談到提示工程的框架，這篇寫得很好，也成為我們常用來提供給客戶的教學指引。
參考文章：產品經理必須懂得AI：prompts提示工程之五大經典框架
不同類型的 AI Agent 在開發時適用不同的 提示工程框架，這取決於 Agent 的用途、交互方式、技術需求 以及 使用者期望。以下是幾種類型的 AI Agent 以及其適用的框架：
1. 任務導向型 Agent（Task-Oriented Agent）
📌 應用場景：客戶服務機器人、行程規劃助手、智慧助理
🎯 適用框架：
- ICIO 框架（Instruction-Context-Input-Output）
適用於 結構化、明確輸入-輸出 的場景，如 自動客服、查詢系統。 - BROKE 框架（Background-Role-Objectives-Key Result-Evolve）
適用於需要 動態調整與學習 的任務，如 AI 自動化工作流、智慧 CRM。
- ICIO 框架（Instruction-Context-Input-Output）
📌 示例：
AI 客服機器人使用 ICIO 框架：
- 指令（Instruction）：回答客戶有關退貨政策的問題
- 背景（Context）：客戶已經購買過，且在30天內可退貨
- 輸入（Input）：客戶輸入「如何退貨？」
- 輸出（Output）：提供具體的退貨步驟
2. 創意型 Agent（Creative Agent）
📌 應用場景：文案助手、短影音腳本生成、行銷廣告 AI
🎯 適用框架：
- CLEVER 框架（Clarity-Language-Efficiency-Value-Evaluate-Results）
適用於需要 高品質內容輸出 的場景，如 AI 影片腳本創作、品牌文案撰寫。 - CRISPE 框架（Capacity and Role-Insight-Statement-Personality-Experiment）
適用於 AI 扮演特定角色（如 AI 作家、劇本生成 AI），提供 具個性化的輸出。
- CLEVER 框架（Clarity-Language-Efficiency-Value-Evaluate-Results）
📌 示例：
AI 廣告文案助手使用 CLEVER 框架：
- 清晰度（Clarity）：文案簡潔有力
- 語言（Language）：使用吸引人的描述
- 效率（Efficiency）：快速產出 3 個不同版本
- 價值（Value）：結合市場趨勢
- 評估（Evaluate）：根據 A/B 測試調整
- 結果（Results）：優化最佳版本
3. 會話型 Agent（Conversational Agent）
📌 應用場景：聊天機器人、心理諮詢 AI、AI 角色扮演
🎯 適用框架：
- CRISPE 框架（Capacity and Role-Insight-Statement-Personality-Experiment）
適合 個性化角色 AI，如 塔羅 AI、AI 顧問，可設定 個性化語氣與風格。 - RASCEF 框架（Role-Action-Script-Content-Example-Format）
適合需要 遵循特定對話流程 的 AI，例如 醫療 AI、法律諮詢 AI。
- CRISPE 框架（Capacity and Role-Insight-Statement-Personality-Experiment）
📌 示例：
AI 塔羅占卜師使用 CRISPE 框架：
- 角色（Capacity and Role）：神秘且專業的塔羅師
- 背景（Insight）：用戶想詢問感情運勢
- 陳述（Statement）：提供解釋，並建議適當的行動
- 個性（Personality）：用語溫和，帶有啟發性
- 實驗（Experiment）：可調整回答方式（如詩意 vs. 直接）
4. 分析型 Agent（Analytical Agent）
📌 應用場景：數據分析 AI、財務分析、量化交易 AI
🎯 適用框架：
- ICIO 框架（Instruction-Context-Input-Output）
適合需要 結構化分析 的 AI，如 財報分析 AI、投資建議 AI。 - BROKE 框架（Background-Role-Objectives-Key Result-Evolve）
適合 持續優化與學習 的 AI，如 機器學習驅動的預測系統。
- ICIO 框架（Instruction-Context-Input-Output）
📌 示例：
AI 財務分析助理使用 BROKE 框架：
- 背景（Background）：全球經濟環境變化
- 角色（Role）：財務專家，提供風險建議
- 目標（Objectives）：分析美股市場走勢
- 關鍵結果（Key Result）：提供 3 個可能的市場走勢與對應策略
- 優化（Evolve）：根據即時數據調整分析結果
5. 自主決策型 Agent（Autonomous Decision-Making Agent）
📌 應用場景：自動駕駛 AI、供應鏈 AI、智能決策 AI
🎯 適用框架：
- RASCEF 框架（Role-Action-Script-Content-Example-Format）
適合 遵循決策流程 的 AI，如 智能物流調度 AI、自動駕駛 AI。 - BROKE 框架（Background-Role-Objectives-Key Result-Evolve）
適合 自學習與策略優化 的 AI，如 智慧供應鏈 AI、AI 交易系統。
- RASCEF 框架（Role-Action-Script-Content-Example-Format）
📌 示例：
AI 供應鏈管理使用 RASCEF 框架：
- 角色（Role）：供應鏈最佳化專家
- 行動（Action）：調整庫存與物流規劃
- 腳本（Script）：分析需求、計算成本、最佳化供應鏈
- 內容（Content）：根據即時市場數據調整決策
- 示例（Example）：提供歷史案例以支持決策
- 格式（Format）：輸出 Excel 報表或 JSON API
6. 個性化推薦 Agent（Personalized Recommendation Agent）
📌 應用場景：電商推薦 AI、音樂/影片推薦 AI
🎯 適用框架：
- CRISPE 框架（Capacity and Role-Insight-Statement-Personality-Experiment）
適用於 AI 角色化推薦，如 AI 音樂策劃師、個性化書籍推薦 AI。 - ICIO 框架（Instruction-Context-Input-Output）
適用於 基於數據驅動的推薦系統，如 Netflix 影片推薦 AI。
- CRISPE 框架（Capacity and Role-Insight-Statement-Personality-Experiment）
📌 示例：
AI 旅行推薦系統使用 CRISPE 框架：
- 角色（Role）：專業旅行規劃師
- 背景（Insight）：用戶想去日本自由行
- 陳述（Statement）：推薦適合的行程與住宿
- 個性（Personality）：提供熱情、個性化的推薦
- 實驗（Experiment）：測試不同推薦方式，提高滿意度
小結：不同 AI Agent 適用的提示工程框架
不同 AI Agent 需根據需求選擇適合的框架，提升 AI 的互動品質與準確性！ 🎯🚀
以下是 提示工程的框架（Frameworks for Prompt Engineering）的詳細整理，包括其 知識結構 和 邏輯運作方式。
1. CLEVER 框架
📌 適用場景：內容創作、廣告文案、短影音腳本、行銷素材
🔍 核心邏輯：透過 六個步驟，確保輸出 清晰、高效、有價值。
2. ICIO 框架
📌 適用場景：客服機器人、數據分析 AI、資訊檢索系統
🔍 核心邏輯：四個核心步驟，確保 AI 產生 準確且具結構化的回應。
3. CRISPE 框架
📌 適用場景：角色扮演 AI、故事生成、虛擬助理、心理諮詢 AI
🔍 核心邏輯：讓 AI 模擬特定角色，並確保回應 具備情境感與個性。
4. BROKE 框架
📌 適用場景：AI 自動化系統、商業決策 AI、財務分析
🔍 核心邏輯：定義 背景、角色、目標，確保 AI 持續學習與優化。
5. RASCEF 框架
📌 適用場景：自動化決策 AI、智能供應鏈、機器人決策
🔍 核心邏輯：讓 AI 遵循標準化的決策流程，確保 可控性與可解釋性。
上述框架可根據不同 AI Agent 的需求，靈活選擇與組合，提升 AI 的回應準確度與創意能力！
延伸閱讀：
以上內容由 智慧方案股份有限公司 彙整。
想找 AI Agents 導入顧問工作機會請看這。
