直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

crispe框架

回答

CRISPE 框架是一个在设计提示词时常用的框架，包含以下几个方面：

  1. CR：Capacity and Role（能力与角色），即明确您希望 AI 扮演的角色。
  2. I：Insight（洞察），提供背景信息和上下文。
  3. S：（陈述），清晰说明您希望 AI 做什么。
  4. P：Personality（个性），确定您希望 AI 以何种风格或方式回答您。
  5. E：Experiment（实验），要求 AI 为您提供多个答案。

此外，提示词工程师已经发展出了多种提示词框架，CRISPE 框架只是其中之一。例如，还有 ICIO 框架、BROKE 框架等。CRISPE 框架也有不同的表述，有的将其分为涵盖上下文（Context）、角色（Role）、说明（Instruction）、主题（Subject）、预设（Preset）和例外（Exception）这六个部分。

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

画小二：如何写好提示词是创建智能体第一步

所谓CRISPE框架，CR：Capacity and Role（能力与角色）。你希望AI扮演怎样的角色。I：Insight（洞察），背景信息和上下文。S:（陈述），你希望AI做什么。P：Personality（个性），你希望AI以什么风格或方式回答你。E：Experiment（实验），要求AI为你提供多个答案。[heading3]3.1 Few-Shot COT模型[content]提出一个问题比解决一个问题更重要--爱因斯坦我们如果给他一个示范，可能会有更好的效果。将示例加入Prompt的做法，就是Few-Shot，few可以是1,2,3,4,5。比如，我提供一个样本，就是1-shot。[heading3]3.2 Zero-Shot COT模型[content]不增加示例样本，就是zero-shot输出内容[heading3]3.3 Tree of Thought TOT模型[content]TOT先分步骤，然后每个步骤多个结果，在的多个结果中进行选择，然后再进行下一步，输出多个结果。样例和解释输出结果[heading3]3.3 TOT模型示例[heading3]3.4 Self-Consisentcy COT模型自洽型[content]一个问题的多种解法

从原理到应用一次讲清楚 Prompt

1 ICIO框架*指令执行的具体任务*背景信息：提供执行任务的背景信息，上下文内容，让大模型更好的回答*输入信息：大模型需要用到的一些信息*输出信息：明确输出的具体信息的要求，比如字数，比如风格比如格式2 BROKE框架通过GPT的设计提示，来提升整体反馈的效率。2、背景提供足够背景信息，让大模型可以理解问题的上下文*角色设定特定的角色，让GPT根据特定的角色能力的特点来形成响应*目标明确任务的目标，让大模型知道你想让他做什么*结果定义明确可以衡量的结果，让大模型清楚自己做的情况*调整根据具体的情况，来调整具体的结果3 CRISPIE框架*能力和角色你期望大模型扮演的角色洞察，提供幕后洞察力、背景信息和上下文*声明，简洁明了的说明希望完成的任务*个性，回应的风格、个性或者方式*实验：提供多个回答的示例

刘海：「AI 提示词工程师」の 见解和经验分享

"提示词工程师"是专门负责为大语言模型设计、优化和实施Prompt的技术角色。他们深刻理解模型的工作原理，能够根据具体需求定制合适的Prompt，确保其有效性。但他们的任务不止于Prompt的编写；他们还需进行细致的测试，仔细分析模型输出，以便持续优化并确保输出内容的质量。简而言之：善于发现需求，解析需求，写成专业的Prompt，解决问题。[heading3]3、什么是提示词框架？[content]提示词工程师已经发展出了多种提示词框架，它们为Prompt的构建提供了一种高度概括和结构化的方法。可以将这些框架看作是构建有效提示词的方法论或"元结构"。例如：ICIP框架：此框架包括四个部分，其中有指令（Instruction，必须）、背景信息（Context，选填）、输入数据（Input Data，选填）和输出指示器（Output Indicator，选填）。BROKE框架：此框架着重于五个方面，包括背景（Background）、角色定义（Role）、目标设定（Objectives）、关键成果展示（Key Result）以及持续的试验与优化（Evolve）。CRISPE框架：此框架分为六个部分，涵盖了上下文（Context）、角色（Role）、说明（Instruction）、主题（Subject）、预设（Preset）和例外（Exception）。定制化提示词编写服务：随着大语言模型在商业和研究领域的应用，定制化的Prompt编写服务日渐受到欢迎。这些专业服务往往由资深的提示词工程师提供，他们会深入了解客户的具体需求，从而为其设计、优化并定制出最合适的Prompt。

其他人在问
常用的结构化提示词框架有哪些？
以下是一些常用的结构化提示词框架： 1. 基础的结构化编写 Prompt 框架： Role: Profile: author:作者 version:版本 language:中文 description: Goals: 1. 2. Constrains: Skills: Workflows: 1. 2. 2. CRISPE 框架（Capacity and Role,Insight,Statement,Personality,Experiment） 3. BROKE 框架（Background,Role,Objectives,Key Results,Evolve） 4. ICIO 框架： Instruction（指令）：明确定义 AI 需要执行的任务，遵循简洁明了、具体详细、行动导向、单一任务等原则。 Context（背景信息）：提供任务的相关背景，包括任务目的、目标受众、相关背景、限制条件、角色扮演等。 Input Data（输入数据）：为 AI 提供执行任务所需的具体信息或数据。 Output Indicator（输出引导）：指导 AI 如何构建和呈现输出结果，包括格式要求、语气和风格、长度限制、结构指引、特殊要求、评估标准等。
2024-11-14
利用 AI 生成培训框架
以下是为您生成的培训框架相关内容： 一、AI 在教育培训中的应用 1. 数字教师 借助大型语言模型，人工智能生成的角色可以作为数字教师，如让牛顿亲自授课《牛顿运动定律》，让白居易为您讲述《长恨歌》背后的故事。 数字教师可以实现一对一辅导，不受情绪左右，提高学生参与感。 能够根据学生的学习情况、兴趣和偏好提供定制化的学习计划和资源，实现因材施教，提高学习效率和成果，缓解教育资源不平等问题。 2. 数字陪伴 人工智能生成的虚拟角色可以作为孩子的玩伴，来自他人的赞美等社会奖励，促进儿童成长，提高学习成绩。 二、AI 相关技术原理与概念 1. 概念 生成式 AI 生成的内容称为 AIGC。 2. 相关技术名词 AI：人工智能。 机器学习：电脑找规律学习，包括监督学习、无监督学习、强化学习。 监督学习：有标签的训练数据，算法学习输入和输出之间的映射关系，包括分类和回归。 无监督学习：学习的数据没有标签，算法自主发现规律，经典任务如聚类。 强化学习：从反馈里学习，最大化奖励或最小化损失，类似训小狗。 深度学习：参照人脑有神经网络和神经元，因有很多层所以叫深度，神经网络可用于多种学习方式。 生成式 AI：可以生成文本、图片、音频、视频等内容形式。 LLM：大语言模型，对于生成式 AI，生成图像的扩散模型不是大语言模型；对于大语言模型，生成只是其中一个处理任务，如谷歌的 BERT 模型可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 3. 技术里程碑 2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出 Transformer 模型，它完全基于自注意力机制处理序列数据，比 RNN 更适合处理文本的长距离依赖性。
2024-10-29
我计划编写一本关于生成式人工智能的书籍，但是在开始前，我需要确定一个合适的大纲框架来组织我的思路。这个框架应该包括那些部分，以及如何将各个部分连接起来，以便读者能够理解掌握AIGC的概念和应用
以下是为您编写关于生成式人工智能书籍提供的大纲框架建议： 一、引言 介绍编写本书的目的和背景，引导读者进入生成式人工智能的世界。 二、基础概念 1. 什么是生成式人工智能（AIGC） 定义和特点 与传统人工智能的区别 2. 相关技术名词 AI（人工智能） 机器学习（包括监督学习、无监督学习、强化学习） 深度学习（神经网络、神经元） 生成式 AI（可生成文本、图片、音频、视频等内容形式） LLM（大语言模型） 三、AIGC 的应用领域 1. 文字生成（如使用大型语言模型生成文章、故事、对话等） 2. 图像生成（如使用 Stable Diffusion、DALLE 等模型生成艺术作品、照片等） 3. 视频生成（如使用 Runway、KLING 等模型生成动画、短视频等） 四、AIGC 与其他内容生成方式的关系 1. AIGC 与 UGC（用户生成内容） 区别与联系 各自的优势和适用场景 2. AIGC 与 PGC（专业生成内容） 区别与联系 相互的影响和融合 五、技术原理 1. Transformer 模型 自注意力机制 处理序列数据的优势 2. 技术里程碑（如谷歌团队发表的《Attention is All You Need》论文） 六、实际案例分析 展示不同领域中成功的 AIGC 应用案例，分析其实现过程和效果。 七、挑战与展望 1. 面临的挑战（如数据隐私、伦理问题等） 2. 未来发展趋势和前景 八、结论 总结全书重点内容，对 AIGC 的未来发展进行展望。 各个部分之间可以通过逻辑递进、案例引用、对比分析等方式进行连接，使读者能够逐步深入理解掌握 AIGC 的概念和应用。
2024-10-23
什么是LangGPT框架
LangGPT 是由云中江树开发的一款开源提示词框架。它旨在解决传统提示词在系统性、灵活性和用户友好性方面的不足，更好地挖掘和利用大模型的潜力。 随着 GPT4 等新一代模型的发布，提示词的重要性日益凸显，其编写过程逐渐成为 AI 时代的一种编程语言，而 LangGPT 提示词框架就是为了应对高效编写高质量提示词这一需求而研发的。 云中江树早在 2023 年 3 月就提出了结构化构建提示词的方法，并于 5.4 青年节开源发布，很快收藏破千，成为 GitHub 开源社区全球趋势热榜前十项目，还撰写了学术论文开源发表。 LangGPT 提出的结构化提示词已被百度、智谱、字节、华为等国内主流大模型智能体平台使用，当前已发展成为国内最具影响力的高质量提示词工程师学习交流社群。其愿景是让人人都能写出高质量提示词，为大众提供一套可操作、可复现的提示词方法论、工具和交流社群。 使用框架时，可以换着不同的预设角度去描述同样一个物体。例如，去年有人用 LangGPT 的框架，模拟一个能以善解人意的方式讲解任何学科概念的老师进行输出。
2024-10-21
12种Prompt框架
以下是 12 种 Prompt 框架： 1. Key Result（关键结果）：说明想要的具体效果，试验并调整。包括改进输入（从答案不足之处着手改进背景、目标与关键结果）、改进答案（在后续对话中指正 ChatGPT 答案缺点）、重新生成（在 Prompt 不变情况下多次生成结果，优中选优）。 2. Evolve（试验并改进）：三种改进方法自由组合。 3. APE 框架：未提供具体说明。 4. COAST 框架：未提供具体说明。 5. CONTEXT（上下文背景）：为对话设定舞台。 6. OBJECTIVE（目的）：描述目标。 7. ACTION（行动）：解释所需的动作。 8. SCENARIO（方案）：描述场景。 9. TASK（任务）：描述任务。 10. ICIO 框架：相关链接 。 11. CRISPE 框架：相关链接 。 12. BROKE 框架：作者陈财猫，相关链接 。 此外还有： 1. 框架集合：右侧附件做成了海报。 2. Instruction（指令）：即希望 AI 执行的具体任务，比如翻译或者写一段文字。 3. Context（背景信息）：给 AI 更多背景信息引导模型做出更贴合需求的回复。 4. Input Data（输入数据）：告知模型需要处理的数据。 5. Output Indicator（输出引导）：告知模型要输出的类型或风格。 6. Capacity and Role（能力和角色）：ChatGPT 应扮演的角色。 7. Insight（见解）：提供请求的背后见解、背景和上下文。 8. Statement（声明）：要求 ChatGPT 做什么。 9. Personality（个性）：希望 ChatGPT 以何种风格、个性或方式回应。 10. Experiment（实验）：请求 ChatGPT 为您回复多个示例。 其他框架： 1. ACTION（行动）：描述想做什么。 2. RESULT（结果）：描述所需的结果。 3. EXAMPLE（示例）：举一个例子来说明观点。 4. ROSES 框架：未提供具体说明。 5. ROLE（角色）：指定 ChatGPT 的角色。 6. OBJECTIVE（目的）：陈述目标或目标。 7. SCENARIO（方案）：描述情况。 8. EXPECTED SOLUTION（解决方案）：定义所需的结果。 9. STEPS（步骤）：要求达到解决方案所需的措施。 10. RACE 框架：未提供具体说明。 11. PATFU 泡芙提示词框架：作者口袋君。 12. Problem（问题）：清晰地表述需要解决的问题。 13. Aera（领域）：问题所在领域以及需要扮演的角色。 14. Task（任务）：解决问题需要执行的具体任务。
2024-10-21
知识库都有哪些提示词框架
以下是一些常见的提示词框架： ICIO 框架：包括 Instruction（指令）、Context（背景信息）、Input Data（输入数据）、Output Indicator（输出引导）。 CRISPE 框架：涵盖 Capacity and Role（能力和角色）、Insight（见解）、Statement（声明）、Personality（个性）、Experiment（实验）。 BROKE 框架：包含 Background（背景）、Role（角色）、Objectives（目标）、Key Result（关键结果）。 TRACE 框架：有 TASK（任务）、REQUEST（请求）、ACTION（行动）、CONTEXT（上下文）、EXAMPLE（示例）。 ERA 框架：包括 EXPECTATION（期望）、ROLE（角色）、ACTION（行动）。 CARE 框架：由 CONTEXT（上下文）、ACTION（行动）、RESULT（结果）、EXAMPLE（示例）组成。 ROSES 框架：包含 ROLE（角色）、OBJECTIVE（目的）、SCENARIO（方案）。 Evolve 框架：包括试验并改进，通过改进输入、改进答案、重新生成等方法。 APE 框架。 COAST 框架：包含 CONTEXT（上下文背景）、OBJECTIVE（目的）、ACTION（行动）、SCENARIO（方案）、TASK（任务）。 TAG 框架：包括 TASK（任务）、ACTION（行动）、GOAL（目标）。 RISE 框架。
2024-10-17