8种提示工程框架详解：CRAFT vs CO-STAR vs APE（2026指南）
掌握顶级提示框架，并了解哪一种最适合您的用例。
什么是提示词框架？
提示词框架是一个结构化模板，可以指导您完成好提示词的基本要素。 与其编写冗长的段落，框架会将您的请求分解为特定字段 - 如上下文、目标、语调和受众。 这使您的提示词更清晰、更有效，并为您提供可预测的结果。
把它想象成一个食谱。 您可以随意将原料投入锅中并寄希望于最好的结果，或者您可以遵循结构化食谱，按正确的顺序使用测量的原料。 框架是提示词的食谱。
1. CRAFT框架
最适合：营销、文案写作、创意内容
字段：
- •Context：AI需要理解的背景信息
- •Role：AI应该扮演什么角色（例如"专家文案撰写人"）
- •Action：您希望AI做什么（例如"编写电子邮件主题行"）
- •Format：您希望如何构建输出（例如"项目符号列表"、"段落"）
- •Target：这是为谁而写（例如"B2B SaaS决策者"）
例子：
Context：我们为自由职业者推出生产力应用程序
Role：您是专门从事SaaS的专家文案撰写人
Action：撰写5条有说服力的电子邮件主题行
Format：为每个条目提供1句说明的编号列表
Target：重视省时工具的25-45岁忙碌自由职业者
为什么有效：
CRAFT迫使您在提出AI问题之前思考请求的所有方面。 角色+目标组合确保AI准确了解内容针对的对象以及如何与他们交谈。
2. CO-STAR框架
最适合：商业沟通、专业写作、决策
字段：
- •Context：情况或背景
- •Objective：您试图实现什么
- •Style：语调和方法（正式、随意、技术等）
- •Tone：情感品质（紧急、放心、自信等）
- •Audience：谁会读/使用这个
- •Response：您想要什么格式/长度/详细程度
例子：
Context：我们的初创公司刚刚获得A轮融资
Objective：向员工宣布这一点
Style：专业但热情
Tone：庆祝和面向未来
Audience：内部团队（工程师、设计师、营销人员）
Response：3段落公告适合电子邮件
为什么有效：
CO-STAR将风格与语调分开（风格是表现，语调是情感），这给了您对AI写作方式的更多控制。 它对企业或专业环境中精度很重要的情况特别有效。
3. SPECS框架
最适合：复杂项目、详细分析、技术写作
字段：
- •Situation：当前状态或问题
- •Purpose：您提出问题的原因（这解决了什么问题）
- •Expected Output：结果应该是什么样子
- •Context：附加相关信息
- •Style：格式和语调
例子：
Situation：我们有1000张客户支持工单需要分类
Purpose：将它们路由到正确的团队（计费、技术、功能请求）
Expected Output：一个Python脚本，读取CSV、分类、输出新的CSV
Context：我们使用这些类别：[列表]。 每个类别的常见关键词：[列表]
Style：仅代码，无说明，使用pandas库
为什么有效：
SPECS注重细节，在您需要传达复杂要求时非常有效。 预期输出字段防止AI猜测您想要什么。
4. RISEN框架
最适合：多步骤任务、工作流、流程、说明
字段：
- •Role：AI应该扮演什么角色
- •Instructions：详细的步骤或要求
- •Steps：流程的编号细分
- •End Goal：成功是什么样子
- •Narrowing：要遵循的约束或特定规则
例子：
Role：您是创建课程大纲的专家教师
Instructions：创建4周初学者提示词工程课程
Steps：1）定义学习目标 2）概述每一周 3）列出资源
End Goal：学生应该能够在第4周之前写出专业提示词
Narrowing：无代码示例，不假设先前的AI知识，保持每节课在30分钟以下
为什么有效：
RISEN非常适合序列和流程。 "narrowing"字段防止AI偏离轨道，并确保输出遵守您的约束。
5. APE框架
最适合：快速请求、简单任务、当您不需要复杂性时
字段：
- •Action：您希望AI做什么
- •Purpose：您提出问题的原因
- •Expectation：您期望得到什么
例子：
Action：总结这篇文章
Purpose：我需要一个2分钟的概述来参加团队会议
Expectation：3-4个涵盖关键发现的项目符号
为什么有效：
APE非常简洁。 大多数日常请求都适合这3个字段。 这是在升级到更复杂框架之前的一个很好的起点。
6. Google提示词框架
最适合：通用、研究、查找信息
字段：
- •Task：您想完成什么
- •Context：相关背景
- •Persona：谁在提问/应该采取什么角度
为什么有效：
Google的框架是轻量级的和信息指向的。 非常适合研究查询和"如果...会怎样"的情景。
7. TRACE框架
最适合：少次学习、基于示例的请求、教导AI
字段：
- •Task：您想要什么
- •Request：您的具体请求
- •Action：AI应该做什么
- •Context：附加信息
- •Example：向AI展示完美输出的示例
为什么有效：
TRACE强大，因为展示示例准确地教导AI您想要什么。 "做这种事"通常比解释它更清楚。
8. RTF框架
最适合：公司培训、标准化内容、教材
字段：
- •Role：讲师或专家角色
- •Task：教学目标
- •Format：如何呈现（幻灯片、测验、课程等）
为什么有效：
RTF是为培训和教育而设计的。 它确保输出的一致性和教学上的合理性。
您应该使用哪个框架？
| Framework | Best For | Complexity |
|---|---|---|
| APE | 快速、简单的请求 | ⭐ 低 |
| CRAFT | 营销、文案写作 | ⭐⭐ 中等 |
| CO-STAR | 商业沟通 | ⭐⭐ 中等 |
| SPECS | 复杂的技术任务 | ⭐⭐⭐ 高 |
| RISEN | 多步骤流程 | ⭐⭐⭐ 高 |
| TRACE | 基于示例的学习 | ⭐⭐⭐ 高 |
| 一般研究 | ⭐⭐ 中等 | |
| RTF | 培训和教育 | ⭐⭐ 中等 |
专业提示：测试多个框架
这里是秘密：用CRAFT vs SPECS编写的相同提示词可能会从同一个AI模型产生不同的结果。 不同的框架在AI中触发不同的推理模式。
这就是为什么PromptQuorum让您即时在框架之间切换，并看到相同的想法如何被重新构造。 在CRAFT中尝试您的提示词，然后切换到SPECS，然后CO-STAR。 比较结果。 您将了解哪些框架最适合您的具体用例。
接下来的步骤
选择一个与您最常见任务相匹配的框架。 掌握它。 然后随着您的技能提高而尝试其他的。
准备好将这些框架投入实践了吗？ 使用PromptQuorum尝试它们，其中包括所有8个框架以及自动优化和多AI比较。