提示词框架选择指南
📖 简介
本指南旨在帮助您根据不同的测试场景和需求,选择最适合的提示词框架。我们提供了6种提示词框架,每种框架都有其独特的优势和适用场景。
🎯 快速选择流程图
mermaid
graph TD
A[开始选择框架] --> B{是否为新手用户?}
B -->|是| C[Standard 框架]
B -->|否| D{需要深度分析?}
D -->|是| E[CRISPE 框架]
D -->|否| F{强调结构化?}
F -->|是| G[LangGPT 框架]
F -->|否| H{需要快速上手?}
H -->|是| I[RISE 框架]
H -->|否| J{强调场景和步骤?}
J -->|是| K[ROSES 框架]
J -->|否| L[ICIO 框架]📊 框架对比表
| 框架 | 复杂度 | 学习曲线 | 输出质量 | 适用场景 | 推荐指数 |
|---|---|---|---|---|---|
| Standard | ⭐ | 简单 | ⭐⭐⭐⭐ | 通用场景 | ⭐⭐⭐⭐⭐ |
| ROSES | ⭐⭐⭐ | 中等 | ⭐⭐⭐⭐⭐ | 复杂项目 | ⭐⭐⭐⭐⭐ |
| LangGPT | ⭐⭐⭐⭐ | 较难 | ⭐⭐⭐⭐⭐ | 系统化项目 | ⭐⭐⭐⭐ |
| ICIO | ⭐⭐ | 简单 | ⭐⭐⭐⭐ | 数据驱动 | ⭐⭐⭐⭐ |
| CRISPE | ⭐⭐⭐ | 中等 | ⭐⭐⭐⭐⭐ | 深度分析 | ⭐⭐⭐⭐⭐ |
| RISE | ⭐⭐ | 简单 | ⭐⭐⭐⭐ | 快速任务 | ⭐⭐⭐⭐ |
🔍 详细框架选择指南
1. Standard 框架 - 通用首选
适合人群:
- ✅ 初次使用AI辅助测试的用户
- ✅ 需要快速上手的团队
- ✅ 对框架结构不太熟悉的用户
核心结构:
markdown
Role: 角色定位
Context: 背景上下文
Task: 具体任务优势:
- 结构简单直观
- 学习成本低
- 适用范围广
使用建议:
- 适合日常测试任务
- 推荐作为入门框架
- 可以快速生成测试方案
示例场景:
- API测试方案设计
- 测试用例编写
- 缺陷报告生成
2. ROSES 框架 - 复杂项目最佳
适合人群:
- ✅ 需要详细步骤指导的项目
- ✅ 复杂的测试场景
- ✅ 需要明确角色和场景的任务
核心结构:
markdown
Role: 角色
Objective: 目标
Scenario: 场景
Expected Solution: 预期解决方案
Steps: 步骤优势:
- 框架最完整
- 覆盖角色、目标、场景、方案和步骤
- 适合需要详细指导的复杂任务
使用建议:
- 适合大型测试项目
- 需要分阶段执行的任务
- 要求输出详细步骤的场景
示例场景:
- 完整的测试策略制定
- 复杂系统的性能测试方案
- 多阶段的安全测试计划
3. LangGPT 框架 - 系统化专家选择
适合人群:
- ✅ 需要高度结构化的项目
- ✅ 追求可维护性和可复用性
- ✅ 有编程思维的测试工程师
核心结构:
markdown
# Role: 角色名称
## Profile:
- author: 作者
- version: 版本
- language: 语言
- description: 描述
## Goals: 目标
## Constrains: 约束
## Skills: 技能
## Workflows: 工作流程
## Initialization: 初始化优势:
- 最系统化的框架
- 模板化设计,易于维护
- 支持变量和模块化
使用建议:
- 适合需要长期维护的测试框架
- 团队协作项目
- 需要版本管理的场景
示例场景:
- 企业级测试体系建设
- 可复用的测试模板开发
- 标准化测试流程设计
4. ICIO 框架 - 数据驱动优选
适合人群:
- ✅ 强调输入输出的场景
- ✅ 需要明确评估指标
- ✅ 数据驱动的测试项目
核心结构:
markdown
Instruction: 指令
Context: 上下文
Input Data: 输入数据
Output Indicator: 输出指标优势:
- 强调数据流向
- 明确输入输出
- 便于量化评估
使用建议:
- 适合API测试
- 数据验证场景
- 需要明确指标的测试
示例场景:
- API接口测试
- 数据库测试
- 性能指标验证
5. CRISPE 框架 - 深度分析首选
适合人群:
- ✅ 需要深入分析的场景
- ✅ 对输出风格有明确要求
- ✅ 需要多个示例参考
核心结构:
markdown
Capacity and Role: 能力和角色
Insight: 洞察
Statement: 声明
Personality: 个性
Experiment: 实验优势:
- 强调能力和洞察
- 支持个性化输出
- 鼓励多样化示例
使用建议:
- 适合需要深度分析的测试
- 要求特定风格输出
- 需要多个方案对比
示例场景:
- 安全测试深度分析
- 性能瓶颈诊断
- 测试策略多方案设计
6. RISE 框架 - 快速任务利器
适合人群:
- ✅ 需要快速完成的任务
- ✅ 简单明了的测试场景
- ✅ 时间紧迫的项目
核心结构:
markdown
Role: 角色
Input: 输入
Steps: 步骤
Expectation: 期望优势:
- 最简洁的框架
- 快速上手
- 执行效率高
使用建议:
- 适合紧急任务
- 简单测试场景
- 快速验证想法
示例场景:
- 快速缺陷验证
- 简单功能测试
- 临时测试任务
🎨 场景化选择建议
按测试类型选择
API测试
- 首选: ICIO框架 (强调输入输出)
- 备选: Standard框架 (通用场景)
- 深度: CRISPE框架 (需要详细分析)
性能测试
- 首选: ROSES框架 (需要详细步骤)
- 备选: LangGPT框架 (系统化方案)
- 快速: RISE框架 (快速验证)
安全测试
- 首选: CRISPE框架 (深度分析)
- 备选: ROSES框架 (完整流程)
- 系统: LangGPT框架 (标准化)
功能测试
- 首选: Standard框架 (通用场景)
- 备选: ROSES框架 (复杂功能)
- 快速: RISE框架 (简单功能)
测试用例编写
- 首选: ROSES框架 (详细步骤)
- 备选: Standard框架 (常规用例)
- 系统: LangGPT框架 (模板化)
按项目规模选择
小型项目 (< 1个月)
- 推荐: Standard、RISE
- 理由: 快速上手,效率优先
中型项目 (1-6个月)
- 推荐: ROSES、ICIO
- 理由: 平衡复杂度和完整性
大型项目 (> 6个月)
- 推荐: LangGPT、CRISPE
- 理由: 系统化,可维护性强
按团队经验选择
初级团队
- 推荐: Standard → RISE → ICIO
- 学习路径: 从简单到复杂,循序渐进
中级团队
- 推荐: ROSES → ICIO → CRISPE
- 学习路径: 注重实用性和深度
高级团队
- 推荐: LangGPT → CRISPE → 自定义
- 学习路径: 系统化和定制化
💡 使用技巧
1. 混合使用策略
不同测试阶段可以使用不同框架:
- 需求分析: Standard或ROSES
- 测试设计: LangGPT或CRISPE
- 测试执行: ICIO或RISE
- 结果分析: CRISPE或ROSES
2. 渐进式学习
建议学习顺序:
- Standard (基础)
- RISE (简化)
- ICIO (数据)
- ROSES (完整)
- CRISPE (深度)
- LangGPT (系统)
3. 版本选择建议
每个框架都有Full和Lite版本:
- Full版: 适合复杂项目,输出详细
- Lite版: 适合快速任务,输出精简
选择建议:
- 初次使用: 先用Lite版熟悉结构
- 正式项目: 使用Full版获得完整输出
- 时间紧迫: 使用Lite版快速完成
📚 实战案例
案例1: 电商平台API测试
项目特点:
- 中型项目
- API接口众多
- 需要详细测试方案
框架选择: ICIO框架
理由:
- 强调输入输出验证
- 适合API测试场景
- 便于数据驱动测试
案例2: 金融系统安全测试
项目特点:
- 大型项目
- 安全要求高
- 需要深度分析
框架选择: CRISPE框架
理由:
- 支持深度安全分析
- 提供多种测试方案
- 强调专业性和洞察力
案例3: 移动应用功能测试
项目特点:
- 小型项目
- 功能相对简单
- 时间紧迫
框架选择: RISE框架
理由:
- 快速上手
- 简洁高效
- 满足基本测试需求
🔄 框架迁移指南
从Standard迁移到ROSES
适用场景: 项目复杂度增加
迁移步骤:
- 保留Role和Task部分
- 将Context扩展为Scenario
- 添加Objective和Expected Solution
- 细化Steps部分
从RISE迁移到CRISPE
适用场景: 需要更深入的分析
迁移步骤:
- Role扩展为Capacity and Role
- Input转化为Insight
- Expectation扩展为Statement
- 添加Personality和Experiment
❓ 常见问题
Q1: 如何选择Full版还是Lite版?
A:
- 学习阶段: Lite版
- 正式项目: Full版
- 快速任务: Lite版
- 复杂项目: Full版
Q2: 可以混合使用多个框架吗?
A: 可以。不同测试阶段可以使用不同框架,但建议在同一阶段保持框架一致性。
Q3: 哪个框架最适合新手?
A: Standard框架。结构简单,学习成本低,适用范围广。
Q4: 如何评估框架选择是否合适?
A: 观察以下指标:
- AI输出质量是否满足需求
- 使用是否顺手
- 团队是否容易理解
- 是否提高了工作效率
📖 相关资源
最后更新: 2026-01-28 版本: v1.0