AI提示词工程实战：从零掌握CO-STAR/ROSES/CLEVER框架核心技法

1次阅读

共计 1384 个字符，预计需要花费 4 分钟才能阅读完成。

刚接触 AI 提示词工程时，最常遇到两个问题：

语义歧义：同样的提示词在不同模型或场景下，可能产生完全不同的理解。比如简单写 ” 总结这篇文章 ”，模型可能只提取开头几句，而忽略关键结论。
响应不可控：没有结构化约束时，模型容易过度发挥。例如让 AI” 写首诗 ”，可能得到三行打油诗，也可能生成五十行史诗。

这就像做菜时只说 ” 做点好吃的 ”，结果完全依赖厨师心情。提示词框架就是我们的菜谱——通过标准化结构确保输出质量稳定。

框架	核心组件	最佳场景	优势	局限性
CO-STAR	Context, Objective, Strategy	复杂业务逻辑	上下文管理强	学习曲线较陡
ROSES	Role, Objective, Steps	多步骤任务	流程可视化	灵活性较低
CLEVER	Constraints, Length	内容生成（写作 / 翻译）	输出控制精准	不适合推理任务

注：实际应用中常混合使用，比如 CO-STAR+ROSES 处理带业务规则的多步流程

from typing import Literal

def build_co_star_prompt(
    product: str,
    issue_type: Literal["delivery", "quality", "return"]
) -> str:
    """
    构建电商客服提示词
    :param product: 商品名称（长度建议 <20 字）:param issue_type: 问题类型
    :return: 符合 CO-STAR 结构的 prompt
    """
    try:
        context = f"用户购买的商品是 {product}，遇到{issue_type} 问题"
        objective = "用中文给出专业且友好的解决方案"
        strategy = "先共情再解决，必要时提供退货流程"

        return f"""
        [Context]
        {context}

        [Objective]
        {objective}

        [Strategy]
        {strategy}
        """
    except Exception as e:
        print(f"Prompt 构建失败: {e}")
        return ""

[Role]
你是有 10 年经验的数学老师

[Objective]
分步骤讲解如何求解一元二次方程

[Steps]
1. 解释标准形式 ax²+bx+c=0
2. 演示判别式 Δ 的计算
3. 根据 Δ 值讨论解的情况
4. 用例题展示求根公式应用

[Examples]
例题：解方程 2x²-4x-6=0