你有沒有遇過這樣的狀況：對著 ChatGPT 輸入問題，得到的回答卻總是不夠精準，甚至完全答非所問？這不是 AI 不夠聰明，而是「提問的方式」出了問題。Prompt 工程（Prompt Engineering），就是一門研究如何與 AI 有效溝通的學問。
隨著 AI 工具日益普及，會寫 Prompt 的人與不會寫的人，在使用效率上差距可以高達數倍。本文從零開始，帶你掌握 Prompt 工程的核心概念與實戰技巧。
什麼是 Prompt？
Prompt，中文可以譯為「提示詞」或「指令」，是你輸入給 AI 語言模型的文字訊息。AI 根據你的 Prompt 來理解你的需求，並產生對應的輸出。
簡單來說：你問的問題品質，決定了 AI 給你答案的品質。
一個爛的 Prompt：「幫我寫文章」
一個好的 Prompt：「請以部落格文章格式，為台灣 30 歲上班族撰寫一篇關於時間管理的文章，約 800 字，語氣輕鬆但有深度，並附上 3 個實用技巧。」
差距一目瞭然。
Prompt 工程的核心原則
1. 明確角色設定（Role Prompting）
讓 AI 扮演特定角色，能大幅提升輸出品質。語言模型在被賦予特定身份後，會調整其「語氣、專業深度、回答角度」。
- 「你是一位有 10 年經驗的行銷顧問，請幫我分析...」
- 「你是一位國中數學老師，用最簡單的方式解釋微積分...」
- 「你是一位嚴格的程式碼審查員，請找出以下程式碼的問題...」
角色設定讓 AI 知道它應該「站在哪個位置」來回答你。
2. 提供充分的背景資訊（Context）
AI 沒有辦法讀心術。你越清楚地說明背景，AI 就能給出越貼近需求的答案。
背景資訊應包含：
- 目標對象：這份內容是給誰看的？
- 使用目的：要拿來做什麼？
- 限制條件：字數、格式、語氣、不能出現什麼？
- 參考範例：如果有類似的東西，直接貼給 AI 看
3. 指定輸出格式（Output Format）
如果你需要的是結構化輸出，就明確告訴 AI：
- 「以 JSON 格式輸出」
- 「用條列式列出 5 個重點」
- 「請用表格整理，欄位包含：名稱、優點、缺點、適用場景」
- 「分成三個段落，每段不超過 150 字」
格式清楚，AI 就不會給你一大段沒有結構的文字。
4. 使用範例引導（Few-shot Prompting）
給 AI 看幾個你想要的範例，讓它「學習」你的風格或需求，這個技巧稱為 Few-shot Prompting。
例如，你想要 AI 幫你分類客戶評論的情緒：
「請判斷以下評論的情緒（正面/負面/中性）：
範例 1：「送貨速度很快！」→ 正面
範例 2：「商品品質很差，浪費錢。」→ 負面
現在請判斷：「還可以，沒有特別好也沒有特別差。」→」
透過範例，AI 能更準確理解你的期望標準。
進階技巧：Chain of Thought（思維鏈）
對於複雜的推理問題，可以要求 AI「一步一步思考」，而不是直接給答案。
在 Prompt 中加入：「請一步一步分析」「請列出你的推理過程」「Let's think step by step」
這個技巧能顯著提升 AI 在數學計算、邏輯推理、複雜決策等任務上的準確率。研究顯示，加入 Chain of Thought 引導後，AI 在複雜推理任務的正確率可大幅提升。
常見的 Prompt 錯誤與修正
錯誤一：指令太模糊
- ❌ 「幫我寫一封信」
- ✅ 「幫我寫一封向客戶道歉的商務信件，原因是出貨延誤 3 天，語氣誠懇但保持專業，約 200 字」
錯誤二：一次問太多問題
- ❌ 「告訴我行銷策略、市場分析、競爭對手比較和定價建議」
- ✅ 分拆成多個 Prompt，每次聚焦一個問題
錯誤三：沒有給足夠的限制
- ❌ 「幫我翻譯這段文字」
- ✅ 「請將以下文字翻譯成繁體中文，保留原文的正式語氣，不要意譯，盡量貼近原文」
Prompt 範本：實用公式
一個萬用的 Prompt 結構：
「你是一位 [角色]，請幫我 [任務描述]，對象是 [目標讀者]，格式為 [輸出格式]，風格要 [語氣要求]，字數約 [字數限制]。」
舉例：
「你是一位資深 SEO 專家，請幫我撰寫一篇關於『智慧家居入門』的部落格文章，對象是對科技有興趣的台灣上班族，格式為 HTML，語氣輕鬆易懂，字數約 1500 字。」
為什麼 Prompt 工程越來越重要？
隨著 AI 工具滲透到各行各業，會用 AI 的人與不會用 AI 的人，生產力差距將會越來越大。而 Prompt 工程正是「會用 AI」的核心能力。
目前在許多科技公司和新創，「Prompt Engineer」已經成為一個正式職位，薪資相當可觀。但更重要的是，即使你不是工程師，掌握 Prompt 工程技巧也能讓你在日常工作中事半功倍。
- 行銷人員：快速生成文案、廣告素材、社群貼文
- 工程師：輔助寫程式、除錯、撰寫文件
- 設計師：產生創意靈感、撰寫設計說明
- 業務：快速生成提案、客戶信件、簡報內容
持續練習的方法
Prompt 工程沒有標準答案，最好的學習方法就是不斷嘗試和迭代：
- 記錄有效的 Prompt：把效果好的 Prompt 存起來，建立自己的「Prompt 資料庫」
- A/B 測試：同樣的需求，用不同的 Prompt 方式，比較哪個效果更好
- 參考社群分享：PromptHero、FlowGPT 等平台有大量優質的 Prompt 範例
- 了解模型特性：不同 AI 模型有不同的強項，同一個 Prompt 在不同模型上效果可能不同
結語
Prompt 工程不是什麼神秘的黑魔法，它的本質就是清晰、精確的溝通能力。就像對一個新進員工交代工作，你說得越清楚，他做出來的東西就越符合你的期望。
從今天開始，試著用「角色 + 任務 + 背景 + 格式」的公式來優化你的 Prompt，你會發現 AI 工具的潛力遠超過你的想像。AI 的上限，往往就是我們提問的上限。