提示詞工程：撰寫能讓 AI 產出更好結果的提示詞
為什麼你的 AI 提示詞沒有效
你大概試過請 AI 幫忙——寫一封 email、除錯程式碼、摘要一篇文章——結果得到的回應卻不如預期。可能太模糊、太冗長，或是完全離題。問題通常不在 AI，而在提示詞本身。
提示詞工程（prompt engineering）是一門設計輸入內容、以從大型語言模型（LLM）獲得更好輸出結果的實務。它靠的不是什麼神奇咒語，而是清楚溝通。本指南提供實用技巧，幫助你寫出能穩定產出有用結果的提示詞。
1. 具體且明確
LLM 不會讀心術。如果你只說「寫一些關於狗的東西」，你只會得到一篇泛泛而談的文章。相反地，請明確指定主題、格式、長度和目標讀者。
不好的： Write about dogs.
好的： Write a 300-word article for pet owners about the top 3 dog breeds for apartments. Include exercise needs and temperament.
你提供的限制條件越多，輸出就越聚焦。把它想像成在給自由工作者下指令：你講得越清楚，成果就越好。
2. 提供背景脈絡與範例
LLM 會從你給予的脈絡中學習。如果你想要特定的風格或格式，就示範一個範例。
範例： Summarize the following customer review in one sentence, focusing on the main complaint. Example: "The product arrived late and was damaged." Review: "I ordered this on the 5th, it shipped on the 10th, and when it finally arrived, the box was crushed and the item was scratched."
這種技巧稱為「少樣本提示」（few-shot prompting），能幫助模型理解你想要的模式。
3. 運用角色扮演
為 AI 指派一個角色，能提升回應的品質與語氣。例如「扮演一位資深軟體工程師」或「你是一位親切的客服人員」。這能引導模型採用特定的觀點和專業程度。
範例： Act as a cybersecurity expert. Explain the risks of SQL injection to a non-technical manager in under 200 words.
4. 將複雜任務拆解成步驟
如果你的要求很複雜，就把它拆成更小、依序進行的提示詞。這能降低模型不堪負荷或遺漏細節的機率。
不要這樣： Create a marketing plan for a new app.
試試這樣： Step 1: Identify the target audience for a productivity app aimed at remote workers. Step 2: List three key features that would appeal to them. Step 3: Suggest two marketing channels to reach them.
你也可以請模型「一步一步思考」（think step by step），以鼓勵它進行推理。
5. 指定輸出格式
如果你需要特定格式的輸出——JSON、Markdown、表格——請明確說出來。當你要把 AI 整合進自動化工作流程時，這點尤其有用。
範例： Extract the product name, price, and rating from the review below. Return the result as a JSON object with keys: name, price, rating.
對開發者來說，像 JSON Formatter 這類工具可以幫助驗證並格式化 AI 的輸出。
6. 反覆迭代與精煉
第一個提示詞很少會一次到位。把它當成一場對話：檢視輸出、找出缺少什麼，然後據此調整你的提示詞。
範例： 如果 AI 的摘要太長，就接著說：Make it shorter—under 50 words. 如果太專業難懂，就說：Explain it as if I'm a beginner.
7. 避免模稜兩可與否定句
LLM 有時難以處理否定句。與其說「不要用行話」，不如說「使用簡單的語言」。與其說「不要含糊」，不如說「要具體並附上範例」。
8. 嘗試調整 temperature 與各項參數
如果你使用 API，可以調整像 temperature（創造力）和 max_tokens（長度）這類參數。較低的 temperature（例如 0.2）會產生更確定、更聚焦的輸出；較高（例如 0.8）則鼓勵創造力。處理需要事實的任務時，請使用低 temperature。
比較：弱提示詞 vs. 強提示詞
| 弱提示詞 | 強提示詞 |
|---|---|
| Write a blog post. | Write a 500-word blog post for small business owners about the benefits of cloud accounting software. Include 3 key advantages and a call to action. |
| Fix this code. | Debug this Python function that calculates Fibonacci numbers. Explain the error and provide a corrected version with comments. |
| Summarize this. | Summarize the following article in 3 bullet points, each under 20 words, focusing on the main argument. |
常見問題
什麼是提示詞工程？
提示詞工程是設計並精煉輸入內容（提示詞）的過程，用以引導大型語言模型產出想要的輸出。它涉及明確性、脈絡和反覆迭代。
寫出好的提示詞需要會寫程式嗎？
不需要。雖然像 API 參數調整這類技巧需要寫程式，但大多數提示詞工程談的是清楚溝通，任何人使用聊天介面都能做到。
我該如何快速改善我的提示詞？
從具體開始：說明格式、長度和目標讀者。情況允許就提供範例。接著反覆迭代——如果輸出不對，就告訴 AI 要改什麼。
準備好把這些技巧付諸實踐了嗎？如果你在處理 AI 生成的 JSON，可以使用我們的 JSON Formatter 來驗證並美化輸出，方便應用到你的程式裡。