跳转到主要内容
PromptQuorum为人类设计。 为AI结构化。

CO-STAR 提示框架是什么?

作者 · PromptQuorum创始人 · 开放权重与开源AI发现引擎

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
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)
Prompt Engineering

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。

CO-STAR 被认为出自新加坡政府科技机构 GovTech Singapore 的数据科学与人工智能团队,并收录于其 Prompt Engineering Playbook(GovTech 介绍)。首届 GovTech GPT-4 提示工程比赛(2023 年,新加坡)的冠军 Sheila Teo 在 Towards Data Science 文章中介绍了该框架,使其广为人知。

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 中的 C 代表什么?▾
C 代表 Context(背景):模型理解情境所需的背景信息,如项目、过往经过或限制条件。完整缩写为 Context、Objective、Style、Tone、Audience、Response。O 是 Objective,而不是“Output”。
CO-STAR 中哪个要素规定格式、结构和交付约束?▾
Response。它规定输出的格式与结构,例如项目符号列表、表格、JSON、150 词邮件或代码块。Style 和 Tone 决定文字读起来如何,Response 决定如何交付。
CO-STAR 中的 Tone 定义什么?▾
Tone 定义回答的情感基调,如共情、中立、鼓励或坚定。它不同于 Style(写作方式:正式、技术、口语化)。两者都设定,可避免内容正确但语气不当的回答。
Role、Objective、Audience、Tone 中哪个不属于 CO-STAR?▾
Role。CO-STAR 有六个组成部分:Context、Objective、Style、Tone、Audience 和 Response,没有 Role、Examples 或 Steps 要素;TRACE 和 RISEN 等框架包含这些。可以额外加一行角色设定,但它不属于该缩写。
CO-STAR 框架由谁开发?▾
CO-STAR 被认为出自新加坡 GovTech 的数据科学与人工智能团队,并收录于其 Prompt Engineering Playbook。Sheila Teo 在赢得首届 GovTech GPT-4 提示工程比赛(2023 年)后公开介绍了它。参见GovTech 介绍。
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。
MCP