---
# System prepended metadata

title: Prompt Engineering 超詳細參考書

---

# 🧠 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。