大型语言模型（LLMs）如ChatGPT、deepseek等工具的出现，极大地提升了我们处理自然语言任务的能力。然而，要想充分利用这些强大的工具，我们需要学会如何给它们提供清晰、结构化且有针对性的提示（prompts）。本文将介绍九个最佳的提示框架，帮助你在使用LLMs进行研究时获得更加精准和有价值的答案。
1. CLEAR框架：结构化、定义明确的研究查询
CLEAR框架特别适用于当你需要详细且结构化的研究查询，不容许任何模糊性时。CLEAR分别代表：Context（背景）、Logic（逻辑）、Expectations（期望）、Action（行动）和Restrictions（限制）。
- 背景（Context）
提供背景信息，解释你为什么需要这些信息。这有助于AI理解你的研究动机和目的。 - 逻辑（Logic）
阐述你研究的推理过程和你试图达到的目标。这确保了AI能够遵循你的思路来回答问题。 - 期望（Expectations）
清晰定义你需要的答案类型，包括具体细节或结构。这确保了AI能够为你提供满足你需求的答案。 - 行动（Action）
指定需要执行的任务，如总结、比较或列出信息。这明确了AI的任务范围。 - 限制（Restrictions）
提及任何限制条件，如字数、语气或使用的资源类型。这有助于AI在提供答案时遵循特定的约束条件。
2. SMART框架：精确、目标导向的研究
SMART框架适用于你需要获得焦点明确、可衡量的研究结果时。SMART分别代表：Specific（具体）、Measurable（可衡量）、Achievable（可实现）、Relevant（相关）和Time-bound（时间限定）。
- 具体（Specific）
明确你需要什么，避免模糊或宽泛的问题。这确保了AI能够为你提供具体的信息。 - 可衡量（Measurable）
确保回答可以根据定义的成功标准进行评估。这有助于你验证AI提供的答案是否满足你的需求。 - 可实现（Achievable）
确保请求是现实的，并且符合AI的能力范围。这避免了过度期望AI能够提供超出其能力范围的答案。 - 相关（Relevant）
使请求与你的目标或目的保持一致。这确保了AI的回答与你的研究目标紧密相连。 - 时间限定（Time-bound）
如果适用，包含时间框架以确保及时和相关的信息。这有助于你获取最新的研究成果。
3. QUEST框架：精炼研究问题
QUEST框架适用于当你有一个广泛的话题，并需要将其缩小范围时。QUEST分别代表：Question（问题）、Understanding（理解）、Expectation（期望）、Scope（范围）和Time（时间）。
- 问题（Question）
从需要回答的问题或问题开始。这为你提供了研究的起点。 - 理解（Understanding）
解释你已经知道的内容以及你知识中的空白。这有助于AI了解你的研究背景和需求。 - 期望（Expectation）
定义良好的回答应该是什么样的，以及它应该解决哪些关键点。这确保了AI能够为你提供满足你期望的答案。 - 范围（Scope）
确定研究的焦点，指定应包括或排除的内容。这有助于AI明确你的研究范围。 - 时间（Time）
提供任何相关的信息时间限制（例如，仅包括最近的研究）。这确保了AI能够为你提供最新的研究成果。
4. GUIDE框架：系统化、逐步研究
GUIDE框架适用于当你需要逐步研究分解时。GUIDE分别代表：Goal（目标）、Understanding（理解）、Information（信息）、Direction（方向）和Evaluation（评估）。
- 目标（Goal）
清楚地说明你试图通过研究实现的目标。这有助于AI了解你的研究目的。 - 理解（Understanding）
解释你对主题的先前知识。这有助于AI理解你的研究背景。 - 信息（Information）
列出应包含在响应中的关键信息。这确保了AI能够为你提供全面的答案。 - 方向（Direction）
提供关于你希望响应如何结构化或呈现的具体指导。这有助于你获得格式化的答案。 - 评估（Evaluation）
定义你将如何评估响应的质量。这有助于你验证AI提供的答案是否满足你的标准。
5. FOCUS框架：有针对性的、无废话的研究
FOCUS框架适用于当你想要削减不必要的细节，并直接获得要点时。FOCUS分别代表：Function（功能）、Outcome（结果）、Criteria（标准）、Underlying Assumptions（潜在假设）和Strategy（策略）。
- 功能（Function）
定义AI在回答你的问题时应扮演的角色。这有助于你明确AI的作用。 - 结果（Outcome）
指定理想响应应包括的内容。这确保了AI能够为你提供符合你期望的答案。 - 标准（Criteria）
识别确定答案质量的关键因素。这有助于你评估AI提供的答案是否满足你的标准。 - 潜在假设（Underlying Assumptions）
陈述应承认的任何偏见或假设。这有助于你意识到可能影响AI回答的因素。 - 策略（Strategy）
提供你希望AI采取的研究方法或方法。这确保了AI能够按照你的要求进行研究。
6. IDEA框架：迭代研究和改进
IDEA框架适用于当你的研究需要迭代和改进时。IDEA分别代表：Intent（意图）、Details（细节）、Examples（示例）和Adjustments（调整）。
- 意图（Intent）
定义你研究的目的以及你希望达到的目标。这有助于你明确你的研究意图。 - 细节（Details）
提供相关的背景信息，并澄清你已经知道的内容。这有助于AI了解你的研究背景和需求。 - 示例（Examples）
包括可以帮助塑造响应的参考文献或案例研究。这有助于AI为你提供更具体的答案。 - 调整（Adjustments）
根据初步响应和新见解允许改进。这确保了AI能够根据你的反馈提供更好的答案。
7. RISEN框架：深入、战略性的研究
RISEN框架适用于当你的研究需要战略性方法时。RISEN分别代表：Requirement（要求）、Information（信息）、Strategy（策略）、Evaluation（评估）和Negotiation（协商）。
- 要求（Requirement）
明确定义你正在寻求的信息或解决方案。这有助于AI了解你的研究目标。 - 信息（Information）
指定所需的背景知识或支持数据。这确保了AI能够为你提供基于可靠信息的答案。 - 策略（Strategy）
描述AI应该采取的方法来回答问题。这有助于你明确AI的研究方法。 - 评估（Evaluation）
指示你将如何确定响应的准确性或有用性。这有助于你验证AI提供的答案是否可靠。 - 协商（Negotiation）
在响应中留出灵活性，允许AI根据可用信息调整其答案。这确保了AI能够根据你的需求提供灵活的答案。
8. RHODES框架：基于假设的研究
RHODES框架适用于当你的研究遵循基于假设的方法时。RHODES分别代表：Research（研究）、Hypothesis（假设）、Objectives（目标）、Development（开发）、Execution（执行）和Synthesis（综合）。
- 研究（Research）
识别需要调查的主题或问题。关注关键方面并提供相关背景。这有助于你明确你的研究方向。 - 假设（Hypothesis）
创建一个可测试的陈述，可以用证据支持或反驳。确保它连接两个或多个变量。这有助于你为你的研究提供一个可验证的假设。 - 目标（Objectives）
定义你希望实现的目标。澄清知识差距并概述可衡量的结果。这有助于你明确你的研究目标。 - 开发（Development）
计划探索假设所需的步骤。这可能包括收集数据、比较来源或审查文献。这有助于你规划你的研究方法。 - 执行（Execution）
通过分析数据、收集专家意见或测试不同来源来执行研究。这有助于你收集和分析数据以验证你的假设。 - 综合（Synthesis）
总结见解、发现和结论。确保最终响应直接解决假设。这有助于你呈现你的研究结果。
9. CREATE框架：导致创新的研究
CREATE框架适用于当你的研究涉及创意和实验时。CREATE分别代表：Conceptualize（概念化）、Research（研究）、Experiment（实验）、Analyze（分析）、Transform（转换）和Evaluate（评估）。
- 概念化（Conceptualize）
定义你想要探索的想法或挑战。概述核心问题以及任何初步想法。这有助于你明确你的研究主题。 - 研究（Research）
收集相关的背景信息、趋势和支持数据。识别现有知识中的差距。这有助于你了解你的研究领域和背景。 - 实验（Experiment）
测试不同的方法、方法或解决方案。这可能包括头脑风暴、原型制作或分析各种可能性。这有助于你通过实践来验证你的想法。 - 分析（Analyze）
评估实验结果。确定哪些有效、哪些无效以及原因。这有助于你理解你的实验结果。 - 转换（Transform）
基于你的发现来精炼和塑造你的想法。适应并改进它成为一个结构化的计划或解决方案。这有助于你将你的研究成果转化为实际应用。 - 评估（Evaluate）
衡量你最终方法的成功。评估它是否满足原始目标，并考虑未来的改进。这有助于你验证你的研究成果的可行性和有效性。
