同样让AI生成一份教学大纲，“帮我设计一个Python教学大纲”与“作为一名职业院校计算机教师，请帮我设计Python课程教学大纲，包含每周学习目标、关键知识点、案例分析任务及考核方式”——两个提示词的输出质量天差地别。ILO这份教师指南系统解析了提示词工程的两大框架：RTGO（角色、任务、目标、操作要求）和CO-STAR（上下文、目标、风格、语调、受众、响应），帮助教师从“模糊指令”走向“结构化生成”，让AI输出真正可用的教学内容。
RTGO结构——角色、任务、目标、操作要求四要素
RTGO提示词结构包含四个核心要素。角色（Role）设定AI的身份，决定表达方式和专业程度——“作为经验丰富的职业院校教师”比直接提问更有针对性。任务（Task）描述AI需要执行的具体操作，应清晰明确避免模糊——“设计一份Python编程入门教案”比“帮我写一份教案”更精准。目标（Goal）确定希望AI达成的最终效果——“让学生掌握基本语法和编程逻辑”明确了教学方向。操作要求（Objective）规定内容格式、风格与输出标准——“课件需包含5个示例代码，每个代码后附详细讲解”让输出有据可依。
以教学设计场景为例：不明确的提示词“请帮我设计一个Python教学大纲”VS RTGO结构化的“作为一名职业院校的计算机教师，请帮我设计一个Python课程教学大纲”。后者明确了AI身份使其输出更贴合职业教育领域。课程考核场景中，“请生成一份适用于职业院校创新创业课程的考试大纲，包含三部分：知识点、题型分布、评分标准，并以表格形式呈现”相比“请帮我整理一份考试大纲”增加了结构和格式要求。
CO-STAR框架——上下文、目标、风格、语调、受众、响应
CO-STAR提示词框架由新加坡GPT-4提示工程竞赛冠军提出，包含六个关键要素。Context（上下文）提供背景信息如课程名称、学习目标、学生水平——“你是一名职业院校市场营销课程教师，教授一门社交媒体营销基础课程，学生是大二电子商务专业学员，已掌握基本营销理论”。Objective（目标）明确告诉AI完成什么任务——“编写一份为期6周的教学方案，涵盖内容营销、社交媒体广告和粉丝增长策略”。Style（风格）确定输出文本风格——“案例驱动，结合数据分析”。Tone（语调）调整语气——“行业专业语气，实操导向”。Audience（受众）指定内容面向哪类读者——“大二电子商务专业学生”。Response（响应）指定输出格式——“Markdown结构，包含案例”。
以“设计短视频营销与变现课程期末考试试卷”为例，完整CO-STAR提示词为：“你是一名职业院校市场营销课程教师，教授一门短视频营销与变现课程。学生是大二电子商务专业的学员，他们已经掌握基本的营销理论。目标：设计一份适用于职业院校学生的短视频营销与变现课程期末考试试卷。风格：标准化，符合考试要求。语调：严谨。受众：职业院校广告设计专业学生。响应：Word试卷格式，包含答案解析。”
八大优化策略——从明确目标到迭代测试
指南总结了提示词优化的八大策略。明确目标：避免“写一篇产品介绍”的宽泛描述，改为“写一篇300字的产品介绍，突出核心功能和目标群体”。使用具体指令：“列出竞争对手的三大优势”比“请分析竞争对手的优势”更清晰。设定格式：“以表格形式列出”确保结构化的输出。角色扮演：“作为人力资源经理，提供员工保留策略”提升专业性。逐步推理：“首先分析市场需求，再确定产品定位，最后提出推广策略”引导逻辑性输出。明确约束条件：“用200字总结”控制长度。通过反馈优化：展示优化前后的对比示例。测试迭代：逐步调整提示词版本，对比输出效果。
