更贴合实际、更可落地的输出。

• Role：
  你是一名专业营养师。

• Objective：
  设计一个月的健康饮食计划。

• Scenario：
  工作繁忙，没有时间准备健康饮食，导致饮食不规律。

• Expected Solution：
  一份详细的饮食计划，包含每日三餐和健康零食，营养均衡且便于准备。

• Steps：
  分析饮食习惯和健康需求 → 设计饮食结构，确保多样化和营养均衡 → 提供每餐具体食谱和食材清单。

适用于需要定制化解决方案的复杂任务，比如项目规划、个人健康管理等。

8. T.R.A.C.E：任务描述，回答请求，具体行动，上下文信息，示例描述

T.R.A.C.E在C.A.R.E的基础上增加了“回答请求”这一环——你明确告诉AI你需要什么样的回答或结果。再加上任务描述、行动、上下文和示例，整个指令非常完整，AI几乎没有理解偏差的空间。

• Task：
  设计一个月的健康饮食计划。

• Request：
  我需要一份详细食谱，包括每日三餐和健康零食。

• Action：
  根据我的健康需求，设计每日饮食结构，提供具体食谱和食材清单。

• Context：
  工作繁忙，饮食不规律，依赖外卖和零食。

• Example：
  周一早餐燕麦粥配水果，午餐鸡肉沙拉，晚餐烤鱼配蒸蔬菜，零食坚果或酸奶。

当需要AI输出特定格式或特定内容类型时（比如列表、报告、计划），T.R.A.C.E非常高效。

9. C.O.A.S.T：上下文信息，目标描述，行动步骤，场景信息，任务最终目标

最后一个框架C.O.A.S.T把场景和任务目标拆得更细。它要求你提供上下文、目标、行动步骤、场景（与上下文略有不同，场景更侧重描述实际问题），最后再明确最终任务。层层递进，AI不容易漏掉关键信息。

• Context：
  工作生活节奏快，经常吃外卖和速食，我知道不健康，希望改善。

• Objective：
  获取一个月的健康饮食计划，帮助改善饮食习惯。

• Actions：
  分析饮食习惯和健康需求 → 设计一个月营养食谱（三餐+零食）→ 提供具体食谱和食材清单。

• Scenario：
  每天工作繁忙，没有时间准备健康饮食。

• Task：
  一个详细的、易于执行的营养食谱，营养均衡且便于准备，帮助养成健康饮食习惯。

C.O.A.S.T特别适合那些问题陈述比较模糊、需要AI先理清头绪的任务。它能帮你把零散信息整合成有条理的指令。

说到底，这9个提示词框架的核心逻辑都差不多——把人的需求翻译成AI能听懂的语言。关键不在于记下所有框架，而是理解背后的思路：

。掌握了这个思路，你就能和AI顺畅沟通，让效率真正翻倍。