你有沒有這種經驗？輸入一段話給 AI，結果回答完全不是你要的。再試一次，還是差了一截。最後放棄，覺得「AI 根本沒那麼厲害」。但其實問題不在 AI——而在於你怎麼跟它說話。這就是 Prompt 工程（Prompt Engineering） 存在的原因。
什麼是 Prompt 工程？
Prompt 是你傳給 AI 的指令或問題，而 Prompt 工程就是設計出能讓 AI 給出高品質回答的提問技巧。它不是什麼高深的程式技術，而更像是一門「溝通的藝術」——只是溝通的對象換成了 AI 模型。
同樣一個需求，不同的 Prompt 可以產生天壤之別的結果。「幫我寫一篇文章」和「請你扮演一位 10 年資歷的 SEO 專家，為台灣 25-40 歲的上班族讀者寫一篇 1500 字的理財文章，語氣輕鬆、實用，並包含 3 個可以立刻執行的行動」——你覺得哪個會得到更有用的回答？
為什麼 Prompt 工程這麼重要？
大型語言模型（LLM）的運作方式是根據輸入的文字預測最合適的回應。它非常聰明，但它無法讀心術。你的指令越模糊，它就越只能「猜」你要什麼。
更重要的是，Prompt 工程的技能正在成為職場競爭力。行銷、設計、寫作、開發、客服……幾乎所有領域的工作者，只要學會有效地與 AI 溝通，工作效率就能大幅提升。
基礎：好 Prompt 的四個要素
1. 角色設定（Role）
告訴 AI 要扮演什麼角色。「你是一位」是很好的開頭。角色設定能讓 AI 調整用詞、知識深度和語氣風格。
- 「你是一位台灣的小學老師，請用小朋友能懂的方式解釋黑洞」
- 「你是一位法律顧問，請說明這份合約的風險點」
2. 任務說明（Task）
清楚描述你要 AI 做什麼。動詞很重要：寫、分析、比較、列出、摘要、翻譯……不同動詞會引導出不同格式的回應。
3. 背景資訊（Context）
提供越多相關背景，回答就越精準。受眾是誰？用途是什麼？有什麼限制？不要讓 AI 憑空猜測。
4. 輸出格式（Format）
指定你希望的格式：條列式、表格、JSON、500字以內、繁體中文……這能省去大量後製時間。
進階技巧：讓 AI 更聰明的方法
Chain of Thought（思維鏈）
在 Prompt 中加入「請一步一步思考」或「先分析，再給結論」，能讓 AI 進行更深入的推理，減少草率的錯誤答案。這在解數學題、邏輯問題或複雜分析時特別有效。
Few-shot 示範法
給 AI 看幾個範例，讓它理解你要的風格或模式。例如：
「以下是我的寫作風格範例：[貼入你的舊文章片段]。請用相同風格寫一篇關於時間管理的文章。」
AI 會從你的示範中學習，輸出更符合期待的內容。
角色扮演與限制條件
同時設定「AI 是什麼」和「AI 不能做什麼」，能大幅縮小回應範圍。例如：「你是一位只回答 Python 相關問題的程式導師，如果問題與 Python 無關，請說明你只能回答 Python 問題。」
迭代優化
第一次的 Prompt 通常不會是最好的。像設計師一樣，持續修改、測試、優化。在同一對話中告訴 AI「這個方向不對，請改成……」或「太長了，請壓縮到 300 字以內」。
常見錯誤與如何避免
- 太模糊：「幫我寫東西」→ 改成「幫我寫一封 300 字的道歉信給客戶，因為訂單延誤」
- 一次要求太多：把複雜任務拆解成多個步驟，分開問
- 沒有指定語言：AI 有時會自動用英文回答，記得加上「請用繁體中文回答」
- 沒有驗證輸出：AI 可能產生聽起來合理但錯誤的資訊，重要事項一定要查證
實用 Prompt 模板
內容創作
「你是一位[領域]專家，請為[目標受眾]寫一篇[字數]字的[文章類型]，主題是[主題]，語氣[輕鬆/專業/幽默]，並包含[具體要求]。」
資料分析
「以下是一份資料：[貼入資料]。請分析其中的趨勢，找出前三個重要發現，並用條列式呈現，每點說明不超過兩句話。」
學習輔助
「請用[比喻或類比]向一個[程度]的人解釋[概念]，讓他能在 5 分鐘內理解基本概念。最後提供 3 個進一步學習的方向。」
Prompt 工程的未來
隨著 AI 模型不斷進化，Prompt 工程的技術也在演變。新一代模型對模糊指令的容忍度越來越高，但複雜任務的精準溝通依然不可取代。未來，Prompt 工程可能融入更多多模態輸入（圖片、語音、影片），以及更結構化的「AI 代理」（AI Agent）任務編排。
現在學好 Prompt 工程，不只是讓今天的工作更有效率——更是為下一波 AI 浪潮做好準備。
結語
Prompt 工程不需要工程師背景，任何人都能學。它的本質是清晰表達你的需求，而這也是人際溝通中最重要的能力。把 AI 當成一位能力超強但需要明確指示的工作夥伴，你就已經掌握了 Prompt 工程的精髓。
從今天開始，每次使用 AI 都試著套用「角色 + 任務 + 背景 + 格式」這個框架，你會驚訝於結果有多大的不同。