custom-skills/skills/prompt-optimizer/references/frameworks/15_RACE_Framework.md

RACE Framework

网址

https://juuzt.ai/knowledge-base/prompt-frameworks/the-race-framework/

应用场景

• 角色扮演对话设计
• 客户服务脚本开发
• 培训场景模拟
• 创意写作
• 营销内容创作
• 教育材料开发

概述

RACE框架（Role, Action, Context, Expectation）是一种简洁有效的AI提示词工程方法，通过明确角色、行动、上下文和期望来构建精准的提示词。该框架帮助用户快速创建结构化的提示，确保AI理解应该以什么身份、在什么情境下、采取什么行动来达成预期结果。

框架构成

组成部分	英文	说明
角色	Role	指定AI应该扮演的角色或身份
行动	Action	明确需要执行的具体任务或行动
上下文	Context	提供任务的背景和相关信息
期望	Expectation	描述期望的输出结果和标准

详细说明

Role（角色）

定义AI应该扮演的角色，如专家、顾问、作家等。角色定义影响AI的语气、专业术语使用和回答风格。

Action（行动）

清晰描述需要AI执行的具体任务，使用动词开头，如"分析"、"创建"、"建议"等。

Context（上下文）

提供完成任务所需的背景信息，包括目标受众、限制条件、相关数据等。

Expectation（期望）

明确描述期望的输出形式、质量标准和具体要求。

优点

• 简洁明了: 四个要素涵盖提示词的核心需求
• 角色导向: 角色定义帮助确立适当的语气和风格
• 易于记忆: 框架简单，容易快速应用
• 适用广泛: 可用于各种类型的AI交互场景

缺点

• 可能过于简化: 对于复杂任务可能需要更多细节
• 角色限制: 某些任务可能不需要特定角色
• 需要清晰表达: 每个元素都需要精准描述

最佳实践

示例1：技术文档写作

Role: 作为一名资深技术文档工程师
Action: 编写一份API使用指南
Context: 目标读者是有基础编程经验的开发者，API用于用户认证服务
Expectation: 包含概述、快速入门、详细端点说明和代码示例，使用清晰的技术语言

示例2：客户服务脚本

Role: 作为一名专业的客户服务代表
Action: 回复客户关于退货政策的询问
Context: 客户购买了一件衣服但尺码不合适，想要退换
Expectation: 以友好、专业的语气回复，解释退货流程，提供具体步骤，最后表达帮助意愿

示例3：市场分析报告

Role: 作为一名市场研究分析师
Action: 分析在线教育市场的发展趋势
Context: 报告将用于公司战略规划会议，重点关注K12和职业培训领域
Expectation: 提供市场规模数据、主要玩家分析、增长驱动因素和风险评估，以项目符号和表格形式呈现

示例4：创意广告文案

Role: 作为一名创意广告文案
Action: 为新款智能手表创作社交媒体广告文案
Context: 目标受众是25-35岁的健身爱好者，产品亮点是高精度心率监测
Expectation: 创作3条不同风格的广告文案，每条不超过50字，包含行动号召

使用技巧

1. 角色要具体: "营销专家"比"专家"更能引导AI
2. 行动要动词化: 使用明确的动作词开始
3. 上下文要充分: 提供足够信息但不冗余
4. 期望要可衡量: 尽可能量化或具体化期望