字节笔记本
2026年10月6日 · 约 6 分钟读完
13种提示词结构一次讲清：从CO-STAR到o1风格
提示词（Prompt）怎么写，直接决定大模型输出的质量上限。同一个模型，用不同的提示词结构去驱动，得到的结果可能天差地别。围绕这个问题，社区和研究者在过去几年里沉淀出一大批成体系的框架与优化方法。本文把它们归为四类：结构化框架、领域专用写法、推理增强方法和厂商优化思路，一次讲清每种方法是什么、适合用在哪。
一、结构化框架：把需求说全
这一类方法的共同思路是：用固定字段逼你把任务交代完整，不让模型靠猜。
CO-STAR 由新加坡政府科技局开发，并在新加坡 GPT-4 提示工程大赛中拿下冠军。它包含六个要素：
- Context（背景）：交代任务发生的上下文
- Objective（目标）：明确要让模型完成什么
- Style（风格）：指定内容的表达风格
- Tone（语调）：设定语气，比如正式或轻松
- Audience（受众）：定义内容写给谁看
- Response（响应）：规定输出的格式
它适合社交媒体文案、商业报告、广告创作等需要精确控制输出的场景。可以把 CO-STAR 理解成一份完整的拍摄计划书：场景、目的、手法、基调、观众、成片格式，一样不缺。
CRISPE 由开发者 Matt Nigh 提出，核心是给模型分配角色并写好剧本：
- Capacity/Role（角色）：设定 AI 的身份
- Insight（洞察）：提供背景信息
- Statement（声明）：说明期望的输出
- Personality（个性）：设定回答风格
- Experiment（尝试）：要求给出多个方案
营销策划、教育培训、创意写作、专业咨询等需要角色扮演的场景，用 CRISPE 会更顺手。
RISE 是卡内基梅隆大学提出的结构化框架，像一份详细的工作计划：Role（角色）明确谁来做，Input（输入）列清需要什么材料，Steps（步骤）规定怎么一步步做，Expectation（期望）说明要达到什么效果。项目管理和流程优化类任务，最适合用它来组织提示词。
二、领域专用写法：AI 绘画提示词
图像生成有自己的一套语言，通常按六个部分组织：镜头角度决定如何取景，光线效果负责氛围营造，主体描述交代核心元素，背景设定布置环境，艺术风格选择表现手法，整体氛围传达情感。艺术创作、广告设计、教育展示等视觉内容生成场景，都遵循这套写法。
三、推理增强方法：让模型想得更深
结构化框架解决说清楚的问题，这一类方法解决想深入的问题。
Meta Prompting 来自清华大学的学术研究，是基于类型理论和范畴理论的高层次提示框架，包含任务类别、提示类别、元提示和递归元提示四个层次。它的价值在于分而治之：先把问题归类，再套用对应的解题模板，适合复杂推理、数学问题和逻辑游戏等需要分步解决的任务。
CoT 思维链 是流传最广的推理方法，思路是把复杂问题分解为子任务：先明确问题，再拆解子任务，然后逐步推理，最后得出结论。提示词里通常包含指令说明、逻辑推理过程和示例演示三个部分。复杂问题求解、计算编程、多模态交互等多步骤任务都适合。
变分法 借鉴参数优化的思想：定义目标，建立参数化分布，设定优化目标，然后不断迭代更新逼近最优效果。复杂任务自动化、个性化响应、资源受限环境的调优，都可以套用这个循环。
Q* 方法 基于马尔可夫决策过程，像教 AI 下棋：定义状态空间分析当前局面，定义动作空间评估可能的行动，设定转移概率预测后续变化，最后优化奖励函数选出最优策略。个性化推荐、营销广告、用户体验优化等需要持续决策的场景适合引入。
四、厂商优化思路：简洁与自动化
o1-style 是 OpenAI 针对推理模型推荐的写法，主打简洁：保持提示词简短清晰，避免显式思维链提示，推理交给模型自己完成，善用分隔符切分内容，并精简上下文信息。数据分析、问题解答、自动化任务等追求效率的场景适合这种风格。
三家厂商也各自给出了优化方向：微软侧重自动化和进化式优化框架，让提示词可以程序化地自我改进；OpenAI 强调清晰指令和系统化测试，先写清楚再验证；Claude 则专注于减少错误、提高输出质量。
最后是自定义优化：以上方法彼此并不排斥。你完全可以取 CO-STAR 的字段，加上 CoT 的推理步骤，组合出自己业务里最顺手的模板。
五、选型建议
- 按任务类型选框架：文案报告选 CO-STAR，角色扮演选 CRISPE，流程步骤选 RISE；
- 推理类任务先试 CoT 思维链或 Meta Prompting，涉及持续决策再上变分法和 Q*；
- 用推理模型时保持 o1-style 的简洁，不要画蛇添足地手写思维链；
- 无论用哪种框架，保持提示词清晰具体、上下文完整，都比结构本身更重要；
- 结构可以迭代，多试几种组合，留下效果最好的那个。
写在最后
掌握这些提示词结构，相当于掌握了与 AI 对话的几种不同语言。CO-STAR 帮你把需求说全，CoT 帮模型把问题想透，o1-style 提醒你何时该做减法。没有最好的提示词结构，只有最适合当前任务的选择。下次面对新任务时，先判断它属于哪一类，再套用对应框架，输出的质量通常会有肉眼可见的提升。
