实践证明，要编写精准高效的提示词并不是一件容易的事情。
即便是经验丰富的技术专家，也常常需要反复尝试和调整，才能找到最适合的表达方式，以确保 LLM（大语言模型）能够准确理解和响应用户的想法。
因此，隐藏的门槛和难度，让提示词的编写成为了一项专业性极强的技能。
在以前的文章中，我向大家介绍了多种提示词的编写技术和框架，涵盖了从入门到高级的各个层次。如果你有兴趣，也欢迎翻阅本公众号以前的文章。
本文将继续介绍一种新的编写提示词的框架：CO-STAR，这是一个非常强大的提示词编写框架，由新加坡政府技术局（GovTech）的数据科学与 AI 团队开发，重点在于确保提供给 LLM 的提示词是全面且结构良好的，从而生成更相关和准确的回答。
在去年的新加坡 GPT-4 提示工程竞赛上，Sheila Teo 使用这个框架赢得了冠军。
作者的获奖原文在这里查看： www.linkedin.com/posts/sheil…
如果你还纠结于如何写出精准高效的提示词，不妨来试试这个连冠军都在使用的框架吧。
本文的 AI 回答内容由 ChatGPT-4o 生成。
CO-STAR 框架解析
在目标设定和问题解决的场景下，清晰性和结构性是至关重要的。
而有一种方法论，在这些方面表现都非常出色，那就是 CO-STAR 框架。
CO-STAR 可以拆解为六个维度。
Context (C)：设定背景
提供与任务相关的背景信息。
背景信息有助于 LLM 理解具体的情境，从而确保其响应与给定情况相关。
举例来说，如果任务是撰写一篇关于环境保护的文章，那么需要向 LLM 提供当前的环境问题、相关的数据和案例等背景信息。
Output or Objective (O)：明确任务目标
这部分指定了希望 LLM 完成的任务。
明确的目标指导 LLM 生成符合预期结果的响应。例如，你的目标可能是撰写一篇介绍环境保护措施的文章，或是分析一项环境政策的影响。
Specificity or Style (S)：具体或风格
针对于 Specificity，即具体性：提供有关所需回答的更多细节，避免有歧义，同时，也避免 LLM 泛化的回答内容。
针对于 Style，即风格：这可能包括正式、非正式、技术性或对话性的风格，具体取决于背景和预期的读者。
例如，如果在撰写学术论文，写作风格应当是正式和技术性的；而如果是给小学生写科普文章，风格则应当是简洁且易于理解的。
Task or Tone (T)：任务或语气
针对于 Task，即任务：提供给 LLM 具体的任务和执行方案，比如分析、总结、翻译或者写作等。
针对于 Tone，即语气：设定回答的语气，可以是专业的、友好的、严肃的等。语气有助于设定回答的态度，使其适合目标受众和情境。
例如，写给环保组织的报告可能需要专业且严肃的语气，而给普通大众的环保宣传材料则可以采用友好且激励的语气。
Assumptions or Audience (A)：假设或受众
针对于 Assumption，即假设：帮助 LLM 补充未明确说明的内容，比如对于目标内容的假设。
针对于 Audience，即受众：提供给 LLM 关于目标受众的知识水平，让 LLM 选择适合于目标受众的语言和词汇、参考资料和风格等。
例如，专业技术人员需要详细的技术说明，而普通读者则可能需要简明扼要的解释和实例。
Requirements or Response (R)：回答必须包含的要素
列举出回答内容的约束条件，比如长度限制、结构限制等，可以包括回答应采用的结构或模板。
例如，回答可以是一个详细的报告、一系列步骤的指南或简短的摘要等。明确的格式有助于 LLM 生成结构化且连贯的内容。
CO-STAR 框架本身其实是代表：Context、Objective、Style、Tone、Audience、Response。本文中提到的 Specificity、Output、Assumption、Task 以及 Requirements 部分均属于此框架的变体结构，在编写 Prompt 的时候依然适用。
本文将通过两个实际案例来一步一步带你掌握这个框架。
案例 1：编写小红书种草博文
首先我们需要明确目标：我们的目标是撰写一篇面向 22-30 岁年轻人的小红书种草博文，推荐一款最新的护肤产品。
按照 CO-STAR 框架的结构，我们可以这样编写 Prompt：
1、背景信息（Context）
- 撰写一篇小红书种草博文，推荐一款最新的护肤产品。
- 这篇博文的背景是为了推广一款最新的护肤产品，该产品主打成分为玻尿酸，适合所有肤质，特别是干性和敏感性肌肤。
- 目标读者是22-30岁的年轻人，他们关注护肤和美容趋势，喜欢尝试新产品。
2、目标（Objective）
- 介绍这款护肤产品的主要特点和优势。
- 通过详细描述使用体验，激发读者的购买欲望。
3、风格（Style）
- 采用亲切、活泼的风格，融入生活化的语言。
- 小红书博文风格，需要包含诸如“宝子”，“姐妹”等词汇，以及丰富的emoji。
4、语气（Tone）
- 友好、热情、激动、开心，像朋友间的推荐。
5、受众（Audience）
- 22-30岁的年轻人，特别是注重护肤和美容的女性读者。
6、回答格式（Response）
- 博文应包括产品介绍、使用体验、效果描述和推荐理由。
- 如果文中有列表，那么列表的每一项开头都需要有 emoji。
完整的 Prompt 如下：
# CONTEXT #
撰写一篇小红书种草博文，推荐一款最新的护肤产品。这篇博文的背景是为了推广一款最新的护肤产品，该产品主打成分为玻尿酸，适合所有肤质，特别是干性和敏感性肌肤。目标读者是22-30岁的年轻人，他们关注护肤和美容趋势，喜欢尝试新产品。
# OBJECTIVE #
* 介绍这款护肤产品的主要特点和优势。
* 通过详细描述使用体验，激发读者的购买欲望。
# STYLE #
采用亲切、活泼的风格，融入生活化的语言。小红书博文风格，需要包含诸如“宝子”，“姐妹”等词汇，以及丰富的emoji。
# TONE #
友好、热情、激动、开心，像朋友间的推荐。
# AUDIENCE #
22-30岁的年轻人，特别是注重护肤和美容的女性读者。
# RESPONSE #
博文应包括产品介绍、使用体验、效果描述和推荐理由。如果文中有列表，那么列表的每一项开头都需要有 emoji。
案例 2：市场调研报告
首先我们需要明确目标：我们的目标是撰写一份面向销售人员的宠物市场调研报告，分析当前宠物市场的趋势和潜力。
按照 CO-STAR 框架的结构，我们可以这样编写 Prompt：
1、背景信息（Context）
- 撰写一份面向销售人员的宠物市场调研报告，分析当前宠物市场的趋势和潜力。
- 这份报告旨在帮助销售人员了解当前宠物市场的动态，以便制定更有效的销售策略。
- 目标读者是销售人员，他们需要详细的市场数据和趋势分析。
2、目标（Objective）
- 提供近三年宠物市场的概述和数据分析。
- 分析未来三年的市场趋势和潜在的销售机会。
3、风格（Style）
- 专业、清晰且有条理。
4、语气（Tone）
- 正式且权威，确保数据和分析的可信度。
5、受众（Audience）
- 销售人员和市场分析师。
6、回答格式（Response）
- 报告应包括市场概述、数据分析、趋势解读和销售建议。
- 报告所涉及的数据要以表格形式展示。
- 字数不少于 3000 字。
完整的 Prompt 如下：
# CONTEXT #
撰写一份面向销售人员的宠物市场调研报告，分析当前宠物市场的趋势和潜力。这份报告旨在帮助销售人员了解当前宠物市场的动态，以便制定更有效的销售策略。目标读者是销售人员，他们需要详细的市场数据和趋势分析。
# OBJECTIVE #
* 提供近三年宠物市场的概述和数据分析。
* 分析未来三年的市场趋势和潜在的销售机会。
# STYLE #
专业、清晰且有条理。
# TONE #
正式且权威，确保数据和分析的可信度。
# AUDIENCE #
销售人员和市场分析师。
# RESPONSE #
报告应包括市场概述、数据分析、趋势解读和销售建议。报告所涉及的数据要以表格形式展示。字数不少于 3000 字。
这两个案例清晰地展示了 CO-STAR 框架在提示工程中的强大优势。
通过明确背景信息、目标、风格、语气、受众和回答格式，CO-STAR 框架可以有效地指导内容生成，使生成的内容更加有针对性、结构清晰且易于理解。
这不仅提升了生成内容的质量，也确保了其在不同应用场景中的实用性和有效性。
总结
当然，本文要传达的信息并不是说，不用 CO-STAR 框架，就写不好提示词。
如果我们对风格、语气以及各种各样的约束条件和提示技术都了如指掌，那就算不用这个框架，也依然能够写出非常优秀的提示词。
而作为一门提示词框架，CO-STAR 更多的是能够以清晰的结构指导我们来写出精准的提示词，让我们能够从 LLM 口中得到满意的回答。
本文详细介绍了 CO-STAR 框架及其应用，通过两个实际案例展示了其在提示工程中的强大优势，希望能够让你对 CO-STAR 这个框架有一个全面的认知。
摘要：本文详细介绍了 CO-STAR 框架的背景、要素及其实际应用，帮助你从模糊提示到高度针对性的转变，证明提示工程不仅是技术，更是一门艺术。快来尝试一下，解锁 LLM 的真正潜力！
