CO-STAR Framework
Context · Objective · Style · Tone · Audience · Response
由新加坡GovTech数据科学与人工智能团队被认为是其出处,曾被用于赢得新加坡首届GPT-4提示工程大赛。对语气、受众和输出格式拥有最大程度的控制力。
作者 Hans Kuepper · 最后更新

- 定义
- CO-STAR框架(Context · Objective · Style · Tone · Audience · Response)是一种提示词工程结构,将你对AI的请求拆分为6个独立字段。最适合商务沟通和营销文案。
6个字段
Context
AI理解任务和情境所需的背景信息。
Objective
你希望AI实现的具体目标或结果。
Style
写作风格——例如正式、口语化、新闻体、学术风格。
Tone
情感基调——例如有说服力、富有同理心、权威、友好。
Audience
输出内容面向的受众,决定用词、深度和默认假设。
Response
确切的输出格式——例如项目符号列表、500字文章、JSON、表格。
真实示例
场景: 为面向CTO的SaaS工具撰写产品发布邮件
Context: PromptQuorum是一款将于2026年7月上线的多模型AI工具。Objective: 撰写一封能带来注册转化的产品发布邮件。Style: 简洁直接,不废话。Tone: 自信而专业。Audience: 中型科技公司的CTO。Response: 200字邮件正文,含主题行。
何时使用CO-STAR

常见问题
CO-STAR代表什么?
CO-STAR代表Context、Objective、Style、Tone、Audience和Response——这六个字段能让你精确控制AI的输出。
CO-STAR从何而来?它赢得了新加坡的GPT-4大赛吗?
CO-STAR被认为出自新加坡GovTech的数据科学与人工智能团队。Sheila Teo用它赢得了GovTech首届GPT-4提示工程大赛(参赛者超过400人),并在Towards Data Science上发表文章介绍了这一做法。框架本身并未参赛获奖,获奖的是Teo。它的核心设计思路是将Style(呈现方式)与Tone(情感基调)分开。
什么时候该用CO-STAR而不是CRAFT?
当你需要对语气和受众进行精细控制时,使用CO-STAR;当你想要基于角色设定、并有明确目标人群时,使用CRAFT。想了解如何评估CO-STAR提示词的效果,请访问https://www.promptquorum.com/zh/prompt-engineering/how-to-evaluate-prompt-quality。