PTCF 框架
Google 官方发布的 Gemini 提示词结构化框架——P（角色）T（任务）C（情境）F（格式）四个维度，帮助用户用最短的指令切中核心
简介
PTCF 框架是 Google 官方发布的 Gemini 模型提示词结构化框架，由四个维度组成：P（Persona/角色）、T（Task/任务）、C（Context/情境）、F（Format/格式）。这是 Google 在其官方提示词指南中推荐的核心写法，目标是帮助用户”用最短的指令切中核心”。
PTCF 框架的背景是模型架构的代际升级。随着 Gemini 3 等新一代模型的推出，传统的长文详细描述正逐渐被淘汰——新模型对简洁直接的指令响应更好，冗长的背景说明反而可能引入噪声。Google 推出 PTCF 框架，本质上是在告诉用户”不用写那么多，把这四个要素说清楚就够了”。
PTCF 框架与 Anthropic（Claude）的”少即是多”建议和 OpenAI（GPT-5.5）的”结果先行”建议形成了行业趋同——三大厂商同时在强调简洁直接优于长文描述。这标志着提示词工程从”越详细越好”的 1.0 时代，进入”精准四要素”的 2.0 时代。
在 Google 的提示词生态中，PTCF 框架是基础层，之上还有 Gemini 3 官方指南中的 8 招进阶写法（如”调低温度反而退化”等反直觉建议），以及资深开发者 Lee Boonstra 的提示工程白皮书中的 10 种基础技法。PTCF 框架作为入门门槛最低的结构化方法，适合所有用户快速上手。
关键信息
- 类型：方法论 / 结构化提示词框架
- 领域：提示词工程、Google AI 生态
- 提出者：Google 官方
- 适用模型：Gemini 系列（也适用于其他模型）
- 核心四要素：P（Persona/角色）+ T（Task/任务）+ C（Context/情境）+ F（Format/格式）
- 设计理念：少即是多，精准四要素优于长文描述
- 相关概念：提示词工程、Meta-prompting、Gemini
核心特性
四要素详解
P — Persona（角色） 设定 AI 应该扮演的角色身份。角色设定决定了 AI 的知识范围、语言风格和回答视角。
示例：
- “你是一位有 10 年经验的营销总监”
- “你是一位专门研究机器学习的大学教授”
- “你是一位擅长用简单语言解释复杂概念的科普作家”
T — Task（任务） 明确告诉 AI 要完成什么任务。任务描述要具体、可执行、可验证。
示例：
- “帮我写一封产品上线通知邮件”
- “分析这份财报中的三个最大风险点”
- “把这段英文翻译成自然流畅的中文”
C — Context（情境） 提供任务执行所需的背景信息。情境越具体，AI 的输出越贴合实际需求。
示例：
- “我们的产品是一个面向中小企业的 SaaS CRM，刚完成 Series A 融资”
- “目标受众是 25-35 岁的年轻职场人，他们对效率工具有高需求但付费意愿低”
- “这封邮件要发给 500 位现有客户，语气要专业但不死板”
F — Format（格式） 指定输出的格式要求。格式约束能大幅减少 AI 输出的不确定性。
示例：
- “用 bullet point 列出，每条不超过 20 字”
- “输出为 Markdown 表格，包含三列：问题/原因/建议”
- “写成 300 字以内的邮件正文，包含标题和落款”
PTCF 框架的使用模板
[角色]：你是 [角色描述]
[任务]：请帮我 [具体任务]
[情境]：背景是 [相关背景信息]
[格式]：请用 [指定格式] 输出
完整示例：
角色：你是一位有 8 年经验的 B2B 产品经理
任务：帮我写一份竞品分析报告的大纲
情境：我们是一家做企业协作工具的创业公司，主要竞品是飞书和钉钉，
目前用户量 5 万，需要向投资人展示差异化优势
格式：用 Markdown 格式，包含一级标题和二级标题，
每个章节用一句话说明分析重点
PTCF 与其他框架的对比
| 框架 | 维度数 | 适用场景 | 门槛 |
|---|---|---|---|
| PTCF（Google） | 4 维 | 通用，尤其 Gemini | 低 |
| 小红书 6 步公式 | 6 维 | 内容创作 | 中 |
| 七类信息（前端生成） | 7 维 | AI 前端界面 | 高 |
| DRAG 框架 | 决策层 | 任务分配 | 低 |
| Prompt-as-Code | 工程层 | Agent 自动化 | 高 |
PTCF 框架的优势是门槛最低、适用范围最广——4 个维度足以覆盖 80% 的日常 AI 使用场景。当场景更专业时，再升级到更多维度的框架。
PTCF 框架的进阶用法
Gemini 3 官方提示词指南在 PTCF 基础上给出了 8 条进阶建议，其中几条反直觉：
- “调低温度反而退化”：直觉上降低温度（temperature）应该让输出更稳定，但 Gemini 3 在某些任务中调低温度反而导致输出质量下降——因为模型需要一定的”创造性空间”才能给出更好的回答
- “结果先行”：把期望的结果描述放在提示词开头而非结尾，新模型对开头的注意力权重更高
- “否定指令效果有限”：告诉模型”不要做什么”不如告诉它”要做什么”——正向指令比负向约束更有效
不同素材中的观点
- 2026-06-02-bnext-100-ai-prompts-map：數位時代在 100 组提示词完整地图中将 PTCF 框架归类为”GPT-5.5、Claude、Gemini 3 等模型官方提示词指南”类别，定位为 Google 官方推荐的核心结构化方法。文章指出 PTCF 框架与 Anthropic 的”少即是多”和 OpenAI 的”结果先行”形成行业趋同——三大厂商同时强调简洁直接优于长文描述，标志着提示词工程从”越详细越好”进入”精准四要素”时代。
实用信息
快速使用步骤
- 在写提示词前，先用 4 个问题自检：我要 AI 扮演什么角色？要它做什么任务？有什么背景信息？要什么格式的输出？
- 按 P→T→C→F 顺序组织提示词（角色先定调，任务明确目标，情境提供约束，格式锁定输出）
- 如果结果不理想，优先检查是否遗漏了某个维度（最常被遗忘的是 C 情境和 F 格式）
适用场景
- 日常 AI 对话（最通用）
- Gemini 用户（官方推荐）
- 提示词新手入门（门槛最低）
- 需要跨模型使用同一框架（PTCF 四要素在所有模型上都有效）
注意事项
- 四要素不是都要写很长：每个维度一两句话就够了，PTCF 的精髓是”简洁但完整”
- 情境（C）是最容易被忽略但最有价值的维度：很多用户只写 P 和 T，结果 AI 输出太泛——加上具体情境后质量立刻提升
- 角色（P）不需要每次都设定：简单任务（如”翻译这句话”）不需要角色设定，角色设定主要在需要特定视角或专业知识的任务中有价值