# ChatGPT 提示框架
在了解了基本部分中讨论的各种场景后，您应该对提示有更深入的了解。
在前面的章节中，我们更多地关注“技能”方面以及如何使用提示，但我们没有深入研究“科学”方面。在高级部分，我们不仅将介绍更高级的应用，还将探索更多的“科学”。
在“高级”部分的开始，让我们讨论构成提示的框架。
## 基本提示框架
在研究了许多 ChatGPT 提示框架后，我发现 Elavid Saravia 的[总结](https://github.com/dair-ai/Prompt-Engineering-Guide/blob/main/guides/prompts-intro.md)非常清晰。他指出，提示包含：
* **说明（必填）：** 您希望模型执行的特定任务。
* **上下文（可选）：** 背景信息提供背景信息，以指导更好的响应。
* **输入数据（可选）：** 模型要处理的数据。
* **输出指示灯（可选）：** 指定所需的输出类型或格式。
如果按照此框架构造提示，则模型的结果将是一致的。
当然，您不一定必须在提示中包含所有四个元素。您可以根据自己的具体要求安排和组合它们。例如，让我们考虑几个场景：
* 推理：指令 + 上下文 + 输入数据
* 信息提取：指令 + 上下文 + 输入数据 + 输出指标
## CRISPE 提示框架
另一个很棒的框架是 Matt Nigh 的 [CRISPE](https://github.com/mattnigh/ChatGPT3-Free-Prompt-List)。对于提示模板来说，更复杂但相当全面：
* **CR：** 容量和角色 – ChatGPT 要承担的角色。
* **I：** 洞察力 – 背景信息和上下文（我认为上下文更清晰）。
* **S：** 声明 – 您希望 ChatGPT 做什么。
* **P：** 个性 – 所需的回应风格或方式。
* **E：** 实验 – 询问多个答案。
以下是每个元素的示例：
| **步** | **例** |
| ———— | —————————————————————————————————————————— |
| 能力和作用 | 作为机器学习框架主题的软件开发专家，以及博客专家。 |
| 洞察力 | 本博客的受众是有兴趣了解机器学习最新进展的技术专业人士。 |
| 陈述 | 全面概述最流行的机器学习框架，包括它们的优势和劣势。包括现实生活中的示例和案例研究，以说明这些框架如何在各个行业中成功使用。 |
| 个性 | 回应时，混合使用 Andrej Karpathy、Francois Chollet、Jeremy Howard 和 Yann LeCun 的写作风格。 |
| 实验 | 给我几个不同的例子。 |
将所有元素组合在一起会产生与基本提示截然不同的提示。试试下面的比较！
原文链接：https://blog.csdn.net/ndacpt/article/details/135509371?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522764b886576e04f40c2868a721d2adfb9%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=764b886576e04f40c2868a721d2adfb9&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_ecpm_v1~times_rank-29-135509371-null-null.nonecase&utm_term=chatgpt+%E6%8F%90%E7%A4%BA%E8%AF%8D
