预计阅读时间：11 分钟

一、Prompt工程核心认知

1. 核心定义

• Prompt（提示词）：与AI交互的“需求描述文本”，是引导AI输出符合预期结果的核心输入。

• Prompt工程本质：不是简单描述需求，而是一套类似“编码设计模式”的方法论，核心逻辑是「明确目标→拆解需求→提供示例→迭代优化」。

2. Prompt效果不佳的关键原因

除AI模型自身能力外，核心问题是「诉求描述模糊、不具体」，导致AI无法精准理解任务边界。

3. 核心作用

通过结构化指令，引导AI上下文学习（ICL），无需调整模型权重，即可大幅提升任务表现。

二、四大提示词框架整体引入

Prompt工程有四大核心框架，各自适配不同场景，整体对比如下（重点拆解前两个）：

1. 框架核心逻辑

通俗比喻：给AI下“拍照订单”，明确告诉AI「拍什么（指令）→在哪拍（背景）→拍的主体长啥样（素材）→拍成啥效果（标准）」，逻辑线性直接，覆盖90%基础需求。

四大模块拆解（每个模块含定义、正反例、实操案例）：

（1）I = Instruction（核心指令）

定义：明确AI要执行的具体任务，动词精准，无歧义。

正确示例：“拍一张真实的阳台橘猫睡觉特写，风格为温暖治愈的日常感，拒绝摆拍僵硬感”。

反例（错误示范）：“拍一只猫”（无风格、无场景、无动作，AI无法精准落地）。

关键提醒：指令要包含「任务类型+风格约束」，避免模糊化描述。

（2）C = Context（背景环境）

定义：提供任务的场景、光线、限制条件，帮AI理解“任务舞台”。

正确示例：“场景是小户型阳台，午后柔和侧光从玻璃门斜射进来，地上铺橙黄色毛绒垫，旁有三盆绿植（绿萝、多肉、薄荷），氛围安静温馨”。

反例（错误示范）：“背景是阳台，有光和植物”（无光线方向、无具体元素，AI生成易模糊、光影混乱）。

关键提醒：背景只讲“环境”，不混谈主体细节（如猫的样子），避免AI混淆焦点。

（3）I = Input Data（输入素材）

定义：AI要处理的核心主体细节（人/物的样貌、动作、材质），相当于“拍摄原材料”。

正确示例：“主体是成年橘猫，毛蓬松有光泽，胸口带白斑，蜷成球趴在垫子中央睡觉，爪子埋在肚皮下，嘴角轻微抽搐，毛上沾一根绿萝叶”。

反例（错误示范）：“主体是一只橘猫，在睡觉”（无具体特征，AI易生成模板化、无记忆点的形象）。

关键提醒：补充“不完美细节”（如毛上的叶子、垫子褶皱），打破AI“完美滤镜”，提升真实感。

（4）O = Output Indicator（输出引导）

定义：明确AI输出的技术标准、风格要求、禁止项，相当于“成品验收清单”。

正确示例：“竖版3:4构图，橘猫清晰、背景轻微虚化，色彩自然无滤镜，保留猫毛和垫子纹理；避免猫脸畸形、毛发粘连、光影过亮”。

反例（错误示范）：“输出好看点，清楚就行”（无具体参数、无规避项，AI易生成不符合平台需求的图）。

关键提醒：新手可不用专业相机参数，直接描述“效果+禁止项”，AI同样能精准执行。

2. ICIO框架完整实操案例（橘猫图片生成）

# I（指令）
拍一张真实的阳台橘猫睡觉特写，风格为温暖治愈日常感，拒绝摆拍、卡通化元素。
# C（背景）
小户型阳台，橙黄色毛绒垫（边缘有褶皱），旁有绿萝、多肉、薄荷三盆绿植；午后侧光斜射，地面投绿植斑驳影子，氛围安静。
# I（输入数据）
成年橘猫，黄白相间，胸口有白斑，蜷成球趴在垫子中央，爪子埋腹下，嘴角抽搐（似做梦），毛上沾一根绿萝叶，猫毛蓬松。
# O（输出引导）
竖版3:4构图，主体清晰、背景轻微虚化，色彩自然无滤镜；避免猫脸畸形、毛发粘连、光影过亮、杂物乱入。

3. 新手避坑指南（ICIO高频误区）

• 误区1：指令与素材混淆 → 把“猫的细节”写进背景，导致AI焦点混乱；

• 误区2：忽略输出引导 → 只提需求不提标准，AI生成结果偏离预期；

• 误区3：细节过度笼统 → 不用“不完美细节”，生成内容模板化、无真实感。

四、BORE框架详解（ICIO进阶版，目标导向）

1. 框架核心逻辑

通俗比喻：给AI布置“带KPI的任务”，不仅要完成任务，还要达成明确目标，同时生成多版本供迭代选优，适合有引流、营销需求的场景。

四大模块拆解（每个模块含定义、正反例、实操案例）：

（1）B = Background（背景信息）

定义：说明任务的现状、竞品情况、自身优势/限制，让AI贴合实际场景创作。

正确示例：“小红书发宠物笔记，账号定位「无滤镜真实养猫日常」，粉丝爱生活化细节；竞品橘猫图都加厚重滤镜，显假；需竖版构图，避免撞风格”。

反例（错误示范）：“发小红书的猫图，不要滤镜”（无定位、无竞品分析，AI生成易偏离账号调性）。

（2）O = Objectives（核心目标）

定义：明确任务要达成的具体效果（非单纯“完成任务”），给AI设定“KPI”。

正确示例：“1. 突出橘猫做梦的可爱瞬间，吸引用户评论；2. 贴合账号真实治愈定位；3. 适配小红书竖版排版，方便加文字标签”。

反例（错误示范）：“要好看、吸引点赞”（目标模糊，AI无法针对性设计互动点）。

（3）R = Key Results（关键结果）

定义：把目标拆解为可落地的具体要求，让AI有明确的“执行清单”。

正确示例：“1. 竖版3:4，橘猫在画面中央，上方留1/5空白（放文字）；2. 保留猫毛、垫子纹理，无滤镜；3. 绿植完整呈现，突出生活化细节”。

反例（错误示范）：“猫在中间，背景好看点”（无具体参数，结果与目标脱节）。

（4）E = Evolve（迭代优化）

定义：生成多版本内容，分析优劣供选优，节省反复调整的时间。

正确示例：“生成2个版本：版本1（秋冬暖感）：浓暖黄光线，垫子颜色偏深，阴影明显；版本2（春夏清新）：明亮光线，绿植更翠绿；分析哪个更易获小红书点赞”。

反例（错误示范）：“多生成几个版本，选个好的”（无差异点、无分析，AI生成版本混乱，无法选优）。

2. BORE框架完整实操案例（小红书橘猫图）

# B（背景）
小红书宠物笔记，账号定位「无滤镜真实养猫日常」，粉丝偏好生活化细节；竞品橘猫图多厚重滤镜显假，我的优势是自然感，需竖版构图避撞风格。
# O（目标）
1. 突出橘猫做梦可爱瞬间，吸引评论；2. 贴合账号定位；3. 适配小红书竖版，方便加文字标签。
# R（关键结果）
1. 竖版3:4，橘猫居中，上方留1/5空白；2. 保留猫毛、垫子褶皱、绿植纹理，自然暖色调无滤镜；3. 侧光斜射，形成自然阴影。
# E（迭代）
版本1（秋冬暖感）：浓暖黄光线，垫子色深，阴影明显；版本2（春夏清新）：明亮光线，绿植翠绿；分析：秋冬版易引发治愈共鸣，获赞概率更高。

3. 新手避坑指南（BORE高频误区）

• 误区1：目标与结果脱节 → 目标是“吸引评论”，结果却没设计互动细节（如橘猫做梦表情）；

• 误区2：迭代版本过杂 → 一次改多个差异点（色调+构图+动作），AI输出混乱；

• 误区3：背景信息冗余 → 堆砌无关内容（如账号粉丝数），干扰AI核心判断。

五、ICIO与BORE框架对比（适用场景区分）

本文由 hhg 原创，转载请注明出处。