為什麼這個主題網路上有 70% 是假的？
過去 1 年我在搜尋「AI 提示工程課程推薦 2026」，看到的中文評比文有同一個模式：
- 列「5 大課程平台」，點開後找不到任何一家真實機構
- 引用「85% 學員滿意」「企業需求增長 142%」這類「很精確但查不到來源」的數字
- 強調「轉型 AI 代理架構師百萬年薪」這類過度承諾
這些文章是 SEO 量產文，目的是吸引點擊轉聯盟連結，不是真的給你建議。
這篇是 Mason 親自上過、確認可靠的課程清單。
真實值得上的課程（Mason 親測）
1. Anthropic 官方 Prompt Engineering Guide（免費）
連結:docs.anthropic.com/claude/docs/prompt-engineering
為什麼推薦:
- 完全免費，Anthropic 官方出——最權威
- 涵蓋角色設定、Chain of Thought、XML 標籤結構、少樣本學習
- 對 Claude 模型的最佳化指南，但通用提示原則對 GPT、Gemini 也適用
- 約 4 小時讀完，有具體範例
最適合:有寫過幾次 ChatGPT、想系統化學習的人
2. DeepLearning.AI:ChatGPT Prompt Engineering for Developers（免費）
連結:deeplearning.ai/short-courses
為什麼推薦:
- Andrew Ng + OpenAI 合作課程——權威 + 實戰
- 約 1 小時短課，適合開發者
- 包含實際程式碼範例（用 OpenAI 介面）
- 完全免費
最適合:會寫程式、想把 LLM 接到產品的工程師
3. DeepLearning.AI:LangChain for LLM Application Development（免費）
為什麼推薦:
- 從提示工程進階到「做應用」
- 教 LangChain、RAG、Agent 基礎
- 跟 LangChain RAG 教學 互補
最適合:想做 AI 產品的工程師、技術 PM
4. Coursera:Prompt Engineering Specialization（付費）
機構:Vanderbilt University 開的系列課程 價格：約 USD 49 / 月（訂閱制，完成可拿 Certificate） 時長：約 1-2 個月
為什麼推薦:
- 大學等級的系統化教學
- 有作業、有 Discussion、有 Certificate（對履歷有幫助）
- 偏理論基礎，適合想深入了解的人
最適合:學生、想拿認證、有時間慢慢學
5. Hahow / PressPlay 台灣繁中課程
現況:
- Hahow 上有幾門 ChatGPT、AI 應用課程，品質參差
- 多數是「入門級」（怎麼註冊、基本 prompt）
- 進階提示工程的繁中課程目前還少
推薦評估流程:
- 看「講者背景」——有實際做過 AI 產品 / 顧問經驗的優先
- 看「課程大綱」——是否包含具體案例、不只是口號
- 看「評論」——5 星少於 50 則的課要小心
最適合:完全沒寫過程式、需要繁中教學的初學者
學提示工程的真實價值
過度承諾的版本:
- 「學完轉職 AI 工程師，年薪百萬」——多半是行銷
- 「精準度提升 92%」——脫離情境的數字
- 「比競爭對手快 10 倍」——選擇性披露
真實價值:
- 跟 AI 對話的回應品質從 60 分提升到 85 分——很實在的進步
- 同樣的時間能做更多事——20-50% 效率提升
- 能設計更複雜的應用——多步驟工作流、Agent 系統
但要誠實面對:
- 能力上限仍取決於你的領域知識——你不懂法律，AI 也不會把你變法律專家
- AI 變化快——今天學的最佳實踐 12 個月後可能要更新
- 「深度提示工程」是工程師才需要,90% 的使用者學基本框架就夠
學習路徑推薦
完全新手（沒寫過 ChatGPT）
- ChatGPT 完全攻略 或 Claude 完整指南 看完
- 提示工程基礎 學基本框架（角色、上下文、步驟、輸出格式）
- 動手練 1-2 週：每天 10 個 prompt，固定領域（自己工作相關）
有經驗使用者（每天用 ChatGPT、想更精準）
- Anthropic Prompt Engineering Guide（免費，4 小時）
- DeepLearning.AI 短課（免費，1 小時）
- 嘗試做 1 個小應用——例如「自動整理週報的 GPT」
開發者（要做 AI 產品）
- 跳過基礎 prompt 課程
- 直接學 LangChain / LlamaIndex / Vercel AI SDK 框架
- 學 RAG 架構、Multi-Agent 協作(進階，看 LangChain RAG 教學)
- 學 LangSmith 或 LangFuse 監控生產環境
不要做的事
- 訂閱 20 個「AI 工具評比」的訂閱——大多在搬運網路文章
- 買「1000 個 ChatGPT 提示模板」——過時極快，且抄襲模板的價值低於自己思考
- 買「保證年薪百萬」的提示工程師訓練課——所有「保證」都是行銷話術
- 長時間鑽研「最完美的 prompt」——80/20 法則，寫完夠用就好，把時間花在「驗證輸出」更值
💡 Mason 的判斷
提示工程在 2024-2025 是熱門技能，到 2026 已經逐漸「基本素養化」——就像 2010 年代「會用 Google 搜尋」變成基本能力，2026 年「會跟 AI 對話」是基本能力，不是「特殊技能」。
對 90% 的人:讀 提示工程基礎 約 1 小時 + 練 2 週，就 80% 通了。不用上 NT$5,000 的課。
對開發者:真正值得學的是「系統設計」——RAG、Agent、Multi-Agent 協作。單純的 prompt engineering 不再是賣點。
對職涯:「提示工程師」是 2023-2024 的招聘術語，2026 大多已併入「AI 應用工程師」「AI 產品經理」職位。專練提示工程不是長久之計，整合「Prompt + 框架 + 資料 + 產品思維」才有競爭力。
❓ FAQ
免費課跟付費課差多少？
主要 3 個差別:(1) 系統化程度——付費課有完整大綱，免費課多是片段、(2) 認證——付費課多半有 certificate，履歷上加分、(3) 學習群組——付費課有同學討論，問問題有人答。對「自學能力強、有清楚目標」——免費課完全夠。對「需要 structure、需要 push、想拿認證」——付費課值得。
學完提示工程能找到工作嗎？
單純「會寫提示」找不到工作(2024 年勉強行，2026 年市場已飽和)。有競爭力的組合:(1) 提示工程 + 領域知識（行銷、法律、醫療）、(2) 提示工程 + 開發能力(Python、API、LangChain)、(3) 提示工程 + 產品思維（能規劃完整 AI 應用）。單一技能不是賣點，組合能力才是。
中文跟英文提示哪個效果好？
對 Claude 4.7、GPT-5 等旗艦模型，中文跟英文品質差距不大——這些模型對繁體中文已優化得不錯。但對「較舊或較小的模型」(GPT-3.5、Llama 3 7B),英文仍明顯較強。推薦做法:(1) 主要用繁體中文寫（自己更精準）、(2) 技術術語、新概念用英文（避免翻譯誤差）、(3) 對特定模型試一下——同一個 prompt 中英版本各跑一次看哪個好。