多數人對 AI 的第一印象都差不多，試了幾次，覺得不如預期，然後得出「AI 沒那麼神」的結論。但問題通常不在工具，而在問法。
Google Cloud 的提示工程指南，把這個技巧定義為「設計和最佳化提示的技巧與原理，旨在引導 AI 模型生成想要的回覆」。說白了，就是如何把你要的東西說清楚。
而 Anthropic 對使用 Claude 的建議是，把模型想成一位聰明但字面解讀的新員工；想像他第一天上班，有能力，但會完全照你說的做；因此，你說得模糊，他就做得模糊，你說得精準，他就照著精準執行。
Anthropic 收攏的黃金法則就很簡單：把提示詞給一個沒有背景知識的同事看，如果他看不懂，模型也看不懂。
基礎習慣：每一個限制條件都在幫模型做決定
模糊的提示詞之所以產生模糊的輸出，是因為模型在缺乏指引的情況下會預設產出安全、面面俱到的答案。加入限制條件，就是替模型消除一個它可以迴避的選擇。
以撰寫行銷趨勢分析為例，改寫前後的差距能說明這個邏輯：
改寫前：「寫關於行銷趨勢的內容。」
改寫後：「分析過去六個月最重要的三個 B2B SaaS 行銷趨勢，每個趨勢給一個企業案例，並用一句話判斷這個趨勢是會加速還是趨於平緩。以 400 字的簡報形式呈現，受眾是非技術背景的董事會成員。」
「三個」強迫排序，「加速或趨於平緩」強迫做出判斷，「董事會簡報」決定了什麼要留、什麼要刪。每個限制都是一個模型不再需要自己猜測的決定。
而提供範例是日常提示中槓桿最高的操作，Google Cloud 的提示工程指南也強調，在提示中提供相關說明與範例，是幫助模型理解任務意圖最直接的方式。
模型從範例中抓取模式的速度，遠快於從文字描述中理解意圖。如果你想把會議紀錄轉成行動項目，與其說「轉成行動項目」，不如直接給兩個範例說明格式：「記錄：Sarah 會去研究定價問題，下週回覆。行動項目：Sarah → 研究定價選項 → 下週五前完成。」再貼上實際紀錄請模型依樣處理，結果的準確度會遠高於純文字描述。
正向指令也比負向禁止更有效。「不要太正式、不要用術語、不要無聊」這類指令，比正面表述更容易被違反。改成「用溫暖的對話語氣，像一個聰明的同事在咖啡廳解釋一樣，使用簡單的英文和短句」，輸出會更穩定。
同樣的道理也適用於提示詞的風格。如果你的提示詞充滿條列式和粗體，輸出也會是條列式和粗體，也就是說，如果你想要流暢的散文，就用散文寫提示詞。
進階工作流程：把提示當成測試驅動開發
掌握基礎習慣之後，下一步是建立更系統化的工作方式。核心觀念只有一個：第一個提示詞只是草稿。
有經驗的使用者會在正式使用一份提示詞之前，準備五個測試輸入，包含正常案例和邊緣案例，把提示詞跑過全部五個，觀察在哪裡失敗，然後改動一個變數重新測試。而「一次只改一個變數」是這裡最重要的紀律——同時改三件事，你就不知道是哪個改動有效。
與此搭配的習慣是明確定義「完成」的標準。OpenAI 的提示工程建議指出，沒有完成標準，模型會自己決定什麼叫做「答夠了」，而且通常在第一個看起來合理的回答就停下來。
舉例來說，「幫我除錯這個 Python 錯誤」這樣的提示，遠不如「幫我除錯這個 Python 錯誤，完成條件是：找出根本原因、提出具體修正方案並附上修正後的程式碼、解釋原本的程式碼為什麼會失敗。如果對任何一點沒有把握，請明說而不是猜測。」
養成這些習慣之後，把有效的提示詞存起來就是下一步。按任務類型分類，作為可調整的模板，每次使用時打開對應模板、貼入今天的素材，而不是從頭重新組裝。否則你就需要反覆重寫同樣的框架，或每次都忘掉幾個關鍵的限制條件。
常見錯誤與跨模型的注意事項
還有幾個常見錯誤包括，對推理模型說「一步一步思考」是多餘的，因為這類模型已在內部完成推理步驟，這個指令留給一般模型使用就好。
另外，使用激進語氣，例如「CRITICAL: You MUST…」也不會讓輸出更好，因為現代模型對普通指令的回應已經很靈敏，這類強調方式反而可能觸發過度謹慎的回應。在提示詞裡放入模型不認識的縮寫也是常見問題。
跨模型差異則是另一個需要意識到的現實。同一份提示詞在 GPT 上有效，不代表在 Claude 或 Gemini 上也有效，因為不同模型家族需要不同的提示策略，適用於一個模型的設定，可能在另一個模型上產生截然不同的結果。
提示工程的本質不是找到完美的模板，而是把每次互動當成迭代實驗。
失敗是資訊，告訴你下一個變數要改什麼。最能善用 AI 的人，不是擁有最好模板的人，而是把模型當成強力工具來推進工作的人。但辨認正確答案仍然是你的工作，這個分工不會因為模型變得更強而改變。
【推薦閱讀】
◆ 單一提示詞已不夠用，企業如何透過提示鏈讓 AI 輸出真正可信賴？
◆ ChatGPT 寫程式有秘訣嗎？看完專家分享的三個提示詞建議，以後你看到它都會笑了！
◆ 【開工後 email 整理完了沒】Google 工具有這麼多工作神技！Gemini 怎麼用一次教你
＊本文開放合作夥伴轉載，參考資料：GeekWire、Google Cloud，首圖來源：Unsplash
（責任編輯：鄒家彥）
