1. 为什么你的Prompt总是差点意思结构化框架的价值先聊一个日常场景。你让AI帮你写一份竞品分析报告输入的是帮我分析一下XX产品出来的内容往往泛泛而谈、骨架松散像一锅乱炖。可当你换一种方式把背景、角色、任务、格式、约束条件、输出样例一项项交代清楚同样的模型产出的内容专业度立刻上一个台阶。差距不在模型而在你输入内容的结构化程度。结构化提示词框架这几年在AI提效圈里被反复讨论本质就是一套把需求拆解、重组、规范化的模板。我把它理解成做菜时的预制菜料包——调料比例、用量、投放顺序都标得清清楚楚哪怕你厨艺一般按步骤来也能做出及格线以上的菜。没有框架的提示词就像全凭手感撒盐偶尔成功一次但无法稳定复制。这篇文章聚焦几个在实战里被验证过的主流框架包括CO-STAR、BROKE、CRISPE、APE、RTF逐个拆解它们的结构逻辑、适用场景、优劣势再用同一个任务做横向对比看不同框架对最终输出质量的影响。同时清理几个常见的认知误区比如框架越复杂越好必须严格按字母顺序填写之类的坑。适合谁来读给正在做AI提效、想把大模型接入日常工作流的人给经常写Prompt但总觉得产出不稳定的运营、产品、分析师也给想系统理解提示词工程底层逻辑的开发者。读之前不需要任何基础但读完之后你再看任何提示词模板都会有一种一眼看穿结构的感觉。2. 五个主流框架逐一拆解结构、逻辑与适用边界2.1 CO-STAR框架最均衡的全能选手CO-STAR是新加坡政府数字服务局GovTech的数据科学团队在2024年公开的一套提示词框架也是目前全球各类AI课程里出镜率最高的一种。它的结构包含六个要素CContext背景上下文、OObjective目标、SStyle风格、TTone语气、AAudience受众、RResponse回应格式。逐个看实际操作。C是让AI理解为什么需要这个任务比如我是跨境电商运营正在筹备黑色星期五促销。O是明确我要你产出什么务必用动词开头的动作短语。S指定语言风格比如类似苹果发布会的演讲稿风格。T控制语气专业、轻松、严肃等。A定义谁来看这份内容AI需要据此调整信息密度和措辞。R则规定输出的结构和格式比如用Markdown输出包含三个小标题每部分不超过100字。这套框架的强项在于覆盖了沟通的完整链路背景-目标-表达-受众-格式。任何一个商业场景下的协作任务都需要先对齐这六个要素。我自己在写商业分析报告、营销策划案、邮件沟通模板时CO-STAR几乎是默认选择。缺点也有——要素多填写成本高。如果任务本身很简单比如帮我改写这句话用CO-STAR就有点杀鸡用牛刀。2.2 BROKE框架行动导向的任务闭环BROKE框架是2024年下半年开始在提示词圈流行起来的尤其在中文社区传播很广。它的结构是BBackground背景、RRole角色、OObjectives目标、KKey Result关键结果、EEvolve演进迭代。和CO-STAR最大的不同在于多了EEvolve这个环节强调一次生成后还要持续追问、修正、完善输出。实际操作中我把E理解成验收与追问循环——在AI给出初稿后需要继续输入新的指令比如这里的数据来源需要标注第二段的逻辑不够清晰重新组织。BROKE框架把一次成稿的思维转变成多轮打磨更贴近真实工作流中反复修改的习惯。BROKE尤其适合任务类场景比如写方案、做计划、写代码、设计课程大纲。因为这类任务天然需要多轮迭代而BROKE的KKey Result要素能够明确什么样的结果才算达标相当于给AI设定了一把可衡量的尺子。这套框架对使用者的要求稍高因为你需要对自己要的结果有清晰的验收标准。如果连你自己都不知道好结果长什么样K这一步就没法写。2.3 CRISPE框架更早的角色背景任务原型CRISPE是提示词工程圈最早出圈的结构化框架之一由Matt Nigh提出。五个字母分别对应CCapacity and Role能力与角色、RInsight洞察与背景、IStatement陈述与任务、SPersonality个性与风格、PExperiment尝试与迭代。注意它里面有个很容易被忽视的细节RInsight要求写的是领域关键洞察而不仅仅是背景信息。举例来说如果你要让AI写一版线下活动方案背景信息写我们是一个母婴品牌要做社区活动这是C的部分而R的部分应该写母婴社区活动的核心是建立信任感和复购路径小型活动转化率高于大型展销会这种带有你自身经验判断的信息会让AI的输出质量产生质的飞跃。CRISPE是结构化提示词的元老级框架很多后来的框架都从它这里吸取了元素。但它的传播度不如CO-STAR和BROKE原因在于结构稍显抽象Insight和Personality两个要素对普通用户来说不太好理解。如果你是初学者建议先掌握CO-STAR再回头看CRISPE。2.4 APE框架三要素极简入门APE是最简单的结构化框架AAction行动、PPurpose目的、EExpectation期望。本质上就是三个问题——你要AI做什么、为什么做、期待什么结果。试用一下感受会更直观Action请分析这份销售数据附件找出连续三个月下滑的产品线 Purpose为下一季度的产品调整提供数据支持 Expectation输出一份包含数据图表建议、下滑原因推测、调整建议的报告长度控制在800字以内。三个要素讲清楚AI的输出就能达到七十分以上。APE最大的价值是降低使用门槛适合提示词工程刚起步、还没建立结构化思维的用户。但它的问题也很明显——缺少角色设定、受众分析、风格约束等精细维度处理复杂任务时输出质量上限有限。我个人的建议是APE可以用来培养结构化思维习惯但当你开始频繁使用AI处理重要工作内容时尽快切换到CO-STAR或BROKE这类更完整的框架。2.5 RTF框架中文社区实战沉淀的结果RTF框架在海外资料里比较少见是从国内AI实战社区如CSDN、知乎、即刻里流行开来的结构为RRole角色、TTask任务、FFormat格式。这个框架短小精悍三个要素直接命中提示词最核心的命门——角色决定视角、任务决定内容、格式决定呈现。实战中我会在原版基础上加一个约束条件要素形成RTF-C变体效果会稳定不少Role资深的B端产品运营专家 Task针对中小企业客户制定一套客户成功 onboarding新手引导流程 Format使用流程图和表格结合的方式包含时间节点、负责人、关键动作 Constraint流程总周期不超过14天所有动作需基于现有CRM系统可落地的功能RTF的优势是轻不需要花大量时间去构思背景和风格适合写Prompt已经比较熟练、知道如何用角色设定弥补上下文缺失的用户。缺点也源于轻对于高度复杂的任务比如写一份包含多个章节的长篇行业研究报告缺少结构化支撑的RTF输出容易偏离主线。3. 横向对比这几个框架到底差在哪3.1 核心要素对照表把五个框架摆在一起看差异会更直观。下表按是否包含该要素做了个特征矩阵框架背景上下文角色设定目标/任务风格/语气受众分析输出格式迭代机制验收标准CO-STAR有(C)有(隐含)有(O)有(S/T)有(A)有(R)无无BROKE有(B)有(R)有(O)无无无有(E)有(K)CRISPE有(R)有(C)有(I)有(S)无无有(P)无APE无无有(A)无无有(E)无无RTF无(靠角色隐含)有(R)有(T)无(靠角色隐含)无有(F)无无从这个表可以明显看出CO-STAR是覆盖要素最全的框架BROKE则是在闭环管理上做得最好。APE和RTF属于轻量级牺牲了精细度换取使用效率。3.2 两个容易被忽略的深层差异表面上看框架之间的差异只是有没有某个要素实际上还隐藏着两个更深层的问题。第一信息填充顺序对模型理解路径的影响。CO-STAR把背景放在第一位让模型先理解上下文语境再接收任务指令这符合人类沟通的先铺垫后说事习惯。而RTF把角色放在第一位等于先让模型进入身份再用身份视角去理解任务。这两种顺序对输出风格的影响是实打实的——同样写一份产品分析用CO-STAR结构出来的文字更像是一个分析师在做分析观众视角用RTF结构出来的则更像分析师本人在陈述观点第一人称视角。第二框架是否内置了质量验证机制。只有BROKE的KKey Result明确要求使用者定义什么样的结果算合格这个强制性的验收动作会倒逼你在大脑里先把任务结果预演一遍。很多Prompt效果不好不是因为不会写指令而是因为根本不清楚自己要什么。框架里有没有这个倒逼机制决定了你在写提示词时是在表达需求还是在思考需求。3.3 不同任务场景下的框架选型建议任务类型推荐框架推荐理由商业汇报材料、方案策划CO-STAR受众和风格要素能确保内容贴合听众代码开发、多轮迭代任务BROKEE和K机制适配写-测-改循环快速头脑风暴、发散创意RTF/APE轻量高效不约束创作灵感深度研究报告、专业分析CRISPEInsight机制促使输入高价值背景认知新人学习提示词工程APE逐步过渡CO-STAR从三要素起步建立结构化直觉需要特别说明的是框架之间不是互斥关系。实际工作中我经常把BROKE的EEvolve思路嵌入到CO-STAR的流程后面使用——先用CO-STAR完成初版输出再用BROKE的多轮追问进行打磨。工具是死的使用方式可以灵活组合。4. 同一任务五种框架的实战效果对比4.1 测试任务设定与统一前置条件为了更直观地展示差异我用同一个任务分别跑了五个框架为一家新开业的社区咖啡店撰写开业促销方案。测试使用的是同一模型版本GPT-4级别温度参数默认除了框架结构不同之外其他变量全部对齐。这不是严格意义上的控制变量实验但能反映出一个真实的使用者用不同框架写Prompt时可能遇到的输出差异。每个框架版本的Prompt都按该框架的完整规范填写保证结构正确CO-STAR版本六要素全填受众明确为周边三公里内的上班族和年轻家庭BROKE版本重点强化了Key Result写清楚方案需包含引流、转化、复购三个环节预计执行周期两周CRISPE版本在Insight部分补充了社区型咖啡店开业的核心是前两周建立熟客关系复购率比单次销售额更重要APE版本只写行动、目的、期望三个要素RTF版本角色设为资深咖啡店运营顾问任务描述完整格式指定为分阶段方案4.2 输出质量对比从五个维度看高下把五种输出放在一起逐一核对差异非常明显。信息完整度方面CO-STAR和BROKE版本的输出结构最完整涵盖了开业前预热、开业当天活动、开业后两周的复购策略三个完整阶段CRISPE版本由于有Insight加持虽然结构也完整但在社区客群心理的分析深度上明显超出其他版本APE版本只列出了开业当天的基础活动缺少后续动作RTF版本的方案框架合理但细节留白较多有骨架没血肉。语言风格的适配度方面CO-STAR因为明确设定了风格温暖、社区感、专业和受众周边居民与上班族输出文字的措辞明显更贴合社区咖啡店的调性RTF版本依靠角色设定也产生了类似效果APE版本的语言风格则相对中性给人一种通用文案的感觉。可落地性方面BROKE版本因为有明确的验收标准引流、转化、复购三个环节方案中的每个活动都配了可量化的指标如首杯半价预计带来300新客落地性最强CRISPE版本的复购比拉新更重要视角也产出了更有经营思维的建议APE版本缺少预算和资源配置的描述执行时还得二次追问补充。这是五个版本输出情况的对照表维度CO-STARBROKECRISPEAPERTF方案结构完整度高高高中中语言风格适配精准中中高中高经营策略深度中中高高低中可量化指标中高中低中低后续追问成本低低低高中高4.3 不同框架的舒适区和翻车区总结跑完这轮对比我对不同框架各有适用边界这个判断有了更具体的认识。CO-STAR的舒适区是对外呈现类任务——凡是最终产出要给人看、要传达某种感觉的东西比如PPT文案、发布会稿件、客户沟通话术它都是第一名。但让它处理纯粹解题类的任务比如这段代码为什么报错它的一系列背景、受众、风格的要素不仅帮不上忙还会拖慢信息效率。BROKE的舒适区是工程项目类任务。代码开发、活动执行方案、产品路线图这类需要分阶段、可验收、持续迭代的工作BROKE的闭环优势发挥得淋漓尽致。但如果任务本身只能做一次、没有迭代空间比如帮我把这段话润色一下BROKE的迭代机制完全派不上用场。CRISPE的舒适区是专业分析类任务。你输入多少高价值见解它就能产出多少高价值内容真正做到了垃圾进垃圾出的反面。但它的启动成本高需要你对所在领域有足够深的理解否则连Insight都不知道怎么写。APE和RTF适合一切又快又轻的场景但如果你交给它们的是重大工作交付物翻车概率会随任务复杂度的提升快速上升。我自己踩过的坑是用RTF让AI写一份20页的行业研究框架结果输出的内容大而空后来换成BROKE逐步迭代才拉回正轨。5. 常见问题与避坑清单实录5.1 高频问题速查为什么照着模板写还是效果差问题一框架每个要素都填了为什么输出还是不满意 排查方向看你的要素之间是否有信息冲突。比如目标O里写简洁的方案但格式R里要求包含五个章节每章详细展开这两者本身就是矛盾的。模型会优先遵循更具体的约束章节化输出而牺牲简洁这个抽象要求。检查要素之间的逻辑一致性比检查单个要素是否正确更重要。问题二角色设定到底有没有用为什么AI有时候根本不扮演角色 排查方向角色设定的效果取决于两个条件。一是角色信息是否足够具体你是资深律师不如你是专注企业合规领域、有十年执业经验的律师效果稳定二是任务描述是否与角色匹配如果你设定AI是律师但任务是写朋友圈文案角色就会失效。角色设定本质上是在引导模型的语料分布权重任务与角色错位时引导信号就会被噪声淹没。问题三结构化框架里能不能用口语化的表达 能。框架是信息架构不是句式模板。你可以用口语把背景和目标讲清楚不一定要用书面语写完整的句子。比如背景C写我们团队5个人每周要做一次竞品更新之前用的表格太乱了这完全没有问题。硬把口语翻译成本团队由五名成员构成每周需完成一次竞品信息更新反而会丢失表达的生动性。问题四同一个提示词为什么今天跑和昨天跑结果不一样 这通常不是框架的问题而是大模型采样机制带来的正常波动。行业内叫温度随机性。如果你需要对输出稳定性有要求有两条路一是调低temperature参数API调用时可设越低越稳定二是在Prompt里增加输出时严格遵循如下格式的强约束把波动范围箍在格式框架内。5.2 独家避坑技巧来自实际项目的经验沉淀第一个坑要素填得越详细越好典型的误区。填写的每个要素都会占用模型的注意力预算如果你在背景里塞了三段无关紧要的公司介绍模型对核心任务的关注度就会被稀释。我在实战里的经验是背景要素控制在三句话以内目标要素控制在五十字以内超过这个量级的都属于给模型制造认知负担。第二个坑忽略上下文长度对结构化提示词的影响。不同模型对上下文长度的敏感度不一样同样一段CO-STAR模板在上下文窗口为8K的模型里可能占据五分之一的额度在128K的模型里只占很小比例。如果你的模型上下文有限建议精简框架中锦上添花的要素风格、语气可以浓缩合并保留核心要素目标、格式、约束。第三个坑不根据模型能力调整框架复杂度。这点容易被忽略。Claude、GPT-4这类前沿模型处理和遵循长指令的能力很强填六个要素没问题但一些开源模型或轻量化模型你塞给它一大段结构化指令它反而会迷失在长文里。在弱模型上建议只保留角色任务格式三个核心要素效果反而更好。第四个坑忽略约束条件要素在框架中的缺失。五个主流框架里只有BROKE的KKey Result间接包含了验收标准其他框架都没有显式的约束条件位置。我在实际使用中几乎所有重要任务都需要补充约束比如不要使用数据编造不要超过500字不做超出建议层面之外的操作等。建议任何框架都自行追加一条约束字段。第五个坑结构化框架无法完全替代领域知识。框架决定了AI输出的形式合理性但内容质量的天花板取决于你输入的信息质量。如果你自己对市场、产品、用户一无所知再完整的CO-STAR也产不出惊艳的方案。框架是速效救心丸不是灵丹妙药。5.3 我的组合拳一套适合多数人的实战操作流程踩过足够多的坑之后我自己沉淀了一套混合流程这里分享给读者参考。第一步先往模型里导入上下文材料。可以是文档、数据、竞品链接这一步在框架之外属于喂料。第二步按RTF-C结构写主体Prompt——角色、任务、格式、约束条件四个要素快速落定不用花太多时间纠结风格和受众这两个要素可以通过角色设定间接实现。第三步用BROKE思路进行多轮追问第一轮生成后以关键结果是否达标为标准判断是否需要迭代需要的话逐项指出问题让AI重新输出。第四步在最后一轮追加请检查内容中是否存在事实性错误或冗余表达做最终质检。这套流程的特点是启动快、迭代稳、兜底严。实测下来处理大多数工作场景的任务单任务耗时能控制在五轮对话以内。如果你迫切需要一个最省心的模板我建议直接复刻这套流程去打底。6. 给不同阶段使用者的具体建议如果你刚开始接触提示词工程不要一上来就学五个框架会消化不良。先用APE跑通行动-目的-期望三段式每天至少用十次直到你发现自己写Prompt时脑海里能自动浮现这三个要素。之后升级到RTF练习角色设定的力量——这是性价比最高的能力提升点一个准确的角色描述抵得上多写两百字背景。坚持练习两周再切换到CO-STAR去覆盖更复杂的商业场景。如果你已经是熟练的AI用户正卡在效果不错但不够惊艳的瓶颈上重点研究的应该是CRISPE的Insight要素。这个要素是五个框架里唯一要求你输出领域认知的选项它逼着你把藏在脑子里、那些平时不写出来的隐性经验转化为显性文字。你会惊讶地发现很多你觉得AI不够聪明的时刻其实是你没有把自己知道的信息告诉它。如果你是企业里负责推广AI提效的人我的建议是不要把某个框架强制推行给全公司。不同岗位的同事对Prompt的接受能力差异巨大。可行的做法是给全员配置RTF-C作为基础模板保证下限给数据分析、产品、市场这类高频使用者额外培训CO-STAR和BROKECRISPE只给少数需要深度产出的核心成员使用。分层推广远比一刀切有效。最后再分享一个小技巧当你在某个框架里填要素填到卡壳不知道某一块该写什么的时候别硬憋直接在Prompt里把问题抛给AI请在回答我以下问题前先向我提问3个能帮助你更好完成此任务的关键信息。这招实测很好用相当于让AI充当采访者来主动补齐你遗漏的上下文。结构化框架帮你想清楚要交代什么而这个技巧帮你确认哪些还没交代两者配合起来才能真正把提示词工程的价值吃透。