TIDD-EC框架概述

TIDD-EC是一种结构化提示词设计框架，通过六个核心维度（任务、输入、细节、输出、示例、约束）提升AI生成内容的精准度。适用于复杂任务指令设计，尤其擅长技术性、逻辑性内容生成。

---

任务（Task）

明确定义核心目标，避免模糊表述。使用动词开头，直接说明需要完成的具体动作。
正确示例
"生成Python代码实现快速排序算法"
"分析2023年新能源汽车市场趋势，要求包含销量数据和竞争格局"

错误示例
"写一些关于排序算法的内容"（未指定动作和形式）

---

输入（Input）

提供必要的背景信息或原始数据，限定AI的思考范围。包括：

• 数据格式（JSON/CSV/文本等）
• 关键参数（如时间范围、地域限制）
• 参考材料（网址、文献片段）

示例
输入数据：[12, 45, 23, 9, 37]
参考标准：ISO 9001-2025质量管理体系
来源限制：仅使用2020年后的学术论文

---

细节（Detail）

拆分复杂任务为可执行步骤，明确技术参数或逻辑关系。常用方法：

• 分阶段描述（数据清洗→特征工程→建模）
• 量化指标（准确率>90%，响应时间<2秒）
• 逻辑条件（如果用户未登录，跳转至注册页）

代码类示例
要求：

• 使用递归实现
• 添加时间复杂度注释
• 包含异常处理模块

---

输出（Deliverable）

指定结果形式和规格，包括：

• 格式要求（Markdown表格/LaTeX公式/流程图）
• 结构要素（必须包含摘要、结论、参考文献）
• 风格指南（学术严谨/口语化/儿童读物）

示例
输出：

1. 500字分析报告
2. 3个关键结论（加粗显示）
3. 以HTML表格呈现数据

---

示例（Example）

提供输入输出样本，显式定义质量基准。建议：

• 正反例对比（优质/劣质回答差异）
• 多模态示例（文字+图表+代码组合）

示例
输入：[3,1,2]
期望输出：

def quicksort(arr):  
    if len(arr) <= 1:  
        return arr  
    pivot = arr[len(arr)//2]  
    left = [x for x in arr if x < pivot]  
    middle = [x for x in arr if x == pivot]  
    right = [x for x in arr if x > pivot]  
    return quicksort(left) + middle + quicksort(right)  

---

约束（Constraint）

设定明确的边界条件，包括：

• 禁止项（不得使用第三方库）
• 合规要求（符合GDPR条款）
• 资源限制（内存占用<100MB）

典型约束

• 语言：仅使用英语回答
• 长度：代码不超过50行
• 引用：必须标注arXiv论文编号

---

组合应用示例

场景：开发智能客服的意图识别模块

任务：设计基于BERT的意图分类模型  
输入：用户查询数据集（附件query_samples.csv）  
细节：  
  - 微调BERT-base模型  
  - 测试集占比20%  
  - 评估指标包括F1-score和推理延迟  
输出：  
  - PyTorch模型代码  
  - 性能评估报告（含混淆矩阵）  
示例：  
  输入query："怎么重置密码" → 输出intent："account_management"  
约束：  
  - 不使用超过GTX 1080的算力  
  - 支持中文和英文混合输入  

---

常见优化技巧

1. 量化指标：将"快速响应"改为"响应时间<300ms"
2. 负面清单：明确"不包括价格对比功能"
3. 分层指令：对核心需求使用加粗，次要需求使用普通文本
4. 版本控制：指定"使用Python 3.8+与TensorFlow 2.4"

通过TIDD-EC框架设计的提示词，可使AI输出准确率提升40%以上（基于2023年CMU人机交互实验室测试数据）。