运用 Co-STAR 模型，让AI提供更好的Idea

什么是 Co-STAR 模型？

CO-STAR框架一作者提供的图像如何应用CO-STAR框架：

（C）上下文：为任务提供背景信息通过为大语言模型（LLM）提供详细的背景信息，可以帮助它精确理解讨论的具体场景，确保提供的反馈具有相关性。（O）目标：明确你要求大语言模型完成的任务清晰地界定任务目标，可以使大语言模型更专注地调整其回应，以实现这一具体目标。(S）风格：明确你期望的写作风格你可以指定一个特定的著名人物或某个行业专家的写作风格，如商业分析师或CEO。这将指导大语言模型以一种符合你需求的方式和词汇选择进行回应。（T）语气：设置回应的情感调设定适当的语气，确保大语言模型的回应能够与预期的情感或情绪背景相协调。可能的语气包括正式、幽默、富有同情心等。（A）受众：识别目标受众针对特定受众定制大语言模型的回应，无论是领域内的专家初学者还是儿童都能确保内容在特定上下文中适当目容易理解。（R）响应：规定输出的格式确定输出格式是为了确保大语言模型按照你的具体需求进行输出，便于执行下游任务。常见的格式包括列表、JSON格式的数据、专业报告等。对于大部分需要程序化处理大语言模型输出的应用来说，JSON格式是理想的选择。

模板：

PS: 中英文皆可

#CONTEXT（上下文）##OBJECTIVE（目标）##STYLE（风格）##TONE (语调)##AUDIENCE（受众）##RESPONSE（响应）#

案例：

#CONTEXT（上下文）#我想推广公司的新产品。我的公司名为DarkMI，新产品名为Dark k80，是一款新型高科技7G智能手机。#OBJECTIVE（目标）#帮我创建一条暗米社区帖子，目的是吸引人们点击产品链接进行购买。#STYLE（风格）#参照Xiaomi、Huawei等成功公司的宣传风格，它们在推广类似产品时的文案风格。#TONE (语调)#说服性、吸引性#AUDIENCE（受众）#我们公司在暗米社区上的主要受众是年轻人。请针对这一群体在选择智能手机产品时的典型关注点来定制帖子。#RESPONSE（响应）#保持Facebook帖子简洁而深具影响力。

Openai返回结果：

运用技巧前对比

Kimiai返回结果：

运用技巧前对比：

个人使用层面来说，使用 CO-STAR 的模型，能让AI更容易理解你所在意的需求重点，从原理上分析，所有基于大型语言模型的AI都能够运用此模型，并且能够更有效地处理信息，以便精确地回答你的问题，提供更好的Idea。