🎯 實戰技能 · 2026 最新
Prompt Engineering提示詞工程完全指南
學會跟 AI 說話的藝術，讓 ChatGPT、Claude、Gemini 真正變成你的超級助手
什麼是 Prompt Engineering？
**Prompt Engineering（提示詞工程）**就是「學會怎麼跟 AI 說話」的技術。同樣一件事，用不同方式問，得到的結果可能天差地遠。
💡 生活化比喻
想像你在餐廳點餐。 ❌ 「來一份好吃的」→ 服務生一頭霧水 ✅ 「麻煩來一份五分熟的肋眼牛排，配烤蔬菜，少鹽」→ 完美上菜
跟 AI 對話也一樣，給得越明確，回答越精準。
為什麼這麼重要？
📈 效率提升
好的 Prompt 可以讓你的工作效率提升 3-10 倍，一次就得到你要的結果
💰 省錢
減少來回修改次數 = 省 API 費用。企業規模使用下差距巨大
🎯 準確度
結構化的 Prompt 可以把 AI 回答的相關性提升 60% 以上
🔧 通用技能
所有 LLM（ChatGPT / Claude / Gemini）原則都通用
Prompt 黃金公式
🏆 R.T.F.C 四要素
Role（角色）→ 你是誰
Task（任務）→ 要做什麼
Format（格式）→ 怎麼呈現
Context（背景）→ 為什麼做
實際示範
❌ 初學者的寫法
「幫我寫一篇行銷文案」
✅ 用黃金公式改寫
**角色：**你是一位有 10 年經驗的社群行銷專家
**任務：**為我的手工皂品牌寫 5 則 Instagram 貼文
**格式：**每則貼文包含：吸引人的開頭（用 emoji）、150 字內文案、5 個 hashtag
**背景：**目標客群是 25-35 歲注重天然成分的女性，品牌走清新自然風
進階公式變體
| 場景 | 公式 | 範例 |
|---|---|---|
| 寫作 | 角色 + 風格 + 長度 + 受眾 | 「用《商業周刊》的寫作風格，寫 800 字給科技業主管看的文章」→ AI 寫作指南 |
| 程式 | 語言 + 功能 + 限制 + 範例 | 「用 Python 寫一個 CSV 轉 JSON 的函式，要有錯誤處理」 |
| 分析 | 資料 + 角度 + 產出格式 | 「分析這份銷售數據，從季節性和客群兩個角度，產出表格」→ AI 數據分析 |
5 大核心技巧
1️⃣ Chain of Thought（思考鏈）
加一句「請一步一步思考」，AI 的邏輯推理能力立刻提升。
📋 範例
「某公司 Q1 營收 500 萬，Q2 成長 20%，Q3 又下降 15%。請一步一步計算 Q3 的營收是多少？」
2️⃣ Few-shot Learning（給範例）
給 AI 2-3 個輸入→輸出的範例，它就會「學會」你要的格式和風格。
📋 範例
「以下是情感分析的範例：
輸入：『這家餐廳太好吃了！』→ 正面
輸入：『等了一個小時還沒上菜』→ 負面
輸入：『餐點普通，但環境不錯』→ 中性
現在分析以下 10 則評論的情感⋯⋯」
3️⃣ System Prompt（系統指令）
在對話開始前設定 AI 的「人格」和行為規則，確保整個對話的一致性。
📋 範例
「你是 AI 不焦慮的客服助理。規則：
- 用繁體中文回答
- 語氣友善但專業
- 不確定的問題回答『讓我幫你轉接真人客服』
- 永遠不要編造不存在的產品功能」
4️⃣ 角色扮演
讓 AI 扮演特定專家，得到更專業的回答。
👨⚕️ 醫療
「你是一位有 20 年經驗的家庭醫學科醫師」
👨💼 商業
「你是麥肯錫的資深管理顧問」
👩🏫 教育
「你是一位擅長用比喻解釋複雜概念的大學教授」
✍️ 寫作
「你是一位得過金鼎獎的商業雜誌主編」
5️⃣ 迭代改進
別期待一次完美！好的結果來自多次來回。
📋 迭代流程
第一輪：「幫我草擬⋯⋯」
第二輪：「語氣再輕鬆一點」
第三輪：「加入具體數字和案例」
第四輪：「縮短到 500 字以內」
→ 🎯 完美輸出！
進階技法
Tree of Thought（思考樹）
讓 AI 同時考慮多個方案，然後選出最好的。
📋 用法
「針對我們公司的客戶流失問題，請提出 3 個完全不同的解決方案，分別從價格策略、產品改進、客戶關係三個角度出發，然後比較優缺點，推薦最佳方案。」
ReAct（推理 + 行動）
適合需要查資料或做計算的任務，讓 AI 邊想邊做。
📋 用法
「我想知道現在投資台積電是否是好時機。請：
- 思考：需要考慮哪些因素？
- 行動：分析最近的財報數據
- 觀察：目前市場的看法是什麼？
- 結論：給出你的建議和理由」
Negative Prompt（反向提示）
告訴 AI 不要做什麼，有時比告訴它要做什麼更有效。
📋 範例
「寫一篇產品介紹。
不要：❌ 使用行銷術語 ❌ 誇大效果 ❌ 超過 300 字
要：✅ 用日常對話的語氣 ✅ 附具體使用情境 ✅ 讓國中生也看得懂」
實戰範例庫
📧 Email 助手
「幫我回覆這封客戶抱怨信，語氣要：同理心 → 道歉 → 解決方案 → 補償。控制在 200 字內。」
📊 數據分析
「分析這份 CSV 銷售數據。找出：1) 最暢銷的前 5 名產品 2) 銷售低谷月份 3) 建議的促銷時機。用表格呈現。」
📝 會議記錄
「把以下會議逐字稿整理成：決議事項（用 ✅ 標記）、待辦事項（標明負責人和截止日）、下次會議議題。」
🎯 面試準備
「我要面試 Google 的 PM 職位。請出 5 題常見面試題，每題附：考察重點、回答架構、90 分範例答案。」
📚 學習助手
「用蘇格拉底式問答法教我量子計算的基本概念。先問我問題引導我思考，不要直接給答案。」
🌐 翻譯潤稿
「把這段中文翻成英文。要求：保留原文語氣、使用商業正式用語、句子簡潔有力、附翻譯說明。」
常見錯誤
⚠️ 避免這些坑
- 太模糊：「寫點東西」→ 必須具體說明主題、風格、長度
- 太冗長：把所有需求塞在一段話 → 分步驟拆解會更好
- 沒給背景：AI 不知道你的情境 → 先說明你是誰、要給誰看
- 期待一次完美：初版只是草稿 → 迭代修改才是正確流程
- 忽略格式：不指定輸出格式 → 加「用表格/用條列/用 Markdown」
常見問題
Prompt Engineering 是什麼？
Prompt Engineering（提示詞工程）是一門讓 AI 更好地理解你意圖的技術。透過精心設計的指令，你可以大幅提升 AI 回答的品質和相關性。不需要會寫程式，會說中文就能學。
學 Prompt Engineering 需要會寫程式嗎？
完全不需要！Prompt Engineering 的核心是用自然語言跟 AI 溝通。本指南所有範例都用白話中文撰寫，任何人都能學會。
這些技巧對所有 AI 都有效嗎？
是的！核心原則（明確、具體、給背景、給範例）對所有 LLM 都適用，包括 ChatGPT、Claude、Gemini、Copilot 等。只有一些進階功能的細節會因平台而異。