Add prompt-optimizer skill with 57 prompt frameworks

This commit is contained in:
liuyang
2025-12-19 19:37:39 +08:00
parent 3ef18cc09a
commit 9ff0ce2ebd
62 changed files with 7570 additions and 2 deletions

View File

@@ -0,0 +1,103 @@
# GRADE Framework
## 网址
https://juuzt.ai/knowledge-base/prompt-frameworks/the-grade-framework/
## 应用场景
- 数据分析
- 内容创作
- 策略开发
- 教育教程
- 项目管理
- 报告生成
## 概述
GRADE框架提供了AI提示词工程的系统方法包含五个关键元素目标(Goal)、请求(Request)、行动(Action)、细节(Details)和示例(Example)。这种结构有助于制作清晰、有目的性的提示有效引导AI产生有针对性和相关的响应。
通过采用GRADE框架开发者可以确保每个提示都经过精心设计以实现特定结果使AI交互更加高效和有影响力。这种方法不仅简化了开发过程还显著提高了AI生成内容的质量。
## 框架构成
| 组成部分 | 英文 | 说明 |
|---------|------|------|
| 目标 | Goal | 指定AI任务的最终目标提供清晰的方向 |
| 请求 | Request | 概述向AI提出的具体问题或任务构建响应的上下文 |
| 行动 | Action | 详述AI应执行的步骤或过程 |
| 细节 | Details | 提供额外信息或参数指导AI响应确保准确性和相关性 |
| 示例 | Example | 提供说明期望结果的具体实例帮助AI理解任务 |
## 详细说明
### Goal (目标)
指定AI任务的最终目标为交互提供清晰的方向。目标应该具体且可衡量让AI明确知道需要达成什么。
### Request (请求)
概述向AI提出的具体问题或任务构建其响应的上下文。请求定义了任务的范围和焦点。
### Action (行动)
详述AI为完成请求应执行的步骤或过程。行动为AI提供了明确的执行路径。
### Details (细节)
提供额外信息或参数来指导AI的响应确保准确性和相关性。细节帮助AI理解具体要求和限制。
### Example (示例)
提供说明期望结果或方法的具体实例帮助AI理解任务。示例是最直接的方式来展示您期望的输出。
## 优点
- **目标导向设计**: 明确定义的目标确保AI生成的响应与期望结果对齐
- **全面结构**: 包含AI的逐步指南增强其输出的精确度和相关性
- **上下文清晰**: 详细的示例提供上下文使AI更容易理解和满足提示的要求
## 缺点
- **初始复杂性**: 在GRADE框架内开发提示可能需要更多前期工作来定义每个组件
- **有限灵活性**: 高度结构化的提示可能限制AI在生成响应时的创意潜力
## 最佳实践
### 示例1市场分析报告
**Goal**: 创建当前市场趋势的全面分析
**Request**: 评估近期经济政策对消费者行为的影响
**Action**: 审查经济报告,进行竞争对手分析,并综合发现
**Details**: 聚焦于过去一个季度受政策影响的关键行业
**Example**: 例如,检查科技行业如何应对新的数字税法
### 示例2产品发布策略
**Goal**: 制定成功的产品发布计划
**Request**: 为新智能家居设备创建上市策略
**Action**: 确定目标受众,选择营销渠道,制定发布时间表
**Details**: 预算限制为50万美元发布周期为3个月
**Example**: 参考Nest恒温器的成功发布案例
### 示例3客户服务培训
**Goal**: 提高客户服务团队的问题解决能力
**Request**: 开发客户投诉处理培训模块
**Action**: 识别常见投诉类型,创建响应脚本,设计角色扮演练习
**Details**: 培训应在2小时内完成适用于新员工
**Example**: 包含处理退款请求和产品缺陷投诉的具体场景
### 示例4技术文档
**Goal**: 创建易于理解的API集成指南
**Request**: 编写开发者文档解释如何集成支付API
**Action**: 描述认证流程、API端点、请求/响应格式和错误处理
**Details**: 使用Python和JavaScript代码示例
**Example**: 提供一个完整的支付处理流程示例代码