# 提示工程的進階應用指南

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

## 摘要
本文教你如何從「隨便問問AI」進階到「精準控制AI的思考方式」。我們將學習如何給AI設定完整的角色、使用簡單的標籤來組織資訊，以及讓AI展示它的思考過程，讓你的AI助手變得更專業、更可靠。


## 問題分析與解決方案

在上一篇文章中，我們學會了如何提升AI回答的品質。現在，我們要更進一步：**不只是讓AI回答得更好，而是讓AI按照我們設計的方式來思考和工作。**

### 1. 完整角色設定：讓AI真正「入戲」

大部分人給AI設定角色時會說「你是一位行銷專家」就結束了。但想像一下，如果你要請一位真正的行銷專家幫忙，你會想知道：

- 他的專業背景是什麼？
- 他平常用什麼方法工作？
- 他的價值觀和原則是什麼？
- 他絕對不會做哪些事？

**把AI當成一個真實的專家來「面試」和「培訓」，而不只是貼個標籤。**

**舉個例子：**

❌ **簡單設定：**

你是一位理財顧問。

✅ **完整設定：**

你是一位專門幫助30-40歲上班族規劃退休的理財顧問。

**你的工作哲學：**
你相信「穩健增長比快速致富更重要」。你總是優先保護客戶的本金，然後才考慮獲利。

**你的工作方法：**
1. 你會先了解客戶的風險承受度（能接受多少虧損）
2. 你會建議分散投資，絕不把雞蛋放在同一個籃子裡
3. 你會用最簡單的話解釋複雜的金融商品
4. 你會主動告知每個投資的風險

**你的底線：**
你絕對不推薦客戶把超過30%的錢投入高風險商品，也不會為了賺佣金而推薦不適合的產品。

這樣設定後，AI就會像一位真正有經驗、有原則的理財顧問一樣回答你的問題。

### 2. 系統提示：給AI裝上「作業系統」

想像你的電腦有Windows或Mac作業系統，它決定了電腦的基本運作方式。**系統提示(System Prompt)就像是給AI裝上一套「思考作業系統」**，讓它在整個對話過程中都按照你設定的規則運作。

**簡單來說：**
- **一般提問：** 每次都要重新說明你要什麼
- **系統提示：** 一開始就告訴AI「你永遠都要這樣工作」

**實際應用：**
假設你經常需要AI幫你檢查文章，你可以設定一個「文章檢查助手」的系統提示：

你是我的專業文章檢查助手。每當我給你一篇文章時，你都要：

1. **檢查錯字和語法**
2. **指出邏輯不清楚的地方**
3. **建議如何讓文章更好讀**

**回答格式：**
請用這個表格格式回答：
| 問題類型 | 具體問題 | 修改建議 |
|---------|---------|---------|
| 錯字語法 | ... | ... |
| 邏輯問題 | ... | ... |
| 可讀性 | ... | ... |

**說話風格：**
請用鼓勵、建設性的語氣，像是幫助朋友改文章一樣。

設定好後，以後你只要貼上文章說「請檢查」，AI就會自動按照這套標準來工作。

### 3. 標籤的策略性運用：什麼時候用什麼工具

當你要給AI很多資訊時，選對工具很重要。就像蓋房子，有些地方需要鋼筋水泥（嚴謹），有些地方用木材就夠了（彈性）。

**工具選擇原則：**

**XML標籤 = 嚴謹流程專用**
- **什麼是XML：** 就像給每個資料貼上身分證，讓AI絕對不會搞混
- **什麼時候用：** 需要AI按照固定步驟處理、不能出錯的情況
- **特色：** 強制約束，AI必須按照你的結構來理解和處理，另一個巨大優勢是**語意清晰**

**Markdown格式 = 一般情境專用**
- **什麼是Markdown：** 就像Word的格式工具，讓內容更好看、更好讀
- **什麼時候用：** 希望AI的回答有特定格式，但不需要太嚴格的情況
- **特色：** 彈性呈現，主要是讓輸出更美觀

**XML實際應用（嚴謹流程）：**

請幫我分析這個投資案，必須按照我的風險評估流程。

<investment_analysis>
  <basic_info>
    <product_name>台積電股票</product_name>
    <investment_amount>100000</investment_amount>
    <time_horizon>5年</time_horizon>
  </basic_info>
  
  <market_data>
    <current_price>500</current_price>
    <pe_ratio>15.2</pe_ratio>
    <industry_trend>半導體成長期</industry_trend>
  </market_data>
  
  <risk_assessment_process>
    <step1_market_risk>
      <!-- 必須分析市場風險並給出1-10分評分 -->
    </step1_market_risk>
    
    <step2_company_risk>
      <!-- 必須分析公司風險並給出1-10分評分 -->
    </step2_company_risk>
    
    <step3_overall_rating>
      <!-- 必須給出綜合評分和明確的投資建議：買入/持有/賣出 -->
    </step3_overall_rating>
  </risk_assessment_process>
</investment_analysis>

**Markdown實際應用（一般情境）：**

請幫我寫一份「週末台北一日遊」的推薦，用以下格式：

# 台北週末一日遊攻略

## 上午行程（9:00-12:00）
- **地點：** 
- **特色：**
- **建議停留時間：**

## 下午行程（13:00-17:00）
- **地點：**
- **特色：**
- **建議停留時間：**

## 美食推薦
### 必吃小吃
- 店名1：特色菜
- 店名2：特色菜

### 餐廳推薦  
- 店名：推薦理由

**關鍵差異：**
- **XML情境：** 你嚴格指定這些投資分析必須具備的規格，每一步都不能遺漏，這時使用 XML 來約束的效果會比起 markdown 好
- **Markdown情境：** 旅遊推薦可以有彈性，格式好看就行，內容可以靈活調整

#### 標籤選擇決策矩陣 (Tag Selection Decision Matrix)

| 使用場景 | 推薦格式 | 核心原則 | 軟體工程類比 |
| :--- | :--- | :--- | :--- |
| **內容呈現與美化**<br>（報告、清單、文案） | **Markdown** | **表現層分離 (Presentation Layer Separation)** | CSS / HTML Formatting |
| **資料與指令分離**<br>（批量生成、模板化） | **Markdown/XML** | **關注點分離 (Separation of Concerns)** | 樣板引擎 (Template Engine) |
| **強制資料結構**<br>（API 輸入、資料提取） | **XML** | **模式強制 (Schema Enforcement)** | 資料庫結構 (DB Schema) / DTO |
| **強制推理過程**<br>（複雜分析、決策模擬） | **XML + 思維鏈** | **程序控制 (Process Control)** | 演算法 / 狀態機 (State Machine) |

@Eudicotz 註：如果不想額外花時間學 XML ，其實 markdown 就很夠用了。

2025.01.07 加筆更新：[使用思維鏈 (CoT) 可能會使得推理模型產出品質不增反降](https://gail.wharton.upenn.edu/research-and-insights/tech-report-chain-of-thought/)
如果使用的模型是推理模型：例 GPT-5 系列、Claude Sonnet 4.5、Gemini 3.0......等，這反而會使得回覆品質下降，但如 GPT-4o、GPT-4.1等這些較為經濟實惠的模型時，他們通常不會有推理功能，思維鏈仍可使用，但通常不符合成本效益。
> 工具必須挑著用，如果你不想記這麼多，只想知道思維鏈到底用不用，結論就是「先不用」。

### 4. 英文思維 + 中文輸出：兼顧精準與自然

**核心概念：** AI在英文環境下的邏輯理解能力更強，但我們需要中文輸出。解決方案是「英文搭建框架，中文呈現結果」。

**為什麼這樣做：**
- **英文prompt更精確：** AI的訓練數據中英文技術文檔更多，理解更準確
- **邏輯結構更清晰：** 英文的語法結構讓AI更容易理解複雜指令
- **中文輸出更自然：** 最終用戶看到的是流暢的中文內容

**實際對比：**

❌ **全中文（容易產生歧義）：**

你是專業顧問，要分析問題然後給建議，要按照我說的步驟來做。

✅ **英文框架 + 中文輸出：**

You are a professional business consultant. Follow this analysis framework strictly:

<analysis_process>
  <step1_problem_definition>
    <!-- Identify the core business problem -->
  </step1_problem_definition>
  
  <step2_data_analysis>
    <!-- Analyze provided data and identify patterns -->
  </step2_data_analysis>
  
  <step3_solution_design>
    <!-- Generate actionable solutions -->
  </step3_solution_design>
</analysis_process>

**Output Language:** All responses must be in Traditional Chinese (繁體中文).
**Output Format:** Use clear headings and bullet points for readability.

### 6. 建立「PROMPT優化AI助手」

整合前述兩篇文章，讓我們建立一個專門幫你優化prompt的AI助手：

括弧內為說明，如果想要直接取此段 prompt 來用，則須自行把說明移除以免汙染 prompt 。

# PROMPT Optimization Assistant

(腳色設定)
You are an expert AI Prompt Engineer specializing in creating high-performance prompts for various use cases. Your mission is to transform basic user requests into sophisticated, effective prompts.

## [Core Competencies]
(指定核心準則)
- **Prompt Architecture:** Role definition, context setting, constraint specification
- **Output Control:** Format specification, quality assurance, error prevention  
- **Logic Framework:** Chain-of-thought design, step-by-step reasoning
- **Language Optimization:** Precision in English structure, natural Chinese output

## [Output Specification]
(規範輸出格式)
**Language:** All responses in Traditional Chinese (繁體中文)
**Structure:** 
1. **[原始需求分析]** - Analysis of user's original request
2. **[優化策略]** - Optimization strategy explanation  
3. **[優化後PROMPT]** - Complete optimized prompt (in code block)
4. **[使用說明]** - Instructions for implementation
5. **[進階建議]** - Advanced tips for further customization

## [Quality Standards]
(規範輸出內容)
- **Precision:** Every instruction must be clear and unambiguous
- **Completeness:** Cover all aspects needed for consistent results
- **Practicality:** Provide immediately usable, tested prompt structures
- **Scalability:** Design prompts that can be easily modified for similar use cases

## [Constraints]
(嚴格說明限制事項)
- Never provide vague or generic advice
- Always include specific, actionable prompt examples
- Explain the reasoning behind each optimization choice
- Focus on practical implementation over theoretical concepts

## 補充

1. **工具選擇要對症下藥：**
- 需要嚴謹流程時用XML（如：分析、診斷、決策）
- 只是要好看格式時用Markdown（如：文案、清單、報告）

2. **XML標籤用英文更精準：** 英文標籤讓AI更容易理解結構，避免中文可能產生的歧義。

3. **從簡單開始：** 不要一開始就用很複雜的設定，先從完整的角色設定開始練習。

4. **什麼時候用思維鏈條：** 當你需要AI做複雜分析、比較選擇、或解決問題時使用。簡單的問答就不需要。

5. **建立你的範本庫：** 把有效的XML框架和Markdown格式記錄下來，下次遇到類似情況可以直接套用。

6. **把AI當作可訓練的助手：** 現在你不只是在「問問題」，而是在「訓練一個專業助手」。花時間設定好，之後就能省很多時間。

7. **測試和調整：** 最好的設定都是經過多次測試和修改的。不要怕實驗，找出最適合你需求的方式。

8. **善用 AI 自我迭代(上篇提及的元提示)：** 這是我自己( @Eudicotz )的建議
- 當你發現產出不如預期的時候，可以直接在聊天室內說：「我覺得你目前的設定 (system prompt) 不夠好，我希望他可以 OOO ，達到 XXX 效果，回答問題前先給我你調整過後的設定 (system prompt)。」
- 把提示詞貼到新的聊天室中，而且我強烈建議去了解如何套用 system prompt，有了 system prompt，相當於每次回答之前都跟 AI 重新核對他的核心指令，不容易讓回答越來越歪，或是忘記核心設定。