提示詞工程入門:讓 AI 聽懂人話的技巧

「AI 寫出來的東西不能用」——這是我們最常聽到的抱怨。但追問下去,十次有八次,問題不在模型,在提示詞。同一個模型、同一個任務,提示詞寫得好與寫得隨便,產出品質差三倍不誇張。我們自己的行銷 AI 工具與剪片引擎背後,最花時間打磨的從來不是串接 API,而是那幾段提示詞。

好消息是,提示詞工程沒有想像中玄。它不是咒語,是溝通技巧——而且是你交辦工作給新人時早就在用的那一套。這篇把我們每天在用的四個要素講清楚。

要素一:角色——先告訴它「你是誰」

模型什麼都會一點,所以你不指定角色,它就給你一個平均值的答案。「幫我寫產品介紹」得到的是通用文案;「你是一位替台灣電商寫商品頁的資深文案,擅長把規格轉成生活情境」得到的東西就開始有樣子了。

角色設定的重點不是頭銜華麗,而是縮小模型的搜尋空間:語氣、用詞、專業深度、預設讀者,一句角色描述就能定調大半。我們的經驗法則:角色寫得越像你真的會刊登的徵才條件,產出越穩定。

要素二:脈絡——它不知道你沒說的事

這是多數人翻車的地方。你腦中有完整背景——公司做什麼、這篇文案給誰看、上一版為什麼被打槍——但模型只看得到你打的那兩行字。牠不會通靈。

交辦前先自問:如果這個任務交給一個今天剛報到、對公司一無所知的聰明新人,我需要跟他說哪些事?把那些話寫進提示詞:

• 背景:我們是誰、產品是什麼、這次任務的目的
• 受眾:寫給誰看、他們在意什麼、忌諱什麼
• 限制:不能提的字眼、法規紅線、篇幅上限
• 已知失敗:「上一版太像廣告,這次不要」

我們的電商文案產線把食安法禁用詞直接列在提示詞裡,因為說「注意合規」沒用,列出「這 20 個詞不准出現」才有用。模糊的要求得到模糊的結果,這條規則對人對 AI 都成立。

要素三:範例——給一個樣本勝過十句形容

「語氣要親切但專業」是一句幾乎沒有資訊量的話,每個人的親切都長得不一樣。與其形容,不如示範:貼一段你滿意的舊文案,說「照這個調性寫」。這招在行話裡叫 few-shot,是投資報酬率最高的提示詞技巧,沒有之一。

範例還有一個妙用:當你自己也說不清楚要什麼的時候,先讓模型產三個版本,挑一個最接近的當範例再迭代。用選的比用寫的快。

要素四:格式——講清楚產出長什麼樣

要表格就說要表格,要 JSON 就給欄位定義,要三個標題方案就說「給我三個,各附一句理由」。格式指定得越明確,後續整理的人工越少。我們所有進系統的 AI 產出一律要求結構化格式,因為下游程式要接,「大概對」等於不能用。

提示詞工程的本質不是操縱 AI,而是把你腦中模糊的期待,翻譯成連新人都不會誤解的工作指示。寫不出好提示詞的人,通常也交辦不清楚工作。

三個實務提醒

一次改一個變數。提示詞不理想時,別整段重寫,改一處、看結果、再改下一處,你才知道哪句話有效。

把提示詞當程式碼管理。會反覆使用的提示詞,存版本、記錄改動原因。我們的產品線裡,提示詞跟程式一樣進 git,改壞了要能退回。

別忘了模型本身也是變數。同一段提示詞在不同模型上表現可能差很多,選型的邏輯我們在Claude 還是 GPT?選模型的三個實務判斷寫得很細。

提示詞寫得好,免費的聊天介面就能幫你省下大量時間;但當你想把這些能力接進正式流程——自動產文案、自動摘要、自動分類——那就是系統設計的範疇了。需要的話,我們的AI 應用開發服務隨時可以聊。