要使用好AI工具，写好prompt(提示词)是非常重要的，提示词至少要有角色、上下文、任务。专家们提供了很多结构化提示词的框架，比如ICDO，BROKE，CRISP等，你知道哪些提示词框架？如果不知道，通过搜索工具或者AI工具学习一个。Markdown是结构化prompt的好方法，请为你学习的prompt框架使用Markdown格式设计一个通用模板
CRISP框架：
Context - 提供背景信息。
Requirements - 描述具体需求。
Intent - 明确任务目标。
Specifics - 给出具体的细节。
Prompt - 最终的提示词。
CRISP框架Markdown模板
markdown
深色版本
CRISP提示词框架模板
Context
提供关于项目的背景信息。例如，你正在设计一个AI助手来帮助用户管理日常任务。请简述项目的背景、目标用户以及应用场景。
Requirements
列出具体的需求。例如，AI助手需要具备日程管理、提醒设置、天气预报等功能。请详细描述每个功能的要求。
Intent
明确任务的主要目标。例如，目标是创建一个易于使用且高效的AI助手，帮助用户更有效地管理时间和任务。
Specifics
给出具体的细节。例如，用户界面应该简洁明了，支持语音和文本输入，能够同步用户的日历和其他应用等。请详细说明任何特定的功能需求或用户交互方式。
Prompt
基于以上信息，构建最终的提示词。例如：
# 项目概述
简要介绍项目的背景、目标和预期成果。
## 1. 业务理解
### 1.1 项目背景
- 描述项目的商业背景或动机。
- 解释为什么这个项目很重要。
### 1.2 目标
- 明确项目的具体目标。
- 描述预期达成的结果。
### 1.3 成功标准
- 定义项目的成功标准或关键绩效指标(KPIs)。
## 2. 数据理解
### 2.1 数据来源
- 列出数据的来源。
- 描述数据是如何收集的。
### 2.2 数据质量
- 分析数据中存在的任何质量问题。
- 描述缺失值、异常值等情况。
### 2.3 数据初步观察
- 提供数据的初步统计摘要。
- 描述数据的分布情况。
## 3. 数据准备
### 3.1 数据清洗
- 清理数据，处理缺失值和异常值。
- 修复任何错误的数据记录。
### 3.2 数据转换
- 对数据进行必要的转换，如标准化、归一化。
- 创建新的特征。
### 3.3 数据划分
- 将数据集划分为训练集、验证集和测试集。
## 4. 模型构建
### 4.1 特征选择
- 选择与预测目标相关的特征。
- 删除无关紧要的特征。
### 4.2 模型选择
- 选择合适的机器学习模型。
- 提供选择模型的理由。
### 4.3 模型训练
- 训练选定的模型。
- 记录训练过程中的参数调整。
## 5. 评价
### 5.1 模型评估
- 使用适当的指标评估模型的表现。
- 比较不同模型的结果。
### 5.2 结果解释
- 解释模型输出的意义。
- 讨论模型的优点和局限性。
### 5.3 可视化展示
- 通过图表展示模型的预测效果。
- 提供模型评估的可视化结果。
## 6. 部署
### 6.1 生产环境部署
- 描述如何将模型部署到生产环境中。
- 提供部署的步骤。
### 6.2 模型维护
- 讨论如何维护模型，包括定期更新和重新训练。
- 描述维护的频率。
### 6.3 持续监控
- 设计监控系统以跟踪模型的表现。
- 描述监控的指标。
这个模板旨在为数据科学项目提供一个结构化的框架，使得无论是项目参与者还是外部读者都能快速理解项目的关键要素。使用Markdown编写这样的模板不仅有助于项目成员间的沟通，也有利于项目的文档化管理和后续的知识积累。
