PromptQuorumPromptQuorum

CO-STAR 提示框架是什么？

快速回答

CO-STAR 是一个六部分的提示结构：Context（背景）、Objective（目标）、Style（写作风格）、Tone（情感基调）、Audience（受众）、Response（输出格式）。它通过明确所有约束来帮助产生一致的、有针对性的 LLM 输出。

  • ▸C = Context：LLM 需要的背景信息
  • ▸O = Objective：要完成的具体任务
  • ▸S/T/A = Style、Tone、Audience：如何写以及为谁写
  • ▸R = Response：格式（列表、段落、JSON 等）

更新于: 2026-05

Prompt Engineering

关键要点

  • ✓CO-STAR 代表 Context、Objective、Style、Tone、Audience、Response——一个六组件提示结构，用于产生一致的输出
  • ✓该框架迫使您明确每个假设，从而减少大型语言模型给出模糊或不对齐的响应
  • ✓CO-STAR 最适合文档起草、面向客户的邮件，以及任何需要特定语气或格式的任务
  • ✓对于简单的事实查询或单行命令，CO-STAR 增加了开销但没有带来显著质量提升

每个 CO-STAR 组件的作用

CO-STAR 是一个六组件提示结构，涵盖了语言模型产生有针对性、一致输出所需的每个变量：背景情况、任务、期望的写作风格、情感基调、目标读者和所需的输出格式。 使用全部六个组件可以消除不对齐响应的最常见来源——缺少上下文。

该框架是为了解决提示工程中反复出现的问题而开发的：技术上清晰但遗漏了隐含约束的提示。当您写"总结这份文档"时，模型会对长度、正式程度、受众和格式做出假设。CO-STAR 用明确的指令替换了这些假设。

每个组件针对输出的不同维度。Context 将模型锚定在相关情境中。Objective 确定精确的交付物。Style 和 Tone 控制写作语气。Audience 校准词汇和复杂度。Response 指定结构格式。

组件回答的问题示例
Context情况是什么？您正在为非法律专业人士总结法律合同
Objective需要产出什么？主要义务的 3 点摘要
Style应该怎么写？平白语言，无专业术语
Tone情感基调是什么？中立且具有信息性
Audience谁会阅读这个？没有法律背景的小企业主
Response输出格式是什么？项目符号列表，最多 3 项

何时使用 CO-STAR，何时使用更简单的提示

CO-STAR 并非适合所有任务的工具。它对文档创建、面向客户的沟通、正式报告以及需要语气、格式和受众一致性的输出最有价值。一个结构良好的 CO-STAR 提示通常需要 60-120 个词的设置，但可以消除多轮修改。

对于简单的事实查询、代码生成或一次性查找，CO-STAR 增加了开销但没有带来显著的质量提升。 问"Python 的 `zip()` 函数是做什么的？"不会从六组件结构中受益。将 CO-STAR 保留给输出将被特定背景下真实用户阅读的任务。

有关与 CO-STAR 配合良好的提示模式的深入介绍，请参阅涵盖高级示例和常见失败模式的完整 CO-STAR 提示工程指南。

关于 CO-STAR 框架的快速解答

CO-STAR 与 RISEN 或 TRACE 等其他提示框架有何不同？▾
CO-STAR 专注于输出特征——风格、基调、受众和格式。RISEN（Role、Instructions、Steps、End Goal、Narrowing）强调过程和约束。TRACE（Task、Role、Audience、Context、Examples）与 CO-STAR 大量重叠。CO-STAR 的关键优势在于明确区分了 Style 和 Tone，而大多数其他框架将它们合并为单一的"语气"参数。
CO-STAR 中最重要的组件是什么？▾
Objective 组件影响最大。无论 Style、Tone 和 Audience 指定得多么仔细，模糊的 Objective 都会产生模糊的响应。首先写 Objective，并尽可能具体——一个具有可测量完成标准的具体交付物。
CO-STAR 适用于所有大型语言模型吗？▾
是的。CO-STAR 是一种结构性技术，不是特定模型的功能。它适用于任何处理自然语言指令的语言模型。指令遵循能力更强的模型会更可靠地应用约束，但该框架普遍适用。
什么时候应该完全跳过 CO-STAR？▾
在以下情况跳过 CO-STAR：单行事实查询、输出格式固定的代码生成、快速数据提取，以及任何从请求中输出格式显而易见的任务。参阅我们的LLM 对比指南，为您的使用场景选择与结构化提示配合的正确模型。
← 返回 Prompt Bites