prompt-engineering-meta-prompt-framework

name	prompt-engineering-meta-prompt-framework
description	当需要与AI进行复杂、多轮或系统性的交互以完成特定目标时，例如撰写报告、分析问题、生成结构化内容等

prompt-engineering-meta-prompt-framework

When to Use

当需要与AI进行复杂、多轮或系统性的交互以完成特定目标时，例如撰写报告、分析问题、生成结构化内容等。description

Core Logic

执行步骤

1. 定义系统角色与任务

   • 输入：任务目标。
   • 操作：为AI分配一个具体的专家角色，并清晰描述其核心任务。
   • 判断标准：角色描述能直接关联任务目标，任务陈述无歧义。
   • 输出：格式为“系统：[角色描述]。任务：[任务描述]。”的文本。

2. 设定上下文

   • 输入：任务相关的背景信息、用户期望或已知约束。
   • 操作：向AI提供完成任务所需的背景信息，说明任务的来源、目的或用户的特定视角。
   • 判断标准：提供的背景信息足以让AI理解任务的“为什么”和“边界”。
   • 输出：格式为“上下文：[背景信息描述]。”的文本。

3. 编写详细说明

   • 输入：任务目标、背景信息。
   • 操作：将任务分解为一系列具体的、可执行的步骤或指令，指导AI如何完成任务。
   • 判断标准：步骤逻辑清晰，覆盖任务核心，且每一条指令都是可操作的。
   • 输出：格式为“说明：[分步骤或分条列的详细指令]。”的文本。

4. （可选）添加示例

   • 输入：任务说明、期望的输出格式或质量。
   • 操作：提供一个或多个输入-输出样例，以具体示范期望的结果。
   • 判断标准：示例能准确反映“说明”中的要求，并展示理想的输出格式和内容深度。
   • 输出：格式为“示例：输入‘[样例输入]’，输出应为‘[样例输出]’。”的文本。

5. 明确约束条件

   • 输入：任务说明、需要避免的错误或必须遵守的规则。
   • 操作：列出AI在完成任务时必须遵守的限制或必须避免的行为。
   • 判断标准：约束条件具体、明确，能有效防止常见偏差或不期望的输出。
   • 输出：格式为“约束：[必须做什么或禁止做什么的列表]。”的文本。

6. 指定输出格式

   • 输入：任务目标、用户对最终产出的使用需求。
   • 操作：明确规定AI最终回答应采用的格式（如：要点列表、JSON、Markdown表格、特定结构的报告等）。
   • 判断标准：格式要求清晰，与任务目标匹配，便于用户直接使用结果。
   • 输出：格式为“输出：[对格式的具体要求]。”的文本。

7. 组合与测试

   • 输入：步骤1-6生成的所有文本块。
   • 操作：将以上所有部分按“系统-上下文-说明-示例-约束-输出”的顺序组合成一个完整的提示（元提示），发送给AI。
   • 判断标准：组合后的提示逻辑连贯，各部分信息完整。
   • 输出：一个完整的元提示文本。

8. 评估与迭代优化

   • 输入：AI根据完整元提示生成的输出。
   • 操作：评估输出是否符合“判断标准”中定义的各项要求（角色、任务、步骤、约束、格式）。
   • 判断标准：
     • IF 输出完全符合或基本符合所有要求 -> 流程结束，此元提示可用。
     • ELSE IF 输出在特定方面（如深度、格式、遵循约束）不足 -> 返回对应步骤（步骤3、4、5或6）补充或修改指令，然后回到步骤7重新测试。
     • ELSE IF 输出显示AI误解了任务或角色 -> 返回步骤1或步骤2修改角色或上下文，然后回到步骤7重新测试。

输出格式要求

最终输出应为按指定格式（如步骤6中定义）呈现的AI生成内容。如果处于迭代优化步骤（步骤8），则应输出优化后的新版完整元提示文本。

Metadata

属性	值
领域	人工智能交互
类型	procedural (procedural)
置信度	95%
前置条件	已明确需要AI协助完成的具体任务目标, 对任务背景和期望产出有基本了解
来源	人工智能入门指南：3：学习新技能——提示工程