很多人搜尋「提示工程」時，常見的痛點是同一個 AI 問三次得到三種答案：第一次太空泛，第二次格式跑掉，第三次開始編細節。這篇把提示詞（prompt）寫成可以檢查、可以複製、可以逐步修正的工作方法。
先用「目標、背景、資料、限制、格式」五段式寫提示詞。回答失敗時，不要立刻換模型；先看 AI 缺的是任務定義、上下文、範例、輸出格式，還是需要外部資料。OpenAI 的 提示詞文件（Prompting）也把角色、範例、測試與版本管理列為提示詞開發的核心做法；Anthropic 的 提示工程總覽則提醒，正式調整提示詞前要先定義成功標準，並能用測試案例驗證。
如果你只是第一次學 AI 提問，先讀 AI Prompt 入門教學 會比較輕；如果你已經想把同一段 Prompt 用在工作、教學、客服、研究或 API 流程，下面的寫法會更適合。
中文 Prompt 怎麼寫？先用五段式
把需求寫成一整段，模型很容易漏條件。把 Prompt 拆成五段，通常能立刻讓回答穩定很多：
目標：我要完成什麼？
背景：我是誰、對象是誰、使用情境是什麼？
資料：可參考的內容、數據、草稿、限制來源是什麼？
限制：不能做什麼、語氣、長度、風險邊界是什麼？
格式：最後要用表格、條列、Email、JSON、簡報大綱還是步驟？一個可直接改的中文範例：
目標：幫我把一封客戶道歉信改得更清楚。
背景：我是台灣電商賣家，客戶下單 39 號鞋，但倉庫寄成 42 號。客戶已等 7 天，語氣明顯不耐煩。
資料：原始草稿如下：[貼上草稿]
限制：不要推卸責任，不要承諾公司做不到的補償，不要用太多驚嘆號。
格式：請輸出 1 封 180 字內 Email，後面附 3 點修改理由。這種寫法的好處，是你可以很快知道哪一段出問題。回答太空泛，多半是背景不足；回答格式亂，多半是格式不夠具體；回答很像廣告，多半是限制沒有寫清楚。
先修哪裡？用錯誤訊號倒推 Prompt 問題
| AI 回答出現的問題 | 常見原因 | 先這樣修 |
|---|---|---|
| 回答很正確但不適合你 | 沒交代對象、場景或判斷情境 | 補「給誰看、要做什麼決定、成功長什麼樣」 |
| 回答看起來很會寫，實際無法用 | 任務太大或沒有可驗證產出 | 拆成「先列計畫 → 我確認 → 再產出」 |
| 表格、欄位或語氣每次都跑掉 | 格式只寫「整理一下」 | 寫出欄位、字數、排序規則和範例 |
| 內容有編造或過度肯定 | 要求它回答超出資料的事 | 加「不知道就說不知道，缺來源要標出」 |
| 用在團隊流程時忽好忽壞 | 沒有測試案例和版本紀錄 | 固定 5–10 個代表性輸入，改 Prompt 後重跑比較 |
Microsoft Learn 的 提示工程技巧頁也建議把任務放在前面、再給背景與範例，複雜任務要拆成小步驟。這段順序能讓模型先抓到最重要的目標，再處理細節。
中文提示詞範例：工作、學習、研究各怎麼問
寫 Email：先決定關係和風險
你是一位重視長期關係的 B2B 客戶成功經理。
任務：幫我回覆客戶抱怨，讓對方知道我們會處理，但不要承諾超出合約的賠償。
背景：客戶是企業採購窗口，抱怨系統本週兩次延遲。實際原因是我們的第三方服務不穩，工程團隊已修復主要問題，仍在觀察。
限制：
- 不要責怪第三方。
- 不要說「保證不再發生」。
- 語氣要負責、冷靜、具體。
格式：
1. 120 字內 Email 內文。
2. 3 點說明：這封信降低了哪些風險。這段 Prompt 比「幫我寫一封道歉信」更穩，因為它把關係、風險、禁語和交付格式都講清楚。
學習：要求 AI 先診斷程度
你是耐心的高中數學家教。
任務：教我理解二次函數頂點式。
背景：我會配方法，但常把符號弄錯。
限制：不要一開始丟公式；先用 3 個問題確認我卡在哪。
格式：
- 先問 3 題診斷問題。
- 等我回答後，再給 1 個完整例題。
- 最後給 2 題練習題，並附答案但不要立刻展開解法。重要學習任務不要急著讓 AI 直接講完。先讓它問問題，能避免它用你已經會的方式重複解釋。
研究與比較：把來源要求寫進去
任務：幫我比較 3 個 AI 會議記錄工具，判斷哪一個適合 10 人以下台灣新創團隊。
背景：我們主要用 Google Meet，會議是中文和英文混合，偶爾需要分享摘要給客戶。
資料與來源：請優先使用官方價格頁、產品文件和隱私政策。如果來源不足，請標成「需要人工查證」。
輸出格式：
| 工具 | 適合情境 | 中文辨識注意事項 | 免費/付費限制 | 隱私風險 | 建議 |
限制：不要用「最好」這種結論，除非表格裡的理由足夠支持。查資料和比較工具時，Prompt 要把「來源層級」講清楚。否則 AI 很容易把舊價格、網友評論和官方資訊混在一起。
進階技巧 1：Few-shot 要給「正例 + 反例」
少樣本範例（few-shot examples）是把幾個輸入與輸出範例放進 Prompt，讓 AI 模仿你的格式、語氣或判斷標準。Anthropic 的文件把 examples 列為核心提示技巧；Microsoft Learn 也把 one-shot / few-shot examples 視為讓模型學到期望行為的常見做法。
任務：把社群貼文標題改成 Mason AI Lab 的語氣。
好範例：
輸入：AI 工具推薦大全
輸出：免費 AI 工具怎麼選？先用任務排序，少用品牌排序
理由：具體、有決策角度、避免清單感。
反例：
輸入：ChatGPT 超強功能介紹
輸出：ChatGPT 必學神技，讓你效率翻 10 倍
理由：誇張、沒有任務、承諾過度。
現在請改寫以下 5 個標題，並每個附 1 句理由：
[貼上標題]只給好範例，AI 可能學到表面語氣；加上反例，才會知道哪些做法要避開。範例不用多，先用 2–4 組代表性案例，品質通常比塞 20 組相似例子更好。
進階技巧 2：思考步驟要可檢查，不要要求暴露隱藏推理
以前常見寫法是「請一步一步思考」。現在要更精準：請 AI 先列可檢查的計畫或解題步驟，再輸出答案。這樣你能檢查方向，也避免要求模型揭露它不該公開的內部推理。
適合的寫法：
先列出你會如何處理這個任務，最多 5 步。
等我確認後，再產出正式版本。
如果資料不足，請在計畫裡標出需要我補的資訊。或是：
請輸出：
1. 最終答案
2. 你使用的公開計算步驟或判斷依據
3. 仍需人工確認的假設Microsoft Learn 也提醒，傳統要求模型展開 chain-of-thought 的技巧不適合所有推理模型。實務上，把「可驗證步驟」和「最終答案」分開，比要求它完整展示內部想法更安全。
進階技巧 3：需要穩定格式時，用結構化輸出
如果你只是寫文章、Email 或學習筆記，指定表格或條列通常就夠。若你要把 AI 回答接進程式、表單、資料庫或自動化流程，請改用結構化輸出（structured outputs）。OpenAI 的 Structured Outputs 文件說明，模型可以依照你提供的 JSON Schema 產生符合欄位要求的回應。
普通 Prompt：
請用 JSON 回答：摘要、情緒、風險等級。更適合工作流的 Prompt：
請依照以下欄位回覆，缺資料請填 null，不要新增欄位：
{
"summary_zh_tw": "200 字內摘要",
"sentiment": "positive | neutral | negative",
"risk_level": "low | medium | high",
"evidence": ["最多 5 個原文依據"],
"needs_human_review": true
}真的要上線到 API 時，不要只靠自然語言提醒模型「請輸出 JSON」。請看 結構化輸出（Structured Output）指南，用欄位結構（schema）或函式呼叫（function calling）把欄位、型別和錯誤處理固定下來。
團隊共用 Prompt：把它當成可測試的工作流程
個人使用時，提示詞可以隨手改；團隊共用時，提示詞會影響客服語氣、報告品質、成本和風險。OpenAI 的 prompting 文件建議把應用程式裡的提示詞當成程式碼管理：放在可版本化的檔案、用測試案例檢查、在變更時一起審查。
團隊版提示詞至少要留下這些資訊：
- 用途：這段提示詞解決哪一個任務，哪些任務要排除。
- 輸入：需要使用者或系統提供哪些欄位。
- 輸出：欄位、字數、語氣、排序與資料格式。
- 風險邊界：不能編造、不能外洩、需要人工審核的條件。
- 測試案例：成功、邊界、失敗、惡意輸入各至少一個。
- 版本紀錄：誰改了什麼，改善了哪一個失敗案例。
如果提示詞會接觸客戶資料、內部文件或權限工具，也要讀 提示詞注入（Prompt Injection）攻防 和 AI 隱私與資料安全。好的提示詞只能降低誤解，不能取代權限控管和資料分類。
提示詞失敗時，先查資料、工具和風險邊界
提示工程能改善很多回答；遇到下面情況，繼續加長提示詞會讓風險增加，請改變工作方法：
- 需要最新資訊：要求 AI 查官方來源，或改用具備搜尋與引用來源的工具。可參考 ChatGPT Deep Research 教學。
- 需要計算或固定格式：用程式、試算表、結構化輸出或 API 驗證，不要只靠自然語言。
- 需要大量私人資料：先做資料遮罩、權限控管與保留政策，別把完整客戶名單貼進個人帳號。
- 任務太大：拆成研究、草稿、審稿、修改、驗證，避免一次叫 AI 完成交付品。
- 涉及法律、醫療、投資或合規：讓 AI 整理問題和草稿，最後仍要真人專業審核。
這也是為什麼 Anthropic 文件會先要求「成功標準」和「可測試案例」。如果你不知道好答案長什麼樣，模型也很難穩定幫你抵達。
一週練習路線：從日常 Prompt 到可重複流程
-
第 1 天：整理一個常用任務 選 Email、會議摘要、學習筆記或資料整理其中一個，用五段式寫出第一版。
-
第 2 天：加入輸出格式 把「整理一下」改成固定欄位、字數、排序規則。保存前後差異。
-
第 3 天：補一組好範例和反例 讓 AI 模仿你真正喜歡的語氣，並避開你不想要的浮誇風格。
-
第 4 天：要求先列計畫 對複雜任務加上「先列 5 步計畫，等我確認」。觀察返工是否變少。
-
第 5 天：建立錯誤清單 記下最常失敗的 3 種回答，分別補背景、限制或來源要求。
-
第 6 天：做 5 個測試案例 固定代表性輸入，之後每次改提示詞都重跑一次。
-
第 7 天：決定要不要變成流程 如果一週內重複使用超過 3 次，把它放進文件、範本或自動化工具；如果只用一次，就保持簡短。
想少走一點路，可以先用 Prompt 產生器指南 或直接到 Mason Prompt 產生器 做草稿，再用本文的診斷清單修正。