如何对大模型提出一个好问题：10大框架体系
AI 导读
AI问题设计：10大框架体系 系统化、专业化的大模型对话指导方法 企业级实践标准 | 完整体系指南 10大核心框架 从问题设计到实战应用的完整体系 01 问题架构设计 构建清晰的问题框架和逻辑结构，确保问题目标明确、指向性强 02 上下文工程 精确的背景信息和场景设定，为AI提供充分的决策依据 03 提示词优化 高效的指令设计和表达技巧，提升AI理解准确性 04 输出格式控制...
AI问题设计：10大框架体系
系统化、专业化的大模型对话指导方法
10大核心框架
从问题设计到实战应用的完整体系
问题架构设计
构建清晰的问题框架和逻辑结构，确保问题目标明确、指向性强
上下文工程
精确的背景信息和场景设定，为AI提供充分的决策依据
提示词优化
高效的指令设计和表达技巧，提升AI理解准确性
输出格式控制
精确定义期望的回答形式，确保结果实用可执行
角色与专业性
利用角色扮演提升专业度，匹配特定领域需求
迭代与优化
持续改进和问题深化策略，实现质量螺旋上升
质量评估
回答质量判断和改进标准，建立可量化的评估体系
场景应用
不同领域的专门化策略，针对性解决实际问题
高级技巧
复杂问题解决和创新方法，突破常规思维局限
实战演练
综合案例分析和实践指导，形成可复制的标准流程
框架01：问题架构设计
核心执行原则
明确性原则
问题目标清晰具体，避免模糊表达，使用精确术语和定量指标
结构化原则
采用逻辑清晰的层次结构，合理分解复杂问题
边界性原则
明确问题范围和约束条件，设定合理的期望边界
可验证原则
问题设计应支持结果验证和质量评估
SMART问题设计框架
问题类型分类
| 问题类型 | 特征描述 | 设计要点 | 应用场景 |
|---|---|---|---|
| 信息查询型 | 寻求客观事实和数据 | 明确信息范围和准确性要求 | 知识获取、资料查找 |
| 分析解释型 | 深入理解和阐释 | 指定分析维度和深度层次 | 概念理解、原理解析 |
| 方案设计型 | 产生解决方案 | 设定约束条件和评估标准 | 问题解决、策略制定 |
| 创意生成型 | 产生新想法和创新 | 平衡创新性与可行性 | 头脑风暴、创新设计 |
| 评估判断型 | 给出评价和建议 | 建立客观的评估框架 | 方案比较、风险评估 |
问题架构对比案例
❌ 架构不清晰
"帮我分析一下我们公司的情况"
- • 目标模糊不清
- • 范围过于宽泛
- • 缺乏具体指向
- • 无法验证结果
✅ 架构清晰
"从市场竞争力、财务健康度、运营效率三个维度分析我们公司在SaaS行业的现状，识别前三个关键改进机会，输出SWOT分析和6个月行动计划"
- • 分析维度明确
- • 行业范围具体
- • 产出要求清晰
- • 时间框架明确
框架02：上下文工程
核心执行原则
完整性原则
提供充分的背景信息，确保AI有足够的决策依据
相关性原则
背景信息与问题高度相关，避免无关信息干扰
层次性原则
按重要性组织信息，突出关键背景要素
准确性原则
确保背景信息的真实性和时效性
5W1H上下文框架
信息分层结构
Level 1
核心业务信息
基本事实、关键数据
Level 2
环境背景信息
市场环境、竞争态势
Level 3
约束条件信息
资源限制、合规要求
Level 4
期望结果信息
成功标准、评估维度
上下文工程实例
案例：企业数字化转型战略咨询
框架03：提示词优化
核心执行原则
精确性原则
使用准确、具体的词汇，避免歧义和模糊表达
引导性原则
有效引导AI的思维方向和分析路径
完整性原则
指令完整清晰，包含必要的任务细节
可操作原则
指令具备可执行性，便于AI理解和执行
APE优化框架
Action (行动指令)
明确要求AI执行的具体任务
- • 使用动作动词开头
- • 指定具体操作类型
- • 避免模糊表达
- • 设定操作范围
Purpose (目的意图)
解释执行任务的根本目的
- • 说明应用场景
- • 阐述价值意义
- • 明确受众对象
- • 强调重要性
Expectation (期望标准)
定义预期的输出质量和形式
- • 设定质量标准
- • 规定输出格式
- • 确定评估维度
- • 明确成功指标
高级提示技巧
| 技巧类型 | 实现方法 | 效果提升 | 适用场景 |
|---|---|---|---|
| 思维链引导 | 要求展示推理过程和逻辑步骤 | 准确性提升40-60% | 复杂分析、逻辑推理 |
| 示例驱动 | 提供高质量的输出样本 | 一致性提升60-80% | 格式化输出、标准流程 |
| 约束设定 | 明确限制条件和边界 | 相关性提升50-70% | 专业要求、合规限制 |
| 分步执行 | 将复杂任务分解为步骤 | 完整性提升70-90% | 复杂项目、系统设计 |
提示词优化对比
❌ 优化前
"帮我写个营销计划"
- • 指令模糊不清
- • 缺乏具体要求
- • 没有质量标准
✅ 优化后
Action: 制定Q4季度数字营销策略
Purpose: 为SaaS产品实现50%用户增长
Expectation: 包含渠道选择、预算分配、KPI设定，3000字详细方案
框架04：输出格式控制
核心执行原则
结构化原则
采用清晰的层次结构，便于理解和使用
标准化原则
建立统一的格式规范，确保一致性
实用性原则
格式设计服务于实际应用需求
可扩展原则
格式框架具备良好的扩展性和适应性
通用输出模板
## 执行摘要
[核心观点和关键结论]
## 分析框架
[方法论和分析维度]
## 详细分析
### 维度一：[具体名称]
- 现状评估
- 问题识别
- 改进建议
### 维度二：[具体名称]
- [按相同结构展开]
## 解决方案
[具体的行动计划和实施步骤]
## 风险评估
[潜在风险和缓解措施]
## 成功指标
[量化指标和质量标准]
## 后续建议
[持续优化和发展方向]专业领域格式
商业分析格式
- • 市场概况 - 规模、增长率、发展趋势
- • 竞争分析 - 主要竞争者、市场份额
- • SWOT分析 - 优势、劣势、机会、威胁
- • 财务模型 - 收入预测、成本结构
- • 行动计划 - 时间线、资源配置、KPI
技术方案格式
- • 需求分析 - 功能性、非功能性需求
- • 架构设计 - 系统架构、技术栈
- • 实施方案 - 开发计划、里程碑
- • 质量保证 - 测试策略、质量标准
- • 运维方案 - 部署、监控、维护
- 1. 层次清晰：使用标题、子标题、编号等建立清晰层次
- 2. 视觉友好：合理使用表格、列表、图表等可视化元素
- 3. 长度适中：根据用途设定合理的内容长度
- 4. 行动导向：包含明确的执行建议和时间节点
- 5. 质量标准：设定可验证的质量评估标准
框架05：角色与专业性
核心执行原则
匹配性原则
角色设定与问题领域高度匹配，确保专业对口
权威性原则
建立具有说服力的专业背景和经验基础
具体性原则
角色描述具体详细，包含关键经历和能力
一致性原则
角色特征与输出风格保持一致
EXPERT角色建模法
E - Experience
经验背景
- • 从业年限
- • 项目经历
- • 成功案例
X - eXpertise
专业技能
- • 核心技能
- • 专业认证
- • 知识领域
P - Perspective
思维视角
- • 行业洞察
- • 分析框架
- • 前瞻思维
E - Ethics
职业操守
- • 客观公正
- • 负责任态度
- • 专业沟通
R - Reputation
行业声誉
- • 业界认可
- • 影响力
- • 客户见证
T - Tools
工具方法
- • 分析框架
- • 专业工具
- • 最佳实践
专业角色库
战略咨询专家
背景: 15年咨询经验，服务过100+企业
专长: 企业战略、商业模式、市场分析
工具: SWOT、五力模型、商业画布
技术架构师
背景: 12年大型系统开发经验
专长: 云架构、微服务、性能优化
工具: UML、DDD、DevOps实践
产品经理
背景: 8年B2B产品经验
专长: 用户体验、数据分析、敏捷开发
工具: 用户画像、A/B测试、MVP
完整角色设定示例
AI产品经理角色设定
框架06：迭代与优化
核心执行原则
循环性原则
建立持续的改进循环，不断优化问题质量
渐进性原则
逐步深化问题内容，实现质量螺旋上升
反馈性原则
基于结果反馈调整问题策略和方法
学习性原则
从每次对话中总结经验，形成最佳实践
PDCA持续改进循环
Plan 规划
设计问题结构和期望目标
Do 执行
实施提问并获取AI回答
Check 检查
评估回答质量和完整性
Act 行动
调整策略并优化问题
深化提问策略
| 深化类型 | 应用场景 | 提问模式 | 预期效果 |
|---|---|---|---|
| 细节深挖 | 回答过于抽象 | "请提供具体的数据、案例和实施细节" | 增强可执行性 |
| 逻辑验证 | 需要论证推理 | "请解释这个结论的推理过程和依据" | 提升可信度 |
| 场景扩展 | 需要多角度分析 | "在不同情况下，方案会如何调整？" | 增强适应性 |
| 风险探讨 | 需要风险评估 | "这个方案可能面临哪些风险和挑战？" | 提高可靠性 |
| 实践转化 | 理论需要落地 | "如何将这些建议转化为具体行动？" | 强化实用性 |
内容完整性
质量标准
框架07：质量评估
核心执行原则
客观性原则
建立客观、可量化的评估标准和指标体系
全面性原则
从多个维度全面评估回答质量
实用性原则
评估标准与实际应用价值密切相关
持续性原则
建立持续跟踪和改进的评估机制
五维质量评估模型
准确性 (Accuracy)
信息的正确性和可信度
- • 事实准确性 (30%)
- • 数据可靠性 (25%)
- • 逻辑一致性 (25%)
- • 引用真实性 (20%)
完整性 (Completeness)
内容的全面性和深度
- • 覆盖全面性 (30%)
- • 细节丰富度 (25%)
- • 深度充分性 (25%)
- • 结构完整性 (20%)
实用性 (Utility)
实际应用价值和操作性
- • 可操作性 (35%)
- • 场景适配性 (25%)
- • 价值产出 (25%)
- • 时效性 (15%)
专业性 (Professionalism)
专业深度和技术水准
- • 专业知识深度 (35%)
- • 行业洞察力 (25%)
- • 方法论运用 (25%)
- • 前瞻性思维 (15%)
清晰性 (Clarity)
表达清晰度和易理解性
- • 语言表达 (30%)
- • 结构层次 (25%)
- • 逻辑清晰 (25%)
- • 格式规范 (20%)
评分标准与改进建议
| 评分等级 | 分数区间 | 质量特征 | 改进方向 |
|---|---|---|---|
| 优秀 (A) | 90-100分 | 全面准确、深度专业、高度实用 | 保持标准，可作为最佳实践 |
| 良好 (B) | 80-89分 | 基本准确、较为专业、有实用价值 | 提升深度和创新性 |
| 合格 (C) | 70-79分 | 信息基本正确、有参考价值 | 增强专业性和完整性 |
| 需改进 (D) | 60-69分 | 部分信息有用、存在明显缺陷 | 重新设计问题和上下文 |
| 不合格 (F) | 60分以下 | 信息不准确、缺乏实用性 | 完全重构问题架构 |
评估工具
- • 评分表格模板
- • 对比分析表
- • 改进追踪表
验证方法
- • 第三方验证
- • 实践应用测试
- • 专家评审
持续改进
- • 定期质量回顾
- • 最佳实践总结
- • 标准更新迭代
框架08：场景应用
核心执行原则
专门化原则
针对不同场景定制专门的问题设计策略
适配性原则
根据领域特点调整问题结构和表达方式
专业性原则
融入领域专业知识和行业最佳实践
实效性原则
确保解决方案符合实际应用需求
核心业务场景
战略规划场景
关键要素:
- • 市场环境分析和竞争格局
- • 内部资源能力评估
- • 战略目标和路径设计
- • 风险评估和应对策略
模板示例:
"作为战略咨询专家，分析[行业]市场环境，评估[公司]在[时间期限]内的发展机会，制定包含目标设定、策略选择、实施路径的完整战略规划"
技术架构场景
关键要素:
- • 需求分析和技术选型
- • 系统架构和组件设计
- • 性能优化和扩展性
- • 安全方案和运维策略
模板示例:
"作为资深架构师，为[业务场景]设计[系统类型]，考虑[性能要求]和[扩展需求]，提供技术架构、实施方案和运维策略"
产品设计场景
关键要素:
- • 用户需求和痛点分析
- • 功能设计和交互体验
- • 商业模式和市场定位
- • 迭代规划和数据指标
模板示例:
"作为产品经理，针对[用户群体]的[核心痛点]，设计[产品类型]，包含用户研究、功能规划、MVP设计和增长策略"
营销推广场景
关键要素:
- • 目标市场和客户画像
- • 渠道策略和内容营销
- • 品牌定位和传播策略
- • 效果监控和优化调整
模板示例:
"作为营销专家，为[产品/服务]制定[周期]营销策略，目标[具体指标]，预算[范围]，重点[渠道/人群]，输出完整营销计划"
跨领域协作框架
多专家协作示例
案例：数字化转型项目
- 1. 深入了解: 充分理解目标场景的业务特点和专业要求
- 2. 角色匹配: 选择最适合的专家角色和专业背景
- 3. 术语精准: 使用场景相关的专业术语和行业标准
- 4. 流程标准: 遵循行业最佳实践和标准化流程
- 5. 结果导向: 确保输出结果符合实际业务需要
框架09：高级技巧
核心执行原则
突破性原则
运用创新思维突破常规问题解决模式
系统性原则
采用系统化方法处理复杂多维问题
深度性原则
深入问题本质，挖掘底层逻辑和规律
前瞻性原则
具备前瞻视角，考虑未来发展趋势
复杂问题分解策略
创新思维激发技巧
逆向思维法
- • 反面假设: 假设目标完全失败，分析可能的根本原因
- • 对立观点: 寻找完全相反的解决思路和实现路径
- • 逆向工程: 从理想最终结果反推最优实现路径
- • 破坏性创新: 质疑和颠覆现有的基本假设
类比迁移法
- • 跨行业借鉴: 从其他成功领域寻找可迁移的模式
- • 自然界启发: 模仿生物系统和自然运行规律
- • 历史案例: 从历史成功事件中提取普适智慧
- • 抽象建模: 将具体问题抽象为可复用的通用模型
元认知提升技巧
三层次认知框架
Level 1: 内容思考
关注问题的具体答案和解决方案
基础层面的信息获取和处理
Level 2: 过程思考
关注如何思考和推理的方法论
分析思维过程和决策逻辑
Level 3: 元思考
反思思维模式和认知局限性
评估和优化认知框架本身
高级技巧综合应用
案例：AI战略规划的高级提问设计
框架10：实战演练
核心执行原则
实践性原则
通过实际案例练习巩固理论知识
系统性原则
综合运用全部10个框架形成完整流程
渐进性原则
从简单到复杂逐步提升问题设计能力
标准化原则
建立可复制的标准化操作流程
综合案例：企业数字化转型
完整问题设计流程演示
问题类型: 方案设计型 + 战略规划型
成功标准: 效率提升30%，成本降低20%，市场响应速度提升50%
当前挑战: 生产效率低，质量控制依赖人工，供应链协调困难
约束条件: 预算3亿，24个月执行期，不能停产改造
Purpose: 提升企业竞争力，实现可持续发展
Expectation: 8000字战略报告，包含技术架构、实施计划、风险控制
问题设计对比分析
❌ 低质量版本
原问题: "我们公司想做数字化，请给些建议"
主要问题:
- • 目标极其模糊，无法聚焦
- • 缺乏任何背景信息
- • 没有角色和专业要求
- • 无法评估回答质量
- • 不具备可执行性
✅ 高质量版本
优化问题: 应用10大框架的完整版本
质量提升:
- • 问题架构清晰，目标明确可量化
- • 上下文信息丰富，约束条件明确
- • 角色定位专业，匹配业务需求
- • 输出格式结构化，便于执行
- • 可通过多维度评估质量
实践训练计划
第一周：基础练习
第二周：进阶训练
第三周：高级应用
掌握10大框架，成为AI对话专家
系统化方法论 × 专业化实践 = 企业级AI应用能力