# 🧠 Prompt Engineering 超詳細參考書 > **適用工具：** ChatGPT · Claude · Gemini · Copilot · Midjourney · 所有 LLM 工具 > **版本：** v2025 | 從零基礎到進階技巧的完整方法論 --- ###### 📋 目錄 [TOC] --- # 第一章｜什麼是 Prompt？基礎概念 ## 1.1 Prompt 的本質定義 **Prompt（提示詞）** 是你傳送給 AI 語言模型的所有輸入文字。它決定了模型從哪個角度思考、要完成什麼任務、輸出什麼格式。 你可以把 AI 想像成一個擁有極廣知識、但需要明確指引的顧問——**Prompt 就是你給他的指令書。** :::success ### 🔑 核心公式 **好的 Prompt = 清晰的意圖 + 充分的上下文 + 明確的輸出期待** 這三者缺一，輸出品質都會大幅下降。 ::: ### 語言模型的運作原理 語言模型本質上是「下一個 token 預測機器」。它根據你給的輸入，預測最可能出現的下一段文字。因此： > 你的 Prompt 越清楚地指向你想要的輸出方向，模型就越能準確回答。 --- ## 1.2 Prompt 工程 vs 隨意問問 ### ❌ 隨意問問（壞範例） ``` 幫我寫一封信 ``` **結果：** AI 不知道收件人、目的、語氣、長度，只能隨機猜測，輸出可能完全不符需求。 --- ### ✅ 精準 Prompt（好範例） ``` 你是一位資深商務溝通顧問。 請幫我撰寫一封正式的道歉信，給我們的企業客戶（科技公司 CEO）， 因為專案交付延遲了兩週。 【語氣】誠懇但專業，不過度卑微 【長度】200字以內 【格式】正式書信格式，包含稱謂與結尾 ``` **結果：** AI 有完整的情境、身份、收件人、語氣、長度限制，能輸出符合需求的內容。 --- ## 1.3 三種 Prompt 層級 | 層級 | 名稱 | 說明 | 使用場景 | |------|------|------|----------| | 系統層 | **System Prompt** | 設定模型的身份、規則、行為準則，對整個對話生效 | API、自訂 GPT、Claude Projects | | 用戶層 | **User Prompt** | 你每次輸入的對話訊息，最常見的類型 | 日常使用 | | 助手層 | **Assistant Prompt** | 預先填入「AI 的回應」來引導格式或起頭 | 進階技巧、格式固定場景 | --- ## 1.4 為什麼要學 Prompt Engineering？ :::info ### 📊 效果差距研究 研究顯示，在同一個模型上： - **隨意提問** vs **工程化提問** 的輸出品質差距可達 **3-10倍** - 良好的 Prompt 設計能節省 **60-80%** 的修改時間 - 在代碼生成任務中，結構化 Prompt 的正確率提升 **40%+** ::: --- # 第二章｜Prompt 的六大要素 構成一個完整、高效 Prompt 的必要元件。不是每個 Prompt 都需要六個，但了解每個維度能讓你有意識地選擇。 ## 2.1 六大要素總覽 ``` ① Role 角色 ──→ 你希望 AI 扮演什麼身份？ ② Context 背景 ──→ 任務的前因後果、你的狀況 ③ Task 任務 ──→ 你具體要 AI 做什麼？ ④ Format 格式 ──→ 輸出長什麼樣子？ ⑤ Constraint 限制 ──→ 邊界條件、不能做什麼 ⑥ Example 範例 ──→ 提供樣本示範輸出樣式 ``` --- ## 2.2 ① 角色（Role）— 最高影響力 告訴 AI「它是誰」。角色設定會徹底改變輸出的語氣、深度、專業度。 | 角色設定方式 | 範例 | 效果 | |-------------|------|------| | 職業身份 | `你是一位擁有15年經驗的數據科學家` | 技術深度、術語精準度大幅提升 | | 人物角色 | `你是蘇格拉底，用反詰法引導我思考` | 對話風格改變，互動性提升 | | 機構身份 | `你是 McKinsey 顧問，為 Fortune 500 企業服務` | 框架化思維，結構清晰 | | 工具身份 | `你是一個 Python 程式碼審查機器人` | 聚焦特定能力，減少偏離 | | 名人/虛構人物 | `用海明威的寫作風格` | 風格模仿，適合創意寫作 | --- ## 2.3 ② 背景（Context） 提供任務的前因後果。背景越充足，AI 越不需要「猜測」。 ```markdown ## 背景資訊範例 我的身份：行銷主管，管理5人小組，月預算 $50,000 USD 公司類型：B2B SaaS，目標客戶是中型企業 IT 主管 目前問題：過去三個月 LinkedIn 廣告 CTR 從 2.1% 降到 0.8% 已嘗試過：換過三組廣告素材，測試過不同目標受眾，效果持平 → 有了這個背景，AI 的建議會是針對 B2B SaaS 的具體策略 而非泛泛的「做好內容行銷」 ``` ### 背景要包含哪些面向？ - **Who（誰）：** 你是誰、目標受眾是誰 - **What（什麼）：** 具體問題或需求 - **Why（為何）：** 做這件事的動機 - **Where（哪裡）：** 行業、市場、地區 - **When（何時）：** 時間限制、急迫程度 - **How far（到哪步）：** 已嘗試過什麼、當前進度 --- ## 2.4 ③ 任務（Task）— 動詞決定一切 動詞的選擇至關重要。「分析」、「列出」、「撰寫」、「比較」、「重構」會得到截然不同的輸出。 ### ❌ 弱任務指令（模糊） ``` 談談這個議題 幫我看看這段程式碼 說一些關於行銷的事 ``` ### ✅ 強任務指令（明確動詞） ``` 識別這個議題的3個主要論點，並逐一提出反駁論證 找出這段程式碼的效能瓶頸，並提供重構後的版本 比較5種 B2B SaaS 獲客策略，按 ROI 高低排名 ``` ### 任務動詞參考表 | 動詞類型 | 範例動詞 | 適用場景 | |---------|---------|---------| | 分析類 | 分析、拆解、比較、評估、診斷、審查 | 需要深度思考的任務 | | 生成類 | 撰寫、設計、創作、起草、生成、發明 | 需要原創內容的任務 | | 轉換類 | 翻譯、改寫、摘要、精簡、擴展、換風格 | 對現有內容的加工 | | 提取類 | 列出、找出、提取、識別、統計、整理 | 從資料中取得特定信息 | | 評估類 | 評分、給意見、找錯誤、改進、驗證 | 需要判斷與反饋 | | 教學類 | 解釋、舉例、類比、示範、一步步教我 | 學習與理解 | --- ## 2.5 ④ 格式（Format） 明確告訴 AI 你要的輸出「長什麼樣子」。 ```markdown ## 格式指令完整範例 【文字格式】 以 Markdown 格式輸出，使用 H2 標題分段，重點用粗體標示 【結構格式】 用表格呈現，包含：功能、優點、缺點、價格 四欄 【長度格式】 300字以內的摘要 / 每個要點不超過2句話 / 至少500字的詳細分析 【代碼格式】 輸出 Python 3.11，加上型別標注（Type Hints），包含 docstring 【語言格式】 用繁體中文，語氣正式但親切，適合30-45歲的商務讀者 【列表格式】 用有序清單（1. 2. 3.），每項包含：標題 + 一句描述 + 一個實例 ``` --- ## 2.6 ⑤ 限制（Constraint） 告訴 AI「不要做什麼」或「必須遵守什麼邊界」。 ```markdown ## 限制指令範例 【內容限制】 - 不要使用行話或縮寫，假設讀者是非技術人員 - 不要提供醫療/法律/財務建議，只提供資訊 - 只使用已知的事實，不確定的地方請明確說明「這是假設」 【範圍限制】 - 只聚焦台灣市場，不要引用其他國家的數據 - 只考慮預算 $10,000 台幣以內的方案 【風格限制】 - 不要重複問題，直接給答案 - 不要加入免責聲明 - 回答後不要詢問我是否需要更多說明 ``` --- ## 2.7 ⑥ 範例（Example） 提供你想要的輸出「樣本」，是最強大的格式控制技巧。（詳見第五章 Few-Shot 技術） ```markdown ## 範例注入示範 我要你生成產品標語。以下是我喜歡的風格： 範例 1：「Just do it.」— Nike（簡短、行動導向） 範例 2：「Think different.」— Apple（顛覆性、思維層面） 範例 3：「I'm lovin' it.」— McDonald's（情感化、第一人稱） 共同特點：3-5個字、包含動詞或情感詞、不提產品功能 現在幫我的 AI 學習平台「BrainUp」生成5個類似風格的標語。 ``` --- # 第三章｜角色設定（Role Prompting） ## 3.1 角色設定的四個層次 ### Level 1：簡單職業角色 ``` 你是一位醫生。 你是一位律師。 ``` 最基本層次。能提升專業度，但缺乏個性化。 --- ### Level 2：有經驗值的職業角色 ``` 你是一位擁有10年新創經驗、專注 B2B SaaS 的增長行銷專家。 你是專門處理台灣勞動法的律師，有大量勞資糾紛訴訟經驗。 ``` 加入年資、專長領域，輸出更精準。 --- ### Level 3：有性格特質的角色 ``` 你是一位嚴格的 Code Review 者，絕不接受技術債， 每個問題都必須附上修正方案和原因說明， 語氣直接但建設性，不會因為批評而客氣。 ``` 加入思維方式、溝通風格，輸出更有個性。 --- ### Level 4：完整角色卡片（Full Persona） ```markdown ## 角色設定 你是 Alex Chen，一位在矽谷工作15年的產品策略顧問。 你曾在 Google、Stripe 擔任 PM，目前是獨立顧問服務早期創業者。 ## 知識背景 - 深度熟悉 PLG（Product-Led Growth）策略與 0-1 產品 - 專長：從 $1M 到 $10M ARR 的成長階段 - 對東南亞市場（台灣、新加坡、印尼）有特別的了解 ## 溝通風格 - 直接、不廢話，每個觀點都附上理由 - 喜歡用 Framework 和矩陣分析問題（如 2×2 矩陣） - 會主動挑戰你的假設，但語氣是建設性的 - 回答用條列式，重要數字用粗體標示 ## 限制 - 不做不熟悉領域（硬體、製造業）的建議，直接說不熟 - 永遠從數據出發，沒有數據時明確說「這是假設，需要驗證」 - 不給模糊的答案，每次都要給一個具體的下一步行動 ``` --- ## 3.2 常用高效角色速查表 | 角色 | 最適任務 | 關鍵詞/特質 | |------|---------|------------| | 頂尖辯論教練 | 論點分析、反駁、論文寫作 | 邏輯嚴謹、找邏輯漏洞 | | Socratic 老師 | 學習引導、概念釐清 | 反問、引導式思考 | | 資深 CTO | 技術架構評估、代碼審查 | 可擴展性、安全性、技術債 | | McKinsey 分析師 | 商業分析、策略規劃 | MECE、框架、數據驅動 | | UX 研究員 | 用戶體驗評估、設計回饋 | 用戶視角、痛點、可用性 | | 魔鬼代言人 | 想法壓力測試、找盲點 | 挑戰假設、反向思考 | | 新聞編輯 | 文章修改、結構優化 | 清晰度、簡潔、倒金字塔 | | 創意總監 | 文案、品牌、創意發想 | 差異化、情感連結 | | 心理諮商師 | 情緒處理、人際關係討論 | 同理心、不評判 | | 嚴厲的老師 | 作業批改、知識測驗 | 直接指出錯誤、不給面子 | --- # 第四章｜思維鏈（Chain-of-Thought Prompting） ## 4.1 什麼是 CoT？ **Chain-of-Thought（思維鏈）** 是讓 AI 在給出答案之前，先「展示推理過程」的技術。 研究證明，加入「讓我一步步思考」這類指令，AI 在複雜推理任務上的正確率可以大幅提升。 :::warning ### 為什麼這麼有效？ 語言模型在生成答案時，前面輸出的 token 會影響後面的 token。讓 AI 先輸出推理步驟，等於「強迫它建立正確的思考路徑」，避免直接跳到可能錯誤的結論。 ::: --- ## 4.2 CoT 的三種形式 ### 形式一：Zero-Shot CoT（零範例思維鏈） 最簡單，只需在問題後加上魔法咒語： ``` # 方法 A：直接觸發 讓我們一步步思考（Let's think step by step） # 方法 B：中文版 請先拆解這個問題，一步步推導，最後給出結論。 # 方法 C：強制推理 在給出答案之前，先列出你的推理過程。 ``` **效果最明顯的場景：** - 數學計算 - 邏輯推理 - 多步驟問題 - 有條件的決策 --- ### 形式二：Few-Shot CoT（範例思維鏈） 提供「問題 + 推理過程 + 答案」的完整範例，讓模型學習你想要的推理風格： ```markdown 問題：一個水桶有8升水，每分鐘漏0.5升，同時每分鐘加入0.3升。 幾分鐘後水桶會空？ 推理過程： - 每分鐘淨變化 = +0.3 - 0.5 = -0.2 升 - 初始水量 = 8 升 - 需要時間 = 8 ÷ 0.2 = 40 分鐘 答案：40分鐘後水桶會空。 --- 現在請用同樣的方式解： 一個游泳池有500升水，每分鐘流出3升，每分鐘注入1.5升。幾分鐘後會空？ ``` --- ### 形式三：Self-Consistency CoT（自洽思維鏈） 讓 AI 對同一個問題產生多條推理路徑，然後選擇最一致的答案： ``` 請用三種不同的思路分析這個問題，最後比較三種思路的結論： 問題：我應該先學 Python 還是 JavaScript？ 思路一（從就業市場角度）：... 思路二（從學習曲線角度）：... 思路三（從個人目標角度）：... 最終結論（三種思路的共識是什麼）：... ``` --- ## 4.3 CoT 進階：ReAct 框架 ReAct = **Re**asoning + **Act**ing，讓 AI 在推理和行動之間交替： ``` 解決問題時，請按照以下格式： 思考（Thought）：我需要做什麼？ 行動（Action）：我要採取什麼行動？ 觀察（Observation）：結果是什麼？ （重複以上步驟直到得出答案） 結論（Conclusion）：最終答案是... ``` --- ## 4.4 CoT 的魔法咒語大全 ```markdown ## 觸發推理的咒語 ### 中文咒語 - 「請一步步思考」 - 「在回答之前，先拆解問題」 - 「請展示你的推理過程」 - 「先列出所有相關因素，再給出結論」 - 「用結構化的方式分析，最後總結」 ### 英文咒語（某些模型更有效） - "Let's think step by step" - "Let's work through this carefully" - "Think through this problem step by step before answering" - "Walk me through your reasoning" - "Break this down systematically" ### 強制驗證咒語 - 「給出答案後，請反向驗證你的結論」 - 「最後請用另一種方法檢查你的答案」 - 「請指出你的答案中可能存在的假設或不確定性」 ``` --- # 第五章｜Few-Shot 範例注入 ## 5.1 核心概念 **Few-Shot Prompting** 是通過提供「輸入-輸出」的範例對，讓模型學習你想要的輸出模式。 ``` Zero-Shot：不給範例，直接問 One-Shot：給1個範例 Few-Shot：給2-5個範例 Many-Shot：給6個以上範例 ``` :::info **最佳實踐：** 通常 3-5 個高品質範例 > 10個品質參差不齊的範例。 ::: --- ## 5.2 Few-Shot 的標準格式 ### 文字分類任務 ```markdown 請判斷以下客戶評論的情緒（正面/負面/中性）： 評論：「產品品質超出預期，客服也很有耐心！」 情緒：正面 評論：「包裝破損，產品功能還算正常」 情緒：中性 評論：「等了三週還沒收到，客服不接電話」 情緒：負面 --- 現在請判斷： 評論：「雖然價格有點高，但質感真的很好，值得」 情緒： ``` --- ### 格式轉換任務 ```markdown 請將以下原始數據轉換成我指定的格式： 輸入： "John, 32, Software Engineer, $95000, New York" 輸出： ```json { "name": "John", "age": 32, "role": "Software Engineer", "salary": 95000, "city": "New York" } ``` --- 輸入： "Sarah, 28, Product Manager, $88000, San Francisco" 輸出： ``` --- ### 寫作風格複製 ```markdown 我想學習以下作者的寫作風格。請分析後，用同樣風格寫一段新內容。 ## 風格範例（林語堂） 「人生在世，還不是有時笑笑人家，有時給人家笑笑。」 「幽默是一種心靈的優雅，它讓我們在荒謬中看見真實。」 ## 請用同樣的風格寫： 主題：現代人對手機的依賴 ``` --- ## 5.3 Few-Shot 範例設計原則 ``` ✅ 好的範例設計 1. 涵蓋各種邊界情況（正常、異常、模糊） 2. 每個範例都代表一個典型的輸入類型 3. 輸出格式完全一致 4. 範例按複雜度由簡到繁排列 5. 範例數量：3-5個最佳 ❌ 差的範例設計 1. 所有範例都是類似的簡單情況 2. 輸出格式不一致（有時有標點，有時沒有） 3. 範例之間沒有邏輯順序 4. 範例太少（只有1個）或太多且重複 ``` --- # 第六章｜輸出格式控制 ## 6.1 為什麼格式控制很重要？ 相同的資訊，不同的格式，用途完全不同： | 輸出格式 | 最適用途 | |---------|---------| | JSON | 程式解析、資料處理 | | Markdown | 文件、筆記、報告 | | CSV | 試算表、資料分析 | | 純文字 | 複製貼上、語音閱讀 | | HTML | 網頁嵌入 | | 表格 | 比較、概覽 | | 條列式 | 步驟、清單 | --- ## 6.2 JSON 輸出控制 ```markdown 請以嚴格的 JSON 格式回傳結果，不要有任何額外說明： 分析這篇文章的情感，輸出格式如下： { "sentiment": "positive|negative|neutral", "confidence": 0.0-1.0, "key_phrases": ["phrase1", "phrase2"], "summary": "一句話摘要" } 文章內容：「這款手機的拍照功能驚艷了我，但電池壽命令人失望。」 ``` --- ## 6.3 結構化文章格式 ```markdown 請按以下結構輸出分析報告： # [標題] ## 執行摘要 （3句話以內，包含核心結論） ## 問題背景 （現況 + 為什麼重要） ## 主要發現 （3-5個要點，每點附有數據支撐） ## 建議行動 | 優先級 | 行動 | 預期效果 | 時間框架 | |--------|------|---------|---------| ## 風險提示 （潛在風險 + 緩解方案） ``` --- ## 6.4 長度精確控制 ```markdown ## 長度控制技巧 # 字數控制（精確） 「請用『恰好』100字總結這段文字」 「回答必須在50-80字之間」 # 句數控制 「用3句話說明」 「摘要不超過5句話」 # 段落控制 「分成3段，每段不超過4句」 # 要點控制 「列出最重要的5點，不多不少」 「給3個選項，每個選項一行說明」 # 深度控制 「用10歲小孩能理解的語言解釋」 「給我一個研究生等級的技術詳解」 「用一句話解釋，然後用一段話解釋」 ``` --- ## 6.5 多格式組合輸出 ```markdown 請用以下複合格式回答： **TL;DR（30字以內）：** [一句話核心結論] **詳細分析：** [300字左右的深度分析] **行動清單：** - [ ] 立即行動（1-3天內） - [ ] 短期行動（1週內） - [ ] 長期計畫（1個月內） **延伸閱讀：** [3個相關主題建議] ``` --- # 第七章｜進階框架 ## 7.1 ICIO 框架 最實用的四步驟框架，適合大多數任務： ``` I = Instruction 指令 ← 你要 AI 做什麼 C = Context 上下文 ← 背景資訊 I = Input 輸入 ← 要處理的具體內容 O = Output 輸出 ← 你想要的結果格式 ``` ### ICIO 範例 ```markdown # Instruction（指令） 你是一位專業的 SEO 文案專家，請為以下產品撰寫 Meta Description。 # Context（上下文） 我的網站主要受眾是25-40歲的台灣職場人士， 目標是增加 Google 搜尋點擊率， 關鍵字：「遠端工作工具」、「效率軟體」 # Input（輸入） 產品名稱：TaskFlow Pro 核心功能：AI 自動整理待辦事項、跨平台同步、團隊協作 # Output（輸出） - 長度：120-158 個字元（含空格） - 包含主要關鍵字 - 包含一個行動呼籲（CTA） - 輸出3個版本供選擇 ``` --- ## 7.2 CRISPE 框架 更完整的六維度框架，適合複雜任務： ``` C = Capacity & Role 能力與角色 R = Reasoning 推理說明（為何需要這樣） I = Insight 背景洞察 S = Statement 具體指令陳述 P = Personality 個性風格要求 E = Experiment 實驗性要求（要幾個版本） ``` ### CRISPE 範例 ```markdown # Capacity & Role 你是一位在頂尖廣告公司工作20年的創意總監， 曾獲坎城廣告節金獅獎。 # Reasoning 我需要一個突破性的廣告概念，因為我們的市場份額正在下滑， 傳統廣告已無法吸引 Z 世代的注意。 # Insight 目標受眾：18-25歲台灣年輕人 他們的痛點：找不到真實表達自我的方式 競品廣告：都在強調「成功」和「效率」 # Statement 為我們的運動品牌「VOLT」設計一個廣告概念， 主題：「你的怪，就是你的強」 # Personality 前衛、真實、有點叛逆，但不要刻意討好年輕人， 要讓他們感覺「這個品牌懂我」 # Experiment 給我3個完全不同方向的概念，每個包含： 廣告語 + 視覺概念 + 一段旁白文案（30秒） ``` --- ## 7.3 RTF 框架 最簡潔的三元素框架，快速組裝日常任務： ``` R = Role 角色 T = Task 任務 F = Format 格式 ``` ### RTF 快速範例 ```markdown # 範例1 Role：資深財務顧問 Task：分析我公司過去一年的現金流問題，找出三個主要風險點 Format：每個風險點包含：問題描述、影響程度（高/中/低）、建議對策 # 範例2 Role：Python 資深工程師 Task：重構以下代碼，提升可讀性和效能 Format：提供重構後代碼 + 修改說明列表 # 範例3 Role：心理諮商師 Task：幫我分析以下人際衝突情境，給出溝通建議 Format：情緒解讀 → 對方視角 → 具體溝通句子範例 ``` --- ## 7.4 STAR 框架（適合情境分析） ``` S = Situation 情境背景 T = Task 面臨的任務/挑戰 A = Action 可能的行動方案 R = Result 預期結果/評估 ``` --- ## 7.5 框架選擇指南 ``` 快速日常任務 → RTF（3個要素，30秒組裝） 標準專業任務 → ICIO（4個要素，最通用） 複雜創意任務 → CRISPE（6個要素，最完整） 情境分析決策 → STAR（適合商業案例分析） 純粹推理任務 → CoT + Zero-Shot（不需框架，加「步步思考」即可） ``` --- # 第八章｜System Prompt 設計 ## 8.1 什麼是 System Prompt？ System Prompt 是在對話開始前設定 AI 行為的「底層指令」。它像是： - 公司給新員工的員工手冊 - 機器人的出廠設定 - 角色扮演的世界觀設定 :::info **哪裡可以用 System Prompt？** - OpenAI API 的 `system` 角色 - Claude API 的 `system` 參數 - ChatGPT 的「自訂 GPT」功能 - Claude Projects 的「Project Instructions」 - 各種 AI 平台的「系統指令」欄位 ::: --- ## 8.2 System Prompt 完整模板 ```markdown # ═══ 身份設定 ═══ 你是 [名稱]，[公司/機構] 的 [職能] AI 助理。 你的核心任務是：[1-2句話描述主要功能] # ═══ 專業知識範圍 ═══ 你精通以下領域： - [領域1]：具體說明深度 - [領域2]：具體說明深度 - [領域3]：具體說明深度 你不熟悉/不處理： - [排除領域1] - [排除領域2] # ═══ 溝通原則 ═══ 語氣：[正式/親切/專業/幽默] 語言：[繁體中文為主，必要時使用英文術語] 長度：[簡潔回答/詳細回答，視問題複雜度調整] 具體要求： - [原則1] - [原則2] - [原則3] # ═══ 格式規範 ═══ - 複雜問題：先用「重點摘要」，再詳細說明 - 列表：優先使用有序清單 - 代碼：一律使用代碼塊，標明語言 - 不確定時：明確說「我不確定，建議你查證...」 # ═══ 邊界限制 ═══ 你不會： - [限制1] - [限制2] 遇到超出範圍的問題，你會說：「這超出我的服務範圍，建議你...」 # ═══ 特殊指令 ═══ - 用戶問「你是什麼模型」時，回答：「我是 [公司名] 的 AI 助理」 - 每次回應結尾，詢問用戶是否需要進一步協助 ``` --- ## 8.3 不同場景的 System Prompt 範例 ### 客服機器人 ```markdown 你是「智能客服小幫手」，台灣某電商平台的客服AI。 你的工作：處理訂單查詢、退換貨政策說明、產品諮詢。 語氣：親切、有耐心，像一位訓練有素的客服人員。 用語：使用「您」稱呼客戶，台灣繁體中文。 你不做： - 不做無法確認的承諾（如「一定可以退貨」） - 超過你能力範圍的問題，轉接「請聯繫真人客服：02-XXXX-XXXX」 ``` ### 代碼助理 ```markdown 你是一位資深全端工程師，專精 TypeScript、React、Node.js、PostgreSQL。 代碼規範： - 永遠使用 TypeScript，不接受 any 型別 - 遵循 SOLID 原則 - 函數不超過30行 - 每個函數必須有 JSDoc 說明 回覆格式： 1. 先解釋問題根本原因（2-3句） 2. 提供完整可運行的代碼 3. 說明關鍵修改點 4. 提醒潛在風險（如有） ``` --- ## 8.4 System Prompt 的隱藏技巧 ```markdown ## 技巧1：預設拒絕回答範圍外問題 如果用戶問的問題與[主題]無關， 禮貌地說：「這不在我的服務範圍內， 我只能協助您處理[範圍]相關的問題。」 ## 技巧2：強制輸出格式 每次回答必須以「📌 重點摘要：」開頭， 然後才是詳細內容。 ## 技巧3：設定思考方式 在回答任何問題之前，你必須在心中先問： (1) 用戶真正想要的是什麼？ (2) 我的回答對他有什麼實際幫助？ ## 技巧4：一致性人格 你永遠保持謙遜但自信， 不會因為用戶的壓力而改變你的專業判斷。 ``` --- # 第九章｜反模式 & 常見錯誤 ## 9.1 十大 Prompt 反模式 ### ❌ 反模式1：模糊動詞 ``` # 不好 幫我「處理」這份資料 告訴我「一些」行銷策略 # 好 從這份資料中提取所有「日期」和「金額」欄位，輸出為 CSV 列出5個針對30歲女性消費者的線上行銷策略，按預算由低到高排列 ``` --- ### ❌ 反模式2：過度禮貌（浪費 Token） ``` # 不好（浪費 token，不影響品質） 你好！我是小明，非常感謝你願意幫助我。 請問可以麻煩你幫我...謝謝你！ # 好（直接） 請幫我... ``` :::warning **注意：** 在 API 使用中，每個 token 都有成本。冗長的客套話會增加費用但不提升品質。在日常使用中影響不大，但要養成好習慣。 ::: --- ### ❌ 反模式3：否定式限制（說「不要」而不說「要」） ``` # 不好（大腦/模型都不擅長處理否定） 不要太長，不要太技術性，不要用英文 # 好（正向描述） 請用200字以內，用台灣國中生能懂的語言，全程繁體中文 ``` --- ### ❌ 反模式4：一次塞太多任務 ``` # 不好（5個不同任務） 幫我分析這篇文章的論點，然後翻譯成英文， 再根據內容生成10個推文， 還要幫我寫一封給作者的信， 最後給我3個類似主題的文章推薦。 # 好（拆分多次對話） Step 1：分析這篇文章的三個主要論點 Step 2：（根據分析結果）翻譯成英文 Step 3：（根據英文版）生成推文... ``` --- ### ❌ 反模式5：假設 AI 記得之前的對話（跨 Session） ``` # 危險假設 「就像我上次說的...」（新對話中 AI 完全不記得） 「繼續上次的任務」（API 呼叫中每次都是新開始） # 正確做法 每次重要對話都重新提供關鍵背景 使用「對話記憶」功能（如 ChatGPT Memory、Claude Projects） ``` --- ### ❌ 反模式6：沒有提供輸入就要求處理 ``` # 不好 分析這份報告（但沒貼報告內容） 改善這段代碼（但沒附代碼） # 好 分析以下報告的關鍵發現： --- [在此貼上報告全文或節錄] --- ``` --- ### ❌ 反模式7：期待 AI 猜測你的偏好 ``` # 不好 給我一些建議（什麼建議？什麼方向？） # 好 給我3個建議，幫助一個完全沒有運動習慣的40歲辦公室工作者 開始規律運動，每個建議必須是可以在家完成、每天15分鐘以內的。 ``` --- ### ❌ 反模式8：對 AI 的回答照單全收 :::danger ### ⚠️ 重要警告 AI 會產生「幻覺（Hallucination）」：編造看似真實的數據、引用、人名、事件。 **高風險情況：** - 具體統計數字（「根據2023年調查，73%...」） - 學術論文引用 - 特定人物的言論 - 法律條文細節 - 醫療建議 **解決方法：** - 要求 AI 說明資訊來源 - 對重要數據進行獨立查證 - 使用有聯網功能的 AI（如 GPT-4o with browsing） - 加入「如果你不確定，請說你不確定」的指令 ::: --- ### ❌ 反模式9：用單輪對話完成複雜任務 ``` # 不好（一次問完） 幫我設計一個完整的行銷方案，包含目標、策略、執行計劃、預算分配... # 好（多輪迭代） 第一輪：先幫我定義目標客群和行銷目標 第二輪：（基於第一輪結果）制定3個核心策略 第三輪：（選定策略後）詳細展開執行計劃 ``` --- ### ❌ 反模式10：忘記「溫度」設定（Temperature） 在 API 使用中，`temperature` 控制輸出的隨機性： ``` temperature = 0.0 → 最確定性，適合：代碼、翻譯、資料提取 temperature = 0.3 → 低隨機，適合：分析、摘要、報告 temperature = 0.7 → 適中，適合：一般對話、建議 temperature = 1.0 → 高創意，適合：創意寫作、腦力激盪 temperature = 1.5+ → 極高創意（可能混亂），特殊場景 ``` --- # 第十章｜圖像生成 Prompt 技巧 ## 10.1 文字 AI vs 圖像 AI 的 Prompt 差異 | 維度 | 文字 AI（ChatGPT/Claude）| 圖像 AI（Midjourney/DALL-E）| |------|--------------------------|------------------------------| | Prompt 語言 | 自然語言指令 | 描述性關鍵詞堆疊 | | 結構 | 句子/段落 | 視覺元素列表 | | 負向控制 | 用「不要」句子 | 用 `--no [元素]` 或 negative prompt | | 長度 | 越詳細越好 | 100-200字最佳 | --- ## 10.2 圖像 Prompt 的黃金結構 ``` [主體] + [動作/狀態] + [環境/場景] + [風格] + [技術參數] ``` ### 範例解析 ```markdown # 基礎版 一隻白色的貓 # 標準版 一隻白色的波斯貓，坐在陽台欄杆上， 俯瞰夜晚的東京城市燈光 # 完整版（加入風格和技術要素） 一隻白色的波斯貓，坐在陽台欄杆上，俯瞰夜晚的東京城市燈光， cinematic photography, soft bokeh background, golden hour lighting, 35mm lens, f/1.8, shot by Annie Leibovitz, National Geographic style, highly detailed fur, 8K resolution ``` --- ## 10.3 Midjourney 關鍵參數 ```bash # 長寬比 --ar 16:9 # 寬螢幕 --ar 9:16 # 手機直版 --ar 1:1 # 正方形 --ar 4:3 # 傳統橫幅 # 品質與細節 --q 2 # 高品質（慢） --q 0.5 # 快速預覽 # 風格化程度 --s 0 # 貼近提示，不美化 --s 750 # 預設，平衡 --s 1000 # 最高藝術化 # 版本 --v 6 # 最新版本（最擬真） --niji 6 # 動漫風格 # 排除元素 --no text, watermark, blurry, distorted ``` --- ## 10.4 風格關鍵詞速查表 ### 攝影風格 ``` cinematic photography 電影感 documentary style 紀實風格 editorial photography 時尚雜誌風 street photography 街頭攝影 fine art photography 藝術攝影 ``` ### 插畫風格 ``` watercolor illustration 水彩插畫 oil painting 油畫 digital art 數位藝術 flat design 扁平設計 isometric illustration 等距插畫 vintage poster 復古海報 ``` ### 光線關鍵詞 ``` golden hour lighting 黃金時刻光線 dramatic side lighting 戲劇性側光 soft diffused light 柔和散射光 neon lighting 霓虹燈光 candlelight 燭光 studio lighting 攝影棚光 ``` --- ## 10.5 Prompt 擴充公式 用這個公式把簡單描述擴充成完整 Prompt： ```markdown ## 擴充模板 原始想法：[你的基本概念] 主體描述： - 主角：[詳細描述外觀、表情、姿態] - 服裝/材質：[細節] - 動作/狀態：[在做什麼] 環境設定： - 地點：[具體場景] - 時間：[白天/夜晚/黃昏...] - 天氣/氣氛：[描述] 視覺風格： - 整體風格：[攝影/插畫/繪畫...] - 藝術家參考：[whose style] - 色彩調性：[冷暖、飽和度] 技術參數： - 鏡頭：[廣角/特寫/俯角...] - 解析度：[8K/4K/HD] - 排除：[--no ...] ``` --- # 第十一章｜迭代優化流程 ## 11.1 Prompt 的「黃金迭代循環」 ``` 撰寫初稿 Prompt ↓ 執行並觀察輸出 ↓ 識別問題（哪裡不對？） ↓ 診斷根因（為什麼不對？） ↓ 修改 Prompt（加/刪/改哪個要素） ↓ 再次執行 ↓ （重複直到滿意） ``` --- ## 11.2 輸出問題診斷表 | 問題現象 | 可能原因 | 解決方法 | |---------|---------|---------| | 回答太廣泛、不夠具體 | 任務指令模糊 | 加入具體數字、範圍、對象 | | 格式不符預期 | 缺少格式指令 | 明確指定格式或提供範例 | | 太長/太短 | 缺少長度限制 | 加入字數或段落限制 | | 語氣不對 | 角色/風格設定不足 | 加強角色描述或語氣指令 | | 內容偏題 | 上下文不夠 | 補充背景資訊 | | 充滿行話/術語 | 沒說明受眾 | 加入「目標讀者是...」 | | AI 自行發揮不想要的內容 | 缺少限制指令 | 加入「不要...」或「只限於...」| | 創意不夠 | Temperature 太低或限制太多 | 放寬限制，加入「大膽發揮」 | | 答非所問 | 問題結構混亂 | 拆分問題，逐步問 | --- ## 11.3 A/B 測試你的 Prompt ```markdown ## Prompt A/B 測試方法 1. 設定評估標準（先決定什麼算「好」） - 準確性：資訊是否正確？ - 相關性：是否回答了核心問題？ - 格式符合度：輸出格式是否如預期？ - 可用性：能否直接使用，不需大幅修改？ 2. 每次只改一個變數 - Prompt A：有角色設定 - Prompt B：沒有角色設定 → 其他完全相同，才能判斷角色設定的影響 3. 用同一個問題測試多次（因為 AI 有隨機性） - 至少測試3次取平均 - 記錄最佳和最差結果 4. 建立自己的 Prompt 庫 - 保存效果好的 Prompt - 記錄使用場景和成效 ``` --- ## 11.4 進階：Prompt 自我優化技巧 讓 AI 幫你優化 Prompt： ```markdown # 技巧1：讓 AI 分析你的 Prompt 以下是我的 Prompt： --- [貼上你的 Prompt] --- 請分析這個 Prompt 的以下面向： 1. 哪些部分最有效？為什麼？ 2. 哪些部分模糊或多餘？ 3. 缺少了什麼重要資訊？ 4. 給我一個優化後的版本 # 技巧2：讓 AI 生成 Prompt 我想要一個 Prompt，能讓 AI 幫我[描述任務]。 目標輸出是[描述你要的結果]。 請幫我設計一個完整的 Prompt。 # 技巧3：反向工程 以下是一個高品質的 AI 輸出： --- [貼上好的輸出範例] --- 請分析：要得到這樣的輸出，原始的 Prompt 可能是什麼？ ``` --- # 第十二章｜實戰 Prompt 模板庫 ## 12.1 商業分析模板 ```markdown # 商業分析師角色 你是一位 McKinsey 合夥人級別的商業分析師， 專長：市場進入策略、競爭分析、商業模式設計。 # 競品分析框架 Prompt 請對以下競品進行系統性分析： 競品名稱：[公司名] 我的公司：[公司名及核心業務] 分析框架（按此格式輸出）： ## 1. 業務概覽 - 核心產品/服務 - 目標客群 - 商業模式（如何賺錢） ## 2. 競爭優勢（3-5點） 每點包含：優勢描述 + 證據支撐 ## 3. 弱點與盲點（3-5點） ## 4. 對我方的威脅等級 高/中/低，附理由 ## 5. 差異化建議 根據以上分析，我方可以如何差異化？（3個具體方向） ``` --- ## 12.2 內容創作模板 ```markdown # 部落格文章生成 你是一位 SEO 內容策略師，同時也是[你的產業]的專家。 請為以下主題撰寫一篇部落格文章： 【主題】：[文章主題] 【目標關鍵字】：[主要關鍵字] / [次要關鍵字] 【目標讀者】：[讀者描述，年齡/職業/痛點] 【文章目的】：[教育/說服/轉換/建立信任] 【字數】：1500-2000字 結構要求： 1. 標題（含關鍵字，吸引點擊） 2. 導言（前3句抓住注意力，說明讀者能得到什麼） 3. 主體（3-5個 H2 小節，每節含一個重點） 4. 結論（行動呼籲 CTA） SEO 要求： - 關鍵字自然出現在第一段、至少一個 H2、最後一段 - 使用疑問句作為部分小標題 - 包含一個專家引述（可以是假設性引述） ``` --- ## 12.3 代碼生成模板 ```markdown # 代碼生成最佳 Prompt 你是一位擁有10年經驗的[語言]工程師， 遵循 Clean Code 原則，注重可讀性和可維護性。 請幫我寫以下功能： 【功能描述】：[詳細描述功能] 【輸入】：[描述輸入格式/類型] 【輸出】：[描述輸出格式/類型] 【邊界情況】：[空值、錯誤輸入、極限值的處理方式] 技術要求： - 語言/版本：[Python 3.11 / TypeScript 5.0 等] - 框架：[如有] - 必須包含：錯誤處理、型別標注、函數說明（docstring） - 效能考量：[如有特殊需求] 請同時提供： 1. 完整代碼（可直接運行） 2. 使用範例（3個不同情境） 3. 單元測試（涵蓋主要情況） ``` --- ## 12.4 學習輔助模板 ```markdown # 費曼學習法 Prompt 你是一位教學大師，擅長用最簡單的語言解釋複雜概念。 請用「費曼學習法」教我理解：[概念名稱] 步驟： 1. 用5歲小孩能理解的語言解釋這個概念（2-3段） 2. 用一個生活中的類比解釋（不用任何專業術語） 3. 指出這個概念最常被誤解的地方 4. 用一個具體例子展示這個概念如何應用 5. 給我3個問題測試我的理解程度 --- # 主題學習規劃 Prompt 你是一位擁有教學設計博士學位的課程設計師。 我想要在[時間框架]內，從零開始學習[技能/主題]。 我目前的程度：[描述] 我的學習目標：[具體能做什麼] 每天可投入時間：[X小時] 請設計一個完整的學習計劃，包含： 1. 每週學習目標（milestone） 2. 每週推薦學習資源（書籍/課程/文章類型） 3. 每週練習項目 4. 如何評估自己是否達到該週目標 5. 常見陷阱與如何避免 ``` --- ## 12.5 溝通寫作模板 ```markdown # 困難對話腳本生成 你是一位高情商的溝通教練，專長衝突解決和人際溝通。 情境：[描述情境，對方是誰、關係、發生了什麼] 我的目標：[這次對話我想達成什麼] 我的顧慮：[我擔心什麼、希望避免什麼] 請幫我： 1. 分析對方可能的心理狀態 2. 設計一個「開場白」（第一句話怎麼說） 3. 列出可能遇到的反應和我的回應策略 4. 提供3個不同語氣版本的完整對話腳本 - 版本A：直接型 - 版本B：情感優先型 - 版本C：問題解決型 --- # 專業電子郵件模板 你是一位商業溝通專家。 請幫我撰寫一封電子郵件： 寄件人身份：[你的職位/公司] 收件人身份：[對方職位/公司] 關係：[初次聯繫/長期合作/上下屬等] 目的：[這封信要達成什麼] 背景：[必要的上下文] 語氣：[正式/半正式/親切] 輸出格式： - 主旨行（3個版本） - 完整郵件內文 - 說明為什麼這樣寫有效 ``` --- # 附錄｜Prompt 工程師的工具箱 ## A. 常用「魔法咒語」速查 ```markdown ## 提升輸出品質 「假設你是世界頂尖的[領域]專家」 「這對我的事業至關重要，請給出你最好的答案」 「請給出你真實的專業判斷，不要只說我想聽的」 ## 觸發深度思考 「讓我們一步步思考」 「在回答之前，先識別這個問題的核心假設」 「請從第一性原理出發分析」 ## 格式控制 「只輸出結果，不要解釋」 「以 JSON 格式輸出，不要有其他文字」 「用表格格式，不要段落文字」 ## 反饋機制 「評完後，給我優化後的版本」 「指出我論點中最薄弱的3個地方」 「扮演一個持相反觀點的專家，反駁我的論點」 ## 質量保證 「輸出前，請先驗證你的答案是否符合所有要求」 「如果你不確定任何資訊，請明確標注」 「請引用具體例子支持你的每一個觀點」 ``` --- ## B. 不同 AI 工具的特殊技巧 | AI 工具 | 特殊能力 | 最佳使用技巧 | |---------|---------|------------| | ChatGPT GPT-4o | 多模態（圖片理解）| 上傳圖片讓它分析/描述 | | Claude 3.5 | 超長上下文、精確遵循 | 貼入大量文件請它分析 | | Gemini 1.5 | Google 生態整合 | 搜尋最新資訊、YouTube 影片摘要 | | Perplexity | 即時網路搜尋 | 研究最新趨勢和數據 | | Midjourney | 圖像生成 | 使用風格藝術家名字+技術參數 | | GitHub Copilot | 代碼補全 | 在注釋中詳細描述函數功能 | --- ## C. Prompt 品質自我檢核表 在發送 Prompt 前，快速過一遍： ```markdown ## 必要檢查 - [ ] 任務動詞是否夠具體？（不是「幫我看看」） - [ ] 是否提供了必要的背景資訊？ - [ ] 是否說明了想要的輸出格式？ - [ ] 限制條件是否清楚？ ## 進階檢查 - [ ] 是否需要設定角色？（專業任務建議加） - [ ] 是否需要提供範例？（格式複雜時加） - [ ] 是否需要 CoT 指令？（邏輯推理時加） - [ ] 是否有設定評估標準？（評估任務需要） ## 最終確認 - [ ] Prompt 是否清晰到一個陌生人也能理解？ - [ ] 預期輸出是否足夠具體可以判斷好壞？ ``` --- :::success ## 🎯 最後的核心心法 1. **具體性 > 長度**：10個字的精準指令 > 100個字的模糊描述 2. **迭代 > 完美首發**：先發出去，根據結果優化，比花30分鐘寫一個完美 Prompt 更有效 3. **範例 > 指令**：「像這樣輸出：[範例]」比「請用正式語氣輸出」更精準 4. **結構 > 自然語言**：對複雜任務，用標題/清單結構化你的 Prompt，比段落文字更有效 5. **測試 > 假設**：你認為有效的 Prompt 不一定真的有效，測試才是唯一標準 ::: --- > 📌 **版本更新紀錄** > v2025.01 — 初版發布，涵蓋12章、60+ Prompt 模板 > > 💡 **使用建議**：先閱讀第一、二章建立基礎，再跳到你最需要的章節深入學習。 > > 🔗 可直接複製任何模板，根據你的需求替換 `[括號內容]` 即可使用。