# 提示工程標準應用指南

* 本篇完全由 AI 產出，僅由 @Eudicotz 我規劃章節段落與審核內容

## 前言
本文將初步解析提示工程 (Prompt Engineering) 的核心技法，並提供實戰範例。需要注意的是，AI 的回應具有隨機性，因此這些技術需要靈活運用，關鍵在於培養系統性思考與精準提問的能力。

## 標準實現技法

### 1. 角色設定 (Role Assignment)

**原理說明：**
- 透過為 AI 指定專業角色，可以啟動模型中特定領域的知識權重，使回答更具專業性和針對性。
- 角色設定的影響不僅止於知識領域，更關鍵的是它能約束模型的輸出風格、語氣、格式及思考框架。
- 此舉不僅是為了取用特定領域知識，更是為了模擬該角色的溝通模式 (Communication Pattern) 與推理過程 (Reasoning Process)。例如，要求 AI 扮演律師，它不僅會使用法律術語，更會採用嚴謹的邏輯結構來組織回應。

**實際範例：**

❌ **一般提問：**

幫我寫一份行銷企劃

✅ **角色設定後：**

你是一位資深的品牌行銷總監，擁有 10 年以上的消費品牌操作經驗。
請以專業行銷人員的角度，為我們的手工皂品牌設計一份完整的年度行銷策略，
並提供符合市場趨勢的創新推廣方案。

### 2. 情境限縮 (Context Constraint)

**原理說明：**
- 運用「人事時地物」的框架提供充足的背景資訊，讓 AI 能夠在明確的邊界條件下給出精準回答。
- 提供充足的背景資訊，相當於為 AI 的解答範圍劃定清晰的邊界，使其不必在龐大的可能性中猜測，從而大幅提高找到最佳答案的機率與效率。

**實際範例：**

❌ **模糊情境：**

如何增加餐廳營收？

✅ **明確情境：**

【背景】我經營一家位於大學城的義式餐廳，
【問題】平日午餐時段（11:30-14:00）客流量不足，僅達座位數的 40%，
【現象】學生族群偏好平價選擇，上班族較少，
【環境】周邊有 5 家競爭對手，租金成本偏高，
【目標】希望平日午餐營收能提升 30%。
請提供具體的營運優化策略。

### 3. 引導範例 (In-Context Learning)

**原理說明：**
提供高品質的範本讓 AI 學習期望的輸出格式和內容風格，範本品質直接影響最終產出。

此技術統稱為情境學習 (In-Context Learning)，根據提供範例的數量，可細分為：
零樣本學習 (Zero-Shot Learning)：不提供任何範例，僅靠指令。
單樣本學習 (One-Shot Learning)：提供一個高品質範例。
少樣本學習 (Few-Shot Learning)：提供多個（通常是 2-5 個）範例，讓模型能更好地歸納模式。

**實際範例 (One-Shot Learning)：**

請根據以下範例格式，為我的商品撰寫銷售文案：

【範例】
## 有機手工皂 - 薰衣草舒緩款
**核心賣點：** 天然舒緩，敏感肌適用
**產品特色：**
- 成分：法國薰衣草精油 + 有機椰子油基底
- 功效：深層清潔同時保濕，舒緩肌膚壓力
- 適用：所有膚質，特別推薦敏感肌使用

**使用體驗：**
綿密泡沫，淡雅花香，洗後肌膚柔嫩不緊繃

**價格定位：** 手工製作，限量生產，每塊 NT$180

現在請為「玫瑰保濕款手工皂」撰寫相同格式的文案。

### 4. 顯式上下文注入 (Explicit Context Injection)

**原理說明：**
大型語言模型的記憶力受限於其『上下文視窗 (Context Window)』。當對話過長、開啟新會話，或透過 API 進行獨立呼叫時，模型會『遺忘』先前的資訊。此技巧透過手動摘要並提供先前的重要結論，確保了資訊的連貫性。

**實際範例：**

【先前討論摘要】
(先幫 AI 回憶總結之前結論)
我們正在規劃咖啡店的空間改造，已確定採用：
- 風格定位：工業風混搭北歐簡約
- 預算範圍：80-120 萬元  
- 坪數限制：25 坪
- 已規劃區域：吧台區、座位區、展示區

【當前問題】
現在需要處理燈光設計的問題，希望營造：
1. 白天：明亮舒適的工作氛圍
2. 晚上：溫馨放鬆的社交空間
3. 展示區：突出商品特色

請基於我們現有的風格定位，設計一套完整的燈光配置方案。

### 5. 明確要求 (Explicit Requirements)

**原理說明：**
- 除了提供背景資訊，更要明確指出期望的輸出格式、詳細程度和評估標準。
- 這一步等同於為 AI 的產出定義清晰的『規格』。透過明確的格式、內容、風格及排除項要求，你將評估標準前置於任務開始之前，從而引導 AI 直接生成符合最終需求的結果，減少後續修改的成本。

**實際範例：**

❌ **模糊要求：**

介紹一下時間管理方法

✅ **明確要求：**

請為忙碌的上班族介紹時間管理技巧，要求如下：

**輸出格式：**
1. 核心概念說明（150 字以內）
2. 三個實用方法的詳細步驟
3. 每日實踐的具體時間安排
4. 一週內可見效果的評估指標

**適用對象：**
- 工作時間 9-18 點的辦公室族群
- 需要兼顧工作與個人生活
- 希望提升效率而非延長工時

**避免：**
- 過於理想化的建議
- 需要大幅改變生活型態的方法

### 6. 元提示 (Meta-Prompting)

**原理說明：**
引導 AI 扮演『提示工程師』的角色，對你現有的提示進行分析、批判與重構。這是一種更高層次的抽象，利用模型自身的推理能力來優化與你互動的『指令』。

**實際範例：**

# [原始提示]
你是一位提示工程專家。我正在設計一個用於生成社群媒體貼文的提示，但效果不穩定。
請分析並優化以下提示。

---
**[待優化提示 v1]**
幫我寫一篇關於我們新推出的「超級能量棒」的 Instagram 貼文。
---

# [優化指令]
請你從以下幾個角度，對上述 [待優化提示 v1] 進行分析與重構：
1.  **角色缺失 (Missing Role)**：目前的提示是否缺乏一個明確的執行者角色？
2.  **情境模糊 (Vague Context)**：是否缺少目標受眾、品牌語氣、貼文目標等關鍵情境？
3.  **格式未定 (Undefined Format)**：是否沒有定義輸出的具體結構，如：文案長度、是否包含 Hashtags、Call-to-Action？
4.  **缺乏範例 (No Example)**：是否可以加入一個範例來引導風格？

最後，請基於你的分析，提供一個結構化、更強大的 [優化後提示 v2]。

@Eudicotz 註：
元提示的白話文就是讓他不斷迭代，覺得這次產出不好，就指出這次回答你不滿意的地方，引導 AI 系統性地分析「(目前的)提示」，並根據指定的分析框架（角色、情境、格式等）來進行重構。

## 組合技法運用
在實際應用中，這些技法往往需要組合使用：

【角色】你是一位精通消費者心理學的資深行銷顧問
【情境】我們正在為新開幕的親子餐廳制定行銷策略，目標客群是 25-40 歲的家庭
【上下文】餐廳位於住宅區，周邊有三所幼稚園，競爭對手較少但消費習慣待培養
【範例】請參考成功親子品牌的行銷模式...
【要求】請提供完整的開幕行銷計畫，包含前期預熱、開幕活動和後續經營策略

### 迭代優化流程
1. **初始提示** → 觀察輸出品質
2. **問題診斷** → 識別不足之處
3. **技法調整** → 應用適當的優化技法
4. **效果驗證** → 評估改善程度
5. **持續精煉** → 重複優化循環

## 補充

1. **避免過度設定：** 角色設定要適度，過於複雜的身份設定可能導致回答偏離主題
2. **保持彈性：** 不要僵化地套用單一技法，根據具體需求靈活組合
3. **版本控制：** 建立個人的提示範本庫，記錄有效的提示模式
4. **效果測試：** 同一個提示多次執行，觀察輸出的穩定性和品質
5. **持續學習：** 關注 AI 模型的更新，適時調整提示策略以配合新功能