大模型LLM-Prompt-CRISPE
1 CRISPE
"CRISPE"是一个用于构建有效提示词（Prompt）的框架，特别适用于需要AI扮演特定角色或在特定背景下完成任务的场景。以下是"CRISPE"框架的组成部分：
-
Capacity and Role（能力和角色）：定义AI应扮演的角色或其应具备的能力。
-
Insight（洞察）：提供关于请求的深入见解、背景和上下文。
-
Statement（陈述）：明确你要求AI完成的具体任务或陈述。
-
Personality（个性）：指定AI回应时采用的风格、个性或方式。
-
Experiment（实验）：如果需要，请求AI提供多个示例或进行不同方式的尝试。
2 CRISPE 优势和劣势
-
优势
-
角色扮演：通过"Capacity and Role"，CRISPE框架让AI能够更好地模拟特定角色，提供针对性的回应。
-
深入背景："Insight"部分鼓励提供详细的背景信息，帮助AI更全面地理解任务情境。
-
明确任务："Statement"部分确保了任务的明确性，AI可以准确把握需要完成的具体内容。
-
个性化风格："Personality"部分允许定制AI的回应风格，使结果更符合用户的个性化需求。
-
创新实验："Experiment"部分鼓励尝试多种解决方案，促进创造性思维和多样化输出。
-
适应性强：适用于多种场景，特别是在需要AI模拟特定角色或提供专业建议时。
-
互动性：通过角色扮演和个性化回应，CRISPE框架增强了用户与AI之间的互动性。
-
劣势
-
复杂性：对于简单查询，CRISPE的五个步骤可能显得过于复杂，增加了使用难度。
-
时间消耗：详细阐述每个部分可能需要更多时间，这可能不利于快速获取信息。
-
资源需求：在"Insight"和"Experiment"部分，可能需要额外的资源来提供背景信息和实验性内容。
-
过度规范化：严格的框架可能限制了AI的自由发挥，有时可能需要更灵活的交互方式。
-
用户熟悉度：用户需要对CRISPE框架有足够的了解，才能有效地应用它来构建提示词。
-
技术限制：AI的技术能力和设计可能影响CRISPE框架效果的发挥，特别是在需要复杂推理或创造性任务时。
-
反馈循环：虽然"Experiment"鼓励尝试，但可能缺乏即时反馈机制来评估不同尝试的效果。
3 CRISPE 示例
-
示例1：旅游博客文章撰写
假设您是一位旅游博主，想要撰写一篇关于北京秋天旅游的文章。
Capacity and Role（能力和角色）：我希望你扮演一位经验丰富的旅游作家，对中国的文化和旅游景点有深入的了解。
Insight（洞察）：北京的秋天是一个特别迷人的季节，有金黄的银杏叶、宜人的气候和丰富的文化活动。
Statement（陈述）：请撰写一篇吸引游客探索北京秋天美景和文化的文章。
Personality（个性）：文章应该具有亲和力和感染力，语言风格要生动活泼，能够激发读者的旅行欲望。
Experiment（实验）：尝试创作几种不同的文章开头，以吸引不同读者的兴趣，并提供几种不同的行程建议。
-
示例2：法律咨询服务
假设您是一位需要法律咨询的企业家，面对一个商业合同的问题。
Capacity and Role（能力和角色）：我希望你扮演一位专业的商业法律顾问，对合同法有深入的知识和实践经验。
Insight（洞察）：在北京，商业合同常常涉及复杂的法律条款，需要专业知识来解读和提供咨询。
Statement（陈述）：请提供关于即将签署的商业合同的法律风险评估和建议。
Personality（个性）：回答应该专业、权威，同时清晰易懂，避免过度使用法律术语。
Experiment（实验）：如果可能，提供几种不同的合同修订建议，并简述每种方案的潜在影响。