同樣是問 AI 一個問題，有人得到一個普通的答案，有人卻得到讓人驚嘆的深度回應。差別在哪裡？提示詞（Prompt）的品質。
Prompt Engineering，也就是「提示詞工程」，是指有策略地撰寫給 AI 的指令，讓模型產出更準確、更有用、更符合需求的結果。隨著 ChatGPT、Claude、Gemini 等 AI 工具深入職場與日常生活，懂得寫好 Prompt 已經成為一項核心競爭力——不管你是工程師、設計師、行銷人員，還是只是想讓 AI 幫你更有效率地完成日常任務的普通人。
這篇指南將從零開始，帶你掌握 Prompt Engineering 的核心原則與實用技巧。
為什麼你的 AI 問題都得不到好答案？
大多數人使用 AI 的方式很簡單：想到什麼就打什麼。比如：「幫我寫一封信」、「解釋一下機器學習」、「給我一些創業建議」。
這類 Prompt 的問題在於它們資訊量不足、語境不清、目標模糊。AI 並不了解你的背景、你的受眾、你的語氣偏好、你想要多長的回覆。它只能根據有限的資訊做出猜測，結果自然就是「普普通通」。
好的 Prompt 就像給一個能幹的新同事下達任務：你需要說清楚背景、目標、限制條件，他才能做出真正有價值的工作。
一個好 Prompt 的基本結構
優秀的 Prompt 通常包含以下幾個元素，你不必每次都全部用到，但越完整效果越好：
- 角色（Role）：告訴 AI 扮演什麼角色。「你是一位有 10 年經驗的行銷顧問」比「幫我做行銷」更有效。
- 任務（Task）：清楚說明你要 AI 做什麼。動詞很重要——「分析」、「撰寫」、「比較」、「整理」都比「幫我搞定」精確。
- 背景（Context）：提供必要的情境資訊。你的產品是什麼？受眾是誰？目前的狀況如何？
- 格式（Format）：你希望輸出是什麼樣子？條列式？表格？500 字以內？繁體中文？
- 範例（Examples）：如果有，提供一兩個你希望輸出的範例，效果往往比長篇描述更好。
實際範例對比
差的 Prompt：「幫我寫一封開發信」
好的 Prompt：「你是一位 B2B SaaS 業務專家。請幫我撰寫一封開發信，目標客群是台灣中小企業的 HR 主管，我們的產品是員工訓練管理系統，主要賣點是節省 50% 的行政時間。語氣要專業但不生硬，長度控制在 150 字以內，以問句結尾邀請對方預約示範。」
同樣的任務，第二個 Prompt 給出了角色、受眾、產品特點、語氣要求、長度限制和結尾格式，AI 能產出的結果品質完全不在同一個層次。
核心技巧一：角色扮演（Role Prompting）
給 AI 指定一個具體角色，是最簡單卻最有效的 Prompt 技巧之一。角色的設定會影響 AI 用什麼知識背景、什麼語氣、什麼框架來思考問題。
有效的角色設定不只是說「你是專家」，而是要具體描述這個角色的特質：
- 「你是一位專注於說服力寫作的文案顧問，曾為多個消費品品牌打造成功的廣告活動」
- 「你是一位嚴格的法律顧問，總是會指出條款中的潛在風險」
- 「你是一位對技術細節毫無概念的 60 歲退休教師，請用你能理解的語言解釋這個概念」
最後一個例子特別有用——你可以把「受眾」設定為 AI 的角色，讓它模擬目標讀者來測試你的內容是否夠清楚易懂。
核心技巧二：思維鏈（Chain of Thought）
對於需要推理和分析的複雜問題，要求 AI「一步一步思考」可以顯著提升答案的品質和準確度。這個技巧叫做思維鏈提示（Chain-of-Thought Prompting）。
實際應用很簡單，在 Prompt 中加上這類指令：
- 「請一步一步分析這個問題」
- 「在給出結論前，先列出你的推理過程」
- 「請先思考可能的反駁意見，再給出你的最終建議」
研究顯示，思維鏈提示在數學題、邏輯推理和多步驟決策問題上效果特別明顯，正確率有時可提升數十個百分點。
核心技巧三：少樣本學習（Few-Shot Prompting）
如果你想要 AI 產出特定風格或格式的內容，最直接的方法是提供幾個範例。這個方法叫做少樣本學習（Few-Shot Learning）。
舉例來說，如果你想要 AI 用特定風格分析產品評論，你可以這樣寫：
「請用以下格式分析這條客戶評論：
範例輸入：『包裝很精美，但送達時有點破損』
範例輸出：優點：包裝美觀 ｜ 缺點：物流損壞 ｜ 改善建議：加強緩衝包材
現在請分析以下評論：[貼上你的評論]」
一到三個範例通常就足夠讓 AI 掌握你要的模式。
核心技巧四：迭代優化，把 AI 當成合作夥伴
很多人用 AI 的方式是「問一次，看看答案，滿意就用，不滿意就算了」。這其實大幅低估了 AI 的能力。
把 AI 當成一個可以持續溝通的合作夥伴，在對話中不斷給反饋和調整方向，才是進階用法：
- 「這個方向不錯，但語氣太正式了，請改得更輕鬆口語一點」
- 「第三點我不太同意，請提供更多支持這個觀點的證據」
- 「請把這個版本縮短到一半，保留最核心的論點」
- 「這個結論太模糊，請給出三個具體可執行的行動建議」
通過迭代，你往往可以從一個普通的初始回答中提煉出真正優秀的內容。
常見錯誤與避免方法
錯誤一：Prompt 太模糊
「幫我想一些點子」這種 Prompt 讓 AI 完全不知道你要什麼。解決方案：加上具體的數量（「給我 10 個點子」）、領域（「關於健康飲食的行銷點子」）和格式要求（「用條列式，每點附一句說明」）。
錯誤二：給太多不相關的資訊
把大量無關的背景資訊塞進 Prompt，反而會讓 AI 分心、產出不夠聚焦的答案。只提供真正必要的情境。
錯誤三：對第一個答案太滿意
AI 的第一個答案通常是「夠好但不夠棒」。養成習慣，至少問一次「請改進這個答案」或「還有什麼可以加強的地方？」
錯誤四：沒有指定輸出格式
如果你需要的是一份報告、一張表格、或者一段可以直接複製使用的文字，一定要明確說明。「請用 Markdown 格式輸出」、「請用表格整理這些資料」都是有效的格式指令。
進階應用：專業場景的 Prompt 模板
內容創作
「你是一位擅長 SEO 內容寫作的專家。請為關鍵字『[關鍵字]』撰寫一篇 1000 字的部落格文章。目標讀者是 [受眾描述]。文章結構包含：吸引眼球的開頭、3-5 個小標題、每個段落附具體例子、結尾有行動呼籲（CTA）。語氣：[語氣描述]。」
資料分析
「你是一位數據分析師。以下是 [資料描述]。請：1）識別三個最重要的趨勢；2）指出任何異常值並分析可能原因；3）提出兩個可行的業務建議。請用條列式呈現，並說明你的推理依據。」
程式碼撰寫
「你是一位資深 [語言] 工程師，注重程式碼的可讀性和效能。請幫我寫一個函數，功能是 [具體功能描述]。需求：[列出所有限制條件]。請同時提供程式碼、使用說明和可能的邊界情況處理。」
結語：Prompt Engineering 是一種思維方式
學習 Prompt Engineering 不只是學幾個技巧，更是訓練一種「如何與 AI 有效溝通」的思維方式。它要求你想清楚：我真正想要什麼？我的受眾是誰？什麼格式最有用？有沒有我可以提供的範例？
這些問題，其實也是任何有效溝通的核心。會寫 Prompt 的人，往往也是表達更清晰、思維更有條理的人。
從今天開始，每次使用 AI 時，多花 30 秒把你的 Prompt 寫得更具體一點。這 30 秒的投資，可以為你節省 30 分鐘的後續修改時間。