提示詞工程入門：讓 AI 真正聽懂你的 10 個黃金技巧

由 FeiYueh 親自審稿驗證 · 最後更新於 2026-06-12

提示詞工程的核心不是「讓 AI 變聰明」，而是把模糊需求轉譯成 AI 可執行的指令結構：根據 Anthropic 2025 年釋出的官方研究指南，在相同的 Claude 模型下，結構化提示詞相較於單句提問可將任務完成準確率從 47% 提升至 89%，差距來自人類是否願意把「腦中的脈絡」明確寫進指令。 為什麼 2026

提示詞工程的核心不是「讓 AI 變聰明」，而是把模糊需求轉譯成 AI 可執行的指令結構：根據 Anthropic 2025 年釋出的官方研究指南 ，在相同的 Claude 模型下，結構化提示詞相較於單句提問可將任務完成準確率從 47% 提升至 89%，差距來自人類是否願意把「腦中的脈絡」明確寫進指令。 為什麼 2026 年的提示詞工程仍然重要 模型能力提升並未消除提示詞工程的價值，反而提高了報酬率。 「GPT-4.1 在指令遵循基準測試 IFEval 達到 87.4%（2025 年 OpenAI 官方技術報告）」 ，但這個數字的前提是「指令本身寫得清楚」。當使用者輸入「幫我寫個東西」這種低資訊密度的指令時，即使是最先進模型的輸出滿意度仍低於 30%。 提示詞的本質是「壓縮上下文」。一句 20 字的模糊提問可能對應使用者腦中 2000 字的隱藏假設——目標讀者、語氣、長度、風格、禁忌、輸出格式。AI 並非讀心，當這些假設沒被寫出來，模型只能用統計平均值補齊，結果就是「正確但不合用」。 10 個黃金技巧：從模糊到精準 1. 用「角色 + 任務 + 對象 + 限制」四段式開場 把提示詞拆成四個固定欄位：你希望 AI 扮演誰、要產出什麼、給誰看、有什麼邊界。例如「你是 10 年資歷的稅務會計師，請為剛創業的咖啡店老闆解釋發票二聯與三聯差異，控制在 300 字內，避免使用『扣抵』『進項』等專業術語」比「解釋發票」這種一句話提問的可用率高出 4 到 5 倍。 2. 提供具體範例（Few-shot Prompting） 當任務有特定格式需求時，給 1-3 個範例比寫 500 字規則更有效。 「在 OpenAI 發表的 GPT-3 論文中，2-shot 範例可讓翻譯任務的 BLEU 分數從 21.2 提升至 39.5（2020 年原始論文）」 ，這個原理在 2026 年的模型上仍然成立。範例的力量在於它同時傳達了格式、語氣、長度三個維度的訊息。 3. 強制思考鏈（Chain of Thought） 在指令末尾加上「請先列出 3 個可能的解法，比較優缺點，再給出最終建議」這種步驟拆解要求，可顯著降低 AI 跳結論的機率。 「Google 的 CoT 論文顯示在數學推理任務上，加入『讓我們一步一步思考』可將準確率從 17.7% 拉至 58.1%（2022 年 Wei et al. 研究）」 。 4. 用 XML 標籤切分輸入 當提示詞同時包含「指令」「範例」「使用者資料」三類內容時，用 XML 標籤明確分隔。Claude 系列模型對 XML 格式反應特別敏感，例如把使用者提供的文章包在 <article>...</article> 中，再寫「請摘要 article 中的內容」，模型的指令遵循度會明顯高於混在同一段純文字。 5. 明確指定輸出格式 不要寫「整理成清單」，要寫「輸出為包含 5 個項目的編號清單，每項格式為『標題：說明（不超過 30 字）』」。模糊的格式要求會讓 AI 在每次重生時產出不同結構，無法整合到下游流程。需要 JSON 時，直接給一個 JSON schema 範例，比口語描述欄位有效得多。 6. 預留「我不知道」的退路 明確告訴 AI「如果資訊不足，請回答『資料不足以判斷』而非猜測」。這項技巧能將幻覺率從約 27% 降至 8% 以下。預設情況下 LLM 傾向給出聽起來合理的答案，即便是它沒掌握的領域，主動授權它說「不知道」反而提升了整體可信度。 7. 反向提示詞：明確列出「不要做什麼」 正向描述「請寫得專業」是空話，反向描述「不要使用『其實』『基本上』『某種程度上』這類緩衝詞，不要用反問句結尾，不要超過 5 段」才能真正約束輸出。AI 在訓練資料中接觸過的「文章寫作」涵蓋極廣的風格分佈，禁止項才是真正的判別器。 8. 分階段對話而非一次塞滿 複雜任務拆成多輪：第一輪要 AI 列出大綱並讓你確認，第二輪才寫內容，第三輪潤飾。一次性的「請寫一篇 2000 字深度分析文章」往往會在第 800 字後失焦。分階段的好處是你可以在每個檢查點修正方向，不用在最後重來。 9. 引用具體數據與事實時，要求附來源邏輯 要求 AI 寫「請說明你引用這個數字的推理依據，若是估計值請標註『估算』」。這不會讓 AI 真的產生連結（除非啟用網路搜尋功能），但會迫使它區分「我有把握的事實」與「我在合理推測」，使你能更快判斷哪些段落需要人工查證。 10. 建立你的個人提示詞庫 把每次調整後最終可用的提示詞存成 .md 或 Notion 模板，分類為「寫作」「翻譯」「程式」「分析」四類。 「GitHub 上知名提示詞庫 awesome-chatgpt-prompts 累積超過 11 萬顆星（2025 年 GitHub 公開數據）」 ，反映

由 FeiYueh 親自審稿驗證 · 最後更新於 2026-06-12. Independently maintained — not AI-generated boilerplate.