什麼是提示工程（Prompt Engineering）？非技術人士實用指南

提示工程係為 AI 模型撰寫同改良指令，令佢穩定地產生你想要嘅嘢嘅做法。提示（prompt）就係你俾模型嘅所有輸入，可以係一條問題、一項任務、一啲背景資料或者例子。所謂工程，就係有意識咁決定放入咩內容、測試出嚟嘅結果，然後再調整。佢與其說係咒語，不如話係一種清楚嘅溝通方法。

用 AI 建造嘢時點解重要

用 AI 應用程式建構器嘅時候，你嘅提示就等於規格書。AI 只可以建造你描述嘅嘢；如果你嘅要求有空白，佢就會按自己嘅理解去填補。有時填得幾啱，但好多時唔係你想要嘅：表格欄位錯咗、加咗你唔想要嘅功能，或者設計唔啱你嘅用戶。

清楚嘅提示可以減少多次修改嘅來回，而每一次來回都會花時間，通常仲要用掉額度。如果你喺應用程式入面加入 AI，提示都好重要：你俾嗰個模型嘅指示，會決定你嘅聊天機械人點樣同客人講嘢、拒絕咩問題，以及會唔會忠於你提供嘅事實。想了解用 AI 建構應用程式嘅提示寫法，可以睇點樣為 AI 應用程式建構器寫提示。

日常生活比喻

想像你要向一位好叻嘅自由工作者交代任務，佢從未見過你，唔識你嘅生意，而你一講完佢就會即刻開工。

「幫我設計一個 logo」會得到「一個」logo。但「為一間位於迪拜、兒童游泳學校設計 logo；親切但唔幼稚；藍色同橙色；縮到好細印喺泳帽上都要睇得清；呢兩個係我哋鍾意嘅，呢個就唔要」，就會得到接近你所想嘅嘢。

AI 模型就好似呢位工作者：才華洋溢、做嘢快，但完全依賴你嘅交代。提示工程，其實就係學識點樣寫一份好嘅交代。

核心技巧

技巧	意思	例子
清楚講明目標	講你要咩，同埋點解要。	「一個預約頁面，等新客人可以揀 30 分鐘或者 60 分鐘嘅課堂。」
提供背景	對象係邊個、已經有咩、咩最重要。	「用戶大多數係用手機嘅年長客人。」
定義「完成」	描述完成嗰個結果係點樣。	「完成嘅意思係客人可以預約，而我會收到電郵。」
設定限制	唔好做咩，以及有咩界線。	「暫時唔好加登入功能。保留現有嘅顏色。」
舉例示範	俾個樣本睇下好嘅效果係點。	「用呢種語氣寫回覆：……」
指定格式	講清楚輸出嘅結構。	「用表格回覆，欄位為 X、Y、Z。」
分步進行	大型工作一次做一部分。	「先做數據模型，再做表格，最後做電郵。」
先問或者先計劃	改動之前先睇個計劃。	「建造之前，先列出你嘅問題同計劃。」
反覆改良	檢查結果，然後精煉。	「表格冇問題。而家將日期選擇器做大啲。」

實例：修改前後對比

修改前：

整個健身應用程式。

AI 要估晒所有嘢：會員定員工？課堂定私人教練？有冇付款？最後你可能得到一個通用嘅儀表板，入面有隨便編嘅運動內容。

修改後：

為一間細型拳擊健身室建造一個網頁應用程式，大約有 150 位會員。

邊個用： 會員用手機預約課堂。負責人 Sam 用手提電腦管理時間表。

會員可以： 睇本週嘅課堂（時間、教練、剩餘名額），並可以喺開課前 2 小時或之前預約或取消。

Sam 可以： 新增、編輯同取消課堂，並睇到每節課有邊啲人報咗名。

規則： 每節課最多 12 人。同一時段唔可以重複預約。

暫時唔要： 付款、運動紀錄、手機應用程式。

風格： 深色背景，紅色點綴，大按鈕方便撳。

建造之前，列出任何唔清楚嘅地方，並描述你會建立嘅頁面。

第二條提示唔係因為寫得特別精明，而係因為內容完整。佢列明咗用戶、動作、規則、暫時唔做嘅嘢，以及由邊度開始。最後一句邀請 AI 先計劃同提問，喺寫任何程式碼之前就捉到誤會。

應用程式入面嘅提示

當你嘅應用程式本身要調用大型語言模型（LLM）時，你寫嘅提示會被反覆執行，服務好多用戶。同樣嘅原則適用，但仲要多留意以下幾點：

系統提示： 固定嘅指示，塑造每個回覆，包括角色、語氣同規則。例如：「你係 Leaf & Pot 植物店嘅助手，只回答有關訂單、植物同送貨嘅問題。」
事實依據： 將模型應該用嘅資料放入提示，例如你嘅政策或產品目錄，並指示佢以呢啲資料為準。點解咁重要，可以睇什麼係 LLM。
後備方案： 講清楚唔肯定嗰陣應該點做，例如：「如果答案唔喺所提供嘅資料入面，就直說，並提供支援電郵。」
輸出格式： 如果你嘅程式要讀取答案，就要求嚴格格式，例如 JSON。
測試： 喺真正用戶試之前，先試吓難纏嘅輸入，例如粗暴嘅訊息、離題嘅問題，或者想令佢無視指示嘅嘗試（稱為提示注入，prompt injection）。

主要名詞解釋

名詞	意思
提示（Prompt）	你俾 AI 模型嘅輸入。
系統提示（System prompt）	對話開始前設定嘅固定指示。
背景（Context）	包含喺提示入面嘅背景資料。
零樣本／少樣本（Zero-shot／Few-shot）	唔提供例子去問，或者提供少量期望輸出嘅例子去問。
思維鏈（Chain of thought）	要求模型逐步推理，然後先作答。
事實依據（Grounding）	提供來源資料，並要求模型以之為基礎作答。
提示注入（Prompt injection）	試圖推翻模型指示嘅文字，例如「忽略之前嘅指示」。
上下文窗口（Context window）	模型一次可以處理嘅文字量。
反覆改良（Iteration）	根據回覆嘅結果，去精煉提示。

常見錯誤同誤解

搵咒語。 「你係世界級專家」遠遠唔及直接講清楚你真正需要咩咁有用。
一次過要求晒所有嘢。 一個二十項功能嘅要求，只會得到二十項做到一半嘅功能。應該分批建造。
描述解決方案，而唔係描述問題。 「加一個三欄嘅表格」就唔及「Sam 要一眼睇到每節課有邊啲人報咗名」咁有用。
唔講明唔想要咩。 如果你暫時唔要登入、付款或者重新設計，就要清楚講出嚟。
唔睇結果。 喺繼續之前，先用你嘅「完成」定義去檢查已經建造嘅嘢。
重新開始，而唔係改良。 通常一句簡短嘅跟進（「幾接近，改咗 X 就得」）會比重寫整條提示更有效。
將機密資料貼入提示。 除非工具有安全嘅儲存方法，否則唔好將密碼或者正式運作嘅 API 金鑰貼入聊天。

要求你嘅 AI 建構器做嘅嘢

「建造之前，先問我任何問題，並展示你嘅計劃。」
「用三句話複述你認為我想要嘅嘢。」
「只改預約表格，其他嘢唔好郁。」
「你有咩嘢係我冇講但自己假設嘅？」
「將我嘅筆記整理成一份簡短規格，包括用戶、功能、規則同「暫時唔做」嘅項目。」可參考點樣用 AI 撰寫產品需求文件。
「建議我點樣可以寫得更好，令你明白嗰個要求。」

Mythex 嘅提示

Mythex 有三種聊天模式，啱呢種工作方式：Plan（計劃）用嚟喺改動任何嘢之前先協定做法；Build（建造）用嚟做改動；Ask（提問）用嚟問問題，唔會改動檔案。你可以附上截圖或者設計稿作為背景資料，如果某次改動出錯，亦可以還原到檢查點。更多例子可以睇有效提示同反覆改良嘅文件頁，而點樣改良 AI 建造嘅應用程式就講解跟進嘅循環。

常見問題

簡單嚟講，什麼是提示工程？

提示工程係為 AI 模型撰寫同改良指令，令佢穩定地產生你想要嘅結果嘅做法。內容包括你點問、提供咩背景、舉咩例子、有咩限制，以及你想要點樣嘅回覆格式。

我需要特別嘅技巧或者咒語嗎？

唔使太複雜。現代模型最啱清晰、具體、結構分明嘅指令，即係同你向同事交代嘢時用嘅方法。背景資料、例子同對完成結果嘅清楚描述，遠比特別用語重要。

什麼係系統提示（system prompt）？

系統提示係喺對話開始前，俾模型嘅一套固定指示，例如佢嘅角色、規則同語氣。應用程式用佢嚟塑造每個回覆，而用戶嘅訊息就排喺後面。

AI 愈嚟愈叻，提示工程仲需要嗎？

模型愈好，需要嘅變通方法就愈少，但佢始終唔會讀心。講清楚你嘅目標、受眾、限制同埋「完成」係點樣，一定會令結果更好，因為模型只能根據你話俾佢知嘅嘢去做。