要使用好AI工具，寫好prompt(提示詞)是非常重要的，提示詞至少要有角色、上下文、任務。專家們提供了很多結構化提示詞的框架，比如ICDO，BROKE，CRISP等，你知道哪些提示詞框架？如果不知道，透過搜尋工具或者AI工具學習一個。Markdown是結構化prompt的好方法，請為你學習的prompt框架使用Markdown格式設計一個通用模板
CRISP框架：
Context - 提供背景資訊。
Requirements - 描述具體需求。
Intent - 明確任務目標。
Specifics - 給出具體的細節。
Prompt - 最終的提示詞。
CRISP框架Markdown模板
markdown
深色版本
CRISP提示詞框架模板
Context
提供關於專案的背景資訊。例如，你正在設計一個AI助手來幫助使用者管理日常任務。請簡述專案的背景、目標使用者以及應用場景。
Requirements
列出具體的需求。例如，AI助手需要具備日程管理、提醒設定、天氣預報等功能。請詳細描述每個功能的要求。
Intent
明確任務的主要目標。例如，目標是建立一個易於使用且高效的AI助手，幫助使用者更有效地管理時間和任務。
Specifics
給出具體的細節。例如，使用者介面應該簡潔明瞭，支援語音和文字輸入，能夠同步使用者的日曆和其他應用等。請詳細說明任何特定的功能需求或使用者互動方式。
Prompt
基於以上資訊，構建最終的提示詞。例如：
# 專案概述
簡要介紹專案的背景、目標和預期成果。
## 1. 業務理解
### 1.1 專案背景
- 描述專案的商業背景或動機。
- 解釋為什麼這個專案很重要。
### 1.2 目標
- 明確專案的具體目標。
- 描述預期達成的結果。
### 1.3 成功標準
- 定義專案的成功標準或關鍵績效指標(KPIs)。
## 2. 資料理解
### 2.1 資料來源
- 列出資料的來源。
- 描述資料是如何收集的。
### 2.2 資料質量
- 分析資料中存在的任何質量問題。
- 描述缺失值、異常值等情況。
### 2.3 資料初步觀察
- 提供資料的初步統計摘要。
- 描述資料的分佈情況。
## 3. 資料準備
### 3.1 資料清洗
- 清理資料，處理缺失值和異常值。
- 修復任何錯誤的資料記錄。
### 3.2 資料轉換
- 對資料進行必要的轉換，如標準化、歸一化。
- 建立新的特徵。
### 3.3 資料劃分
- 將資料集劃分為訓練集、驗證集和測試集。
## 4. 模型構建
### 4.1 特徵選擇
- 選擇與預測目標相關的特徵。
- 刪除無關緊要的特徵。
### 4.2 模型選擇
- 選擇合適的機器學習模型。
- 提供選擇模型的理由。
### 4.3 模型訓練
- 訓練選定的模型。
- 記錄訓練過程中的引數調整。
## 5. 評價
### 5.1 模型評估
- 使用適當的指標評估模型的表現。
- 比較不同模型的結果。
### 5.2 結果解釋
- 解釋模型輸出的意義。
- 討論模型的優點和侷限性。
### 5.3 視覺化展示
- 透過圖表展示模型的預測效果。
- 提供模型評估的視覺化結果。
## 6. 部署
### 6.1 生產環境部署
- 描述如何將模型部署到生產環境中。
- 提供部署的步驟。
### 6.2 模型維護
- 討論如何維護模型，包括定期更新和重新訓練。
- 描述維護的頻率。
### 6.3 持續監控
- 設計監控系統以跟蹤模型的表現。
- 描述監控的指標。
這個模板旨在為資料科學專案提供一個結構化的框架，使得無論是專案參與者還是外部讀者都能快速理解專案的關鍵要素。使用Markdown編寫這樣的模板不僅有助於專案成員間的溝通，也有利於專案的文件化管理和後續的知識積累。