Prompt Engineering 提示工程入門 —

✦ 重點摘要

提示工程（Prompt Engineering）就是學會怎麼跟 AI 有效溝通。本文整理了學習路線（基礎 → 進階 → 可靠性 → 圖像），以及三種核心技巧：Zero-shot（零樣本）、Few-shot（少樣本）、Chain-of-Thought（思維鏈）。掌握正確結構（角色 → 背景 → 任務 → 規則 → 格式 → 思考）後，你的 prompt 效果能翻好幾倍！

前言：為什麼「下指令」這麼重要？

嘿，最近跟朋友聊天的時候，發現很多人覺得 ChatGPT 或 Claude 很好玩，但問到「怎麼讓它變得更好用？」的時候，就卡住了。有些人會亂試亂猜，輸入一個句子就等著看結果；有些人則會覺得「反正 AI 會理解的」，然後抱怨結果不如預期。

實際上，提示工程（Prompt Engineering） 其富有趣的「下指令術」 — 就像你在跟一個非常聰明但有點孤立的助手溝通，關鍵是怎麼下手。

本文參考 learnprompting.org 的系統教學，帶你從零開始認識這門學問。

什麼是提示工程？

提示工程的定義很簡單，但實踐起來可沒這麼容易：

提示工程（Prompt Engineering）是「與 AI 進行有效溝通來實現預期結果的過程」。
— 來源：learnprompting.org

換句話說，就是怎麼讓你的提示更清楚、更有結構，讓 AI 知道你到底要幹嘛 - 而不是胡亂猜測你的意思。

學習路線圖：從入門到進階

learnprompting.org 把提示工程分成了幾個等級，你可以根據自己的需求跳著讀：

            學習等級
            🟢 基礎（Basics） — AI 與 PE 入門，適合零基礎
🟦 基本應用（Basic Applications） — 實用的提示技巧
◆ 中級（Intermediate） — 基於研究的技術，較中等複雜
◆◆ 進階（Advanced） — 強大的複雜提示工程應用
可靠性 — 增強 LLM 穩定性
圖像提示 — DALL·E / Stable Diffusion 提示詞
提示駭客攻擊 — 安全性議題
工具 — 提示工程 IDE 與工具
可訓練提示 — 梯度最佳化技術

          

學習建議

不需要照順序讀，可以根據興趣跳轉。初學者建議從基礎開始；熟悉者可直接看中級或基本應用。

三種核心技巧

1. Zero-shot（零樣本）

直接描述任務，不給例子：

請將以下英文翻譯成中文：
"The quick brown fox jumps over the lazy dog."

適合：簡單的分類、翻譯、摘要等任務。

缺點：複雜任務準確度不穩定。

2. Few-shot（少樣本）

給 2~5 個例子示範格式與邏輯：

請根據示例進行情感分類：

示例1：
文本："這家餐廳的服務太棒了！"
情感：正面

示例2：
文本："等了一個小時才上菜，體驗很差。"
情感：負面

現在請分類：
文本："雖然有點貴，但食材新鮮，值得推薦！"
情感：

技巧：3~5 個例子就好，太多會浪費 token；把最重要的例子放最後。

3. Chain-of-Thought（思維鏈）

讓 AI 一步一步想，而不是直接給答案：

問題：如果一輛車以60km/h的速度行駛，需要多長時間才能行駛150公里？

讓我們一步一步思考：
1. 已知速度 = 60km/h，距離 = 150km
2. 公式：時間 = 距離 ÷ 速度
3. 帶入：150 ÷ 60 = 2.5 小時
答案：2.5 小時

常用觸發語："Let's think step by step" 或 "請先推理後回答"

怎麼寫一個「好提示」？

高品質的提示通常遵循這個結構：

            結構模式：

            角色設定 → 背景脈絡 → 任務說明 → 規則限制 → 格式要求 → 思考提示

實戰範例：寫部落格文章

你是一位 15 年經驗的內容編輯，專注於科技與職場。

背景：
目標讀者是剛踏入職場的年輕人，對 AI 工具感到好奇但不知道如何上手。

任務：
請幫我寫一篇 1500 字的繁中部落格，主題是「AI 時代的自由工作者」。

規則：
- 不超過 30 歲以上的讀者也能看懂
- 加入 2~3 個實際案例
- 每段結尾問一個問題，引發思考

格式：
1. 引言 2. 核心論點 3. 實例分享 4. 結論

請一步一步思考，先列出大綱再展開。

常見應用場景 + 好提示分享

🔧 技術：Code Review

<system>
你是資深工程師，20 年經驗，專精於安全與程式碼品質。
</system>

<task>
請審查以下程式碼，找出安全漏洞與效能問題。
</task>

<rules>
- 列出具體行號與嚴重程度（CRITICAL/HIGH/MEDIUM/LOW）
- 提供修改建議，不要重寫整個檔案
</rules>

📊 商業：數據分析

<system>
你是 SaaS 公司的 CFO，負責 Q2 財報分析。
</system>

<data>
- 收益 $15.2M，成長 22%
- 企業客戶成長 30%，SMB 下降 5%
- 毛利 72%，EBITDA 18%
</data>

<task>
請分析 Q2 財報，提出 Q3 策略建議。
</task>

<rules>
- 引用具體數據支持
- 列出 3~5 個可行動項目
- 直言不諱，避免模稜兩可
</rules>

🐛 調試：Bug 追查

你是分布式系統的除錯專家。

背景：
- 生產環境 /api/user 偶發 401 錯誤
- 只發生在流量高峰
- 錯誤日誌顯示「Invalid or expired token」

請推理出根本原因，並提出最小化修復方案。

實用 Tips

清楚 > 聽話：不要期望 AI 默懂你的脈絡，盡可能具體描述。
結構化標籤：用 XML 或標點符號區隔角色、任務、規則。
加入「思考」環節：讓 AI 自己推理後再回答，品質會好很多。
多問、多改：如果結果不滿意，不是埋怨 AI，而是回去優化你的提示。

結語

提示工程其實沒有那麼可怕。就像學習一門語言差不多 — 剛開始會覺得詞彙、語法規則無趣，但習慣了之後，就可以流利地「下指令」，讓 AI 成為你的得力助手。

下次你在跟 AI 聊天之前，試著先想想：

它是誰？（角色）
它知道什麼？（背景）
它要做什麼？（任務）
該怎麼做？（規則與格式）

🎯 關鍵回憶： Zero-shot 適合簡單任務，Few-shot 適合模式示範， CoT 適合推理鏈。結構清晰的提示永遠比冗長的描述更有效。

想要我幫你客製化一個好提示嗎？直接說出你的需求，比如「幫我寫一份行銷文案」或「幫我把這段程式碼加上註解」，我們一起來練手吧！