什麼是提示工程？給非工程師的實用指南

提示工程就是為 AI 模型撰寫並反覆調整指令，讓它穩定產出你想要的內容。提示詞是你交給模型的任何東西，可以是一個問題、一項任務、一些背景或範例。提示工程的重點在於審慎決定放入什麼內容、檢查產出的結果，並加以調整。它與其說是找神奇用語，不如說是清楚的溝通。

用 AI 建立東西時，為什麼它很重要

使用 AI 應用程式建構工具時，你的提示詞就是規格。AI 只能建立你描述過的東西，而當你的要求有漏洞時，它會用看似合理的猜測來補上。有時猜得很準，但常常不是你要的：表單上多了不需要的欄位、加了你不想要的功能，或是設計不符合你的使用對象。

清楚的提示詞能讓你少來回修正好幾輪，而每一輪都要花時間，通常也要花點數。如果你要在應用程式「內部」加入 AI，提示詞也很重要：你給那個模型的指令，會決定聊天機器人如何與客戶對話、拒絕哪些請求，以及是否忠於你提供的事實。針對應用程式建構，請參閱如何為 AI 應用程式建構工具撰寫提示詞。

日常生活中的比喻

想像你要向一位技術很好的自由工作者交代任務。對方從來沒見過你，對你的業務一無所知，而且你一說完就會開始動工。

「幫我做一個 logo」會得到「一個」logo。「為一間位於杜拜的兒童游泳學校設計 logo；親切但不幼稚；藍色與橘色；縮小後在泳帽上也要看得清楚；附上我們喜歡的兩個範例和一個不喜歡的範例」，則會得到很接近你想要的東西。

AI 模型就像那位自由工作者：能力強、速度快，但完全仰賴你的說明。提示工程就是學會寫出好的說明。

核心技巧

技巧	意思	範例
具體說明目標	說明你要什麼，以及原因。	「一個預約頁面，讓新客戶可以選擇 30 分鐘或 60 分鐘的課程。」
提供背景	對象是誰、已經有什麼、什麼最重要。	「使用者多半是用手機的年長客戶。」
定義「完成」	描述完成後的結果。	「完成的標準是客戶能預約，而我會收到電子郵件。」
設定限制	不該做什麼，以及界線。	「先不要加登入功能。維持現有的配色。」
展示範例	提供一個好結果的樣本。	「請用這種風格撰寫回覆：……」
指定格式	告訴它輸出結果的結構。	「請用表格回答，欄位為 X、Y、Z。」
拆成步驟	大型工作一次做一小部分。	「先做資料模型，再做表單，最後做電子郵件。」
先讓它提問或規劃	在修改前先取得計畫。	「開始建構前，請先列出你的問題和計畫。」
反覆調整	檢查結果並加以改進。	「表單可以運作了。現在把日期選擇器放大。」

實例：前後對照

修改前：

做一個健身房應用程式。

AI 必須猜測所有細節：會員還是員工使用？是團體課還是私人教練？要不要付款？你大概會得到一個通用的儀表板，裡面是虛構的訓練內容。

修改後：

為一間約有 150 位會員的小型拳擊健身房建立一個網頁應用程式。

誰會使用： 會員用手機預約課程。館主 Sam 用筆電管理課表。

會員可以： 查看本週課程（時間、教練、剩餘名額），並在開課前 2 小時之前預約或取消。

Sam 可以： 新增、編輯和取消課程，並查看每堂課有哪些人預約。

規則： 每堂課最多 12 人。同一時段不可重複預約。

暫時不做： 付款、訓練紀錄、手機應用程式。

風格： 深色背景、紅色強調色，按鈕要大到容易點選。

開始建構前，請列出任何不清楚的地方，並描述你會建立的頁面。

第二個提示詞並不是靠技巧，而是完整。它指明了使用者、動作、規則、暫時不做的項目，以及開始的方式。最後一行請 AI 先規劃並提問，能在寫任何程式碼之前就找出誤解。

應用程式內部的提示詞

當你的應用程式本身呼叫 LLM 時，你撰寫的提示詞會被執行很多次，服務很多使用者。同樣的原則適用，但還要多注意幾點：

系統提示詞： 長期指令，決定每一次回答，包含角色、語氣和規則。例如：「你是 Leaf & Pot 植物店的助理。只回答訂單、植物和配送的相關問題。」
依據事實（Grounding）： 納入模型應該使用的事實，例如你的政策或商品目錄，並要求它以此為準。關於這為何重要，請參閱什麼是 LLM。
備用方案： 告訴它不確定時該怎麼做，例如：「如果答案不在提供的資訊中，請直接說明，並提供支援信箱。」
輸出格式： 如果你的程式需要讀取回答，請要求嚴格的格式，例如 JSON。
測試： 在真實使用者遇到之前，先試試棘手的輸入，例如無禮的訊息、離題的問題，以及試圖讓它忽略指令的嘗試（稱為提示詞注入）。

關鍵術語說明

術語	意思
提示詞（Prompt）	你交給 AI 模型的輸入。
系統提示詞（System prompt）	在對話開始前設定的長期指令。
背景（Context）	放在提示詞中的背景資訊。
零樣本／少樣本（Zero-shot / few-shot）	不提供範例提問，或提供幾個期望輸出的範例再提問。
思維鏈（Chain of thought）	要求模型在回答前，一步一步推理問題。
依據事實（Grounding）	提供來源資料，並要求模型以此為依據作答。
提示詞注入（Prompt injection）	試圖覆寫模型指令的文字，例如「忽略先前的指令」。
上下文視窗（Context window）	模型一次能處理的文字量。
反覆調整（Iteration）	根據回傳的結果修正提示詞。

常見錯誤與迷思

尋找神奇用語。 「你是世界級的專家」遠不如清楚說明你實際需要什麼來得有用。
一次要求全部。 一次要求 20 個功能，會得到 20 個做到一半的功能。請分批建構。
描述解法，而不是問題。 「加一個有三欄的表格」不如「Sam 需要一眼看出每堂課有哪些人預約」來得有用。
沒說不該做什麼。 如果你暫時不要登入、付款或重新設計，請直接說明。
不檢查結果。 對照你的「完成」定義測試已建構的內容，再繼續下一步。
從頭重來，而不是微調。 通常一句簡短的後續指示（「大致可以，把 X 改掉」）會比重寫整個提示詞更有效。
把機密貼進提示詞。 除非工具有安全的儲存方式，否則不要把密碼或正式的 API 金鑰貼到聊天中。

可以向 AI 建構工具要求的事項

「開始建構前，請先問我任何問題，並給我看你的計畫。」
「用三句話重述你認為我想要的東西。」
「只修改預約表單，其他地方都不要動。」
「你有哪些假設是我沒有說明的？」
「把我的筆記整理成簡短的規格，包含使用者、功能、規則，以及「暫時不做」的項目。」請參閱如何用 AI 撰寫產品需求文件。
「建議我當初可以怎麼把那個要求說得更好。」

在 Mythex 中撰寫提示詞

Mythex 有三種聊天模式，適合這種工作方式：規劃（Plan） 用來先對做法達成共識，再開始任何修改；建構（Build） 用來進行修改；詢問（Ask） 用來提出不應修改檔案的問題。你可以附上截圖或設計稿作為背景，如果某次修改出了問題，還可以還原到檢查點。文件中關於有效提示詞和反覆調整的頁面有更多範例，而如何反覆調整 AI 建構的應用程式則說明了後續的調整流程。

常見問題

簡單來說，什麼是提示工程？

提示工程是為 AI 模型撰寫並反覆調整指令，讓它穩定產出你想要的結果。內容包括你問了什麼、提供了哪些背景、範例、限制條件，以及你希望它回傳的格式。

我需要什麼特殊技巧或神奇關鍵字嗎？

其實不太需要。現在的模型最能理解清楚、具體、條理分明的指令，這跟幫助同事理解工作的方式一樣。背景、範例，以及清楚描述完成後的成果，遠比特殊用語來得重要。

什麼是系統提示詞？

系統提示詞是在對話開始前交給模型的一組長期指令，例如它的角色、規則和語氣。應用程式用它來塑造每一次回答，使用者的訊息則是之後才送出。

AI 越來越聰明，還需要提示工程嗎？

較好的模型需要的變通做法會變少，但它還是無法讀心。說明你的目標、使用對象、限制條件，以及「完成」的樣子，永遠都能改善結果，因為模型只能根據你告訴它的內容來工作。