跳到主要內容

與官方正式學習：從新手到高手的 Prompt 完整入門指南

AI 更新的速度實在太快，快到我都感覺飛起來，上個月不行的事情，這個月就可以，這其中追得好累，就像那些年我們追的女（男）孩，追不到才是最美。

對於大家來說，學習些本質才是真正的核心，舉例來說就像『如何賭博必贏』，真正的答案就是『不要賭』，簡單如斯，但這麼簡單的事情，大家都覺得在騙肖誒，實際上就真的是如此，答案很多時候就是這麼簡單。

當然大家肯定不會只是聽我說說，那就讓官方來説説吧！

這些原廠，基本上為了留住顧客，開始讓大家知道核心『如何下 Prompt』 你也許會問到，怎麼這麼好？實際上就是這麼好，不用付錢，不用給點數，只需要註冊一個帳號，免錢當然多少要付上個資，大家彼此利益交換，這才是他們希望能夠做到的，當你想起 AI ，你就會想起那個『誰』。

這些東西，一切都免錢，免錢，免錢，萬得佛。

您是否曾經覺得，與 AI（像是 ChatGPT 或 Claude）對話時，它給出的答案總是有點……不對勁？有時候答非所問，有時候過於籠統，有時候則完全誤解了你的意思。

這就像在操作一台功能強大的 GPS，如果你只輸入「去市中心」，它可能會帶你到一個你完全不想去的地方。但如果你輸入一個精確的地址、避開高速公路、並要求尋找沿途的充電站，它就會成為你最得力的助手。

與 AI 的溝通也是如此。你輸入的指令，也就是「提示」（Prompt），就是決定 AI 表現好壞的關鍵。「Prompt Engineering」（提示工程）聽起來很專業，但它的核心理念非常簡單：學習如何更精準地提問，來獲得你真正想要的答案。

這篇文章將為您拆解 OpenAI (ChatGPT 的開發者) 和 Anthropic (Claude 的開發者) 官方指南中的核心技巧，用生活化的情境和範例，帶您一步步掌握與 AI 對話的藝術。

第一部分：掌握四大黃金法則

無論您想用 AI 做什麼，從寫一封 email 到規劃一場派對，以下四個黃金法則都是您成功的基石。

法則一：清晰、具體、不模糊

AI 沒有讀心術，它只能根據你給的文字進行推測。你的指令越模糊，AI 的答案就越可能偏離靶心。

  • 情境： 你想讓 AI 幫你寫一首詩。

  • ❌ 不佳的 Prompt:

    寫一首關於貓的詩。

  • 這個問題在哪？ 什麼貓？什麼風格？長還是短？AI 只能隨機猜測。

  • ✅ 優質的 Prompt:

    請你扮演一位充滿童心的詩人，寫一首五行短詩，描述一隻橘色虎斑貓在陽光下打盹的慵懶模樣。風格要溫馨、可愛。

  • 為何更好？

    • 角色 (Role): 充滿童心的詩人

    • 主題 (Subject): 橘色虎斑貓在陽光下打盹

    • 格式 (Format): 五行短詩

    • 風格 (Style): 溫馨、可愛

法則二：給予足夠的背景資訊 (Context)

AI 不知道你的工作內容、你的客戶是誰、你的專案進度。在要求它執行任務前，請先把它當成一位新同事，做好「情境簡報」。

  • 情境： 你需要寫一封專案延期的道歉信給客戶。

  • ❌ 不佳的 Prompt:

    幫我寫一封信給客戶，跟他說專案會延遲。

  • 這個問題在哪？ 哪個專案？哪個客戶？為什麼延遲？延遲多久？你希望的語氣是什麼？

  • ✅ 優質的 Prompt:

    我正在進行一個叫做「藍海計畫」的網站開發專案。我的客戶是「陽光企業」的李經理。原定本週五要交付初版設計，但因為設計師臨時生病，需要延後到下週三。請幫我草擬一封專業且誠懇的道歉信，向李經理說明狀況，並強調我們會確保品質，同時詢問他下週三的時間是否方便。

  • 為何更好？ 你提供了所有必要的背景資訊，AI 可以直接生成一封幾乎無需修改的專業信件。

法則三：模仿是最好的老師：提供範例

如果你希望 AI 的輸出有特定的格式或風格，最好的方法就是「秀給它看」。這在處理重複性格式的工作時尤其有效。

  • 情境： 你想讓 AI 幫你整理雜亂的會議記錄。

  • ❌ 不佳的 Prompt:

    幫我整理這些會議記錄。

  • 這個問題在哪？ AI 不知道你想要的整理格式是什麼，它可能會用條列式，也可能寫成一段摘要。

  • ✅ 優質的 Prompt:

    `請根據以下會議記錄，整理出「決議事項」和「待辦事項」。請嚴格遵循這個格式：

    範例格式：

    • 決議事項： [這裡寫下會議達成的共識]

    • 待辦事項： [負責人] - [具體任務內容] - [完成期限]

    會議記錄原文：

    「...會議中大家同意下季度的行銷重點是社群媒體。小王說他會負責製作 IG 的內容行事曆，預計下週一完成。Alice 提到網站的 Banner 設計需要更新，她會在月底前提供新的設計稿。...」`

  • 為何更好？ 你給了 AI 一個清晰的模板，它會像填空一樣，精準地將資訊放入你想要的框架中。

法則四：化繁為簡，循序漸進

面對一個複雜的大問題，不要期望 AI 一次就給你完美的答案。試著將任務拆解，或引導它一步步思考。

  • 情境： 你想規劃一趟家庭旅遊。

  • ❌ 不佳的 Prompt:

    幫我規劃一個五天的東京家庭旅遊。

  • 這個問題在哪？ 這太籠統了。AI 不知道你的預算、興趣、成員組成，它給的行程可能完全不適合你。

  • ✅ 優質的 Prompt:

    `我想規劃一個五天的東京家庭旅遊，成員有兩個大人和一個六歲的小孩。請你先不要給我完整的行程，而是先幫我一步步思考：

    1. 首先，根據有小孩的家庭，推薦三個適合的住宿區域，並分析其優缺點。

    2. 接著，列出 10 個適合六歲小孩的景點或活動。

    3. 最後，建議兩種交通方式（例如：地鐵券、租車）的利弊。

    請先完成這三步的分析，我會根據你的分析再進行下一步的規劃。`

  • 為何更好？ 你把一個大問題變成了三個小問題，讓 AI 的回答更聚焦、更有用。這也讓整個過程變成一場你主導的對話，而不是被動地接收資訊。

第二部分：實戰演練：一個完整的 Prompt 工作流

現在，讓我們把這些法則應用在一個真實的情境中，看看一個好的 Prompt 是如何誕生的。

  • 情境： 你是一位行銷新手，需要為公司新推出的「燕麥奶咖啡」撰寫三篇風格不同的 Instagram 貼文。

步驟一：設定清晰的目標

  • 你的目標是什麼？ 我需要三篇 Instagram 貼文文案，它們要能吸引人，並且風格各不相同，以測試哪種最受歡迎。

步驟二：賦予 AI 角色與背景

  • 把情境簡報給 AI：

    你是一位資深的社群媒體行銷專家，特別擅長撰寫吸引人的食品飲料文案。我們公司即將推出一款新的「陽光燕麥奶咖啡」，主打特色是使用有機燕麥、口感滑順、無添加糖。我們的目標客群是 25-40 歲注重健康、有環保意識的上班族。

步驟三：下達具體的指令與要求

  • 告訴 AI 確切的任務和格式：

    `請為這款咖啡撰寫三篇 Instagram 貼文文案，每篇文案包含內文和 5 個相關的 hashtags。三篇文案的風格必須不同：

    1. 專業風格： 強調產品的健康益處和高品質原料。

    2. 活潑風格： 使用表情符號，語氣輕鬆，像朋友推薦一樣。

    3. 文青風格： 描述一個悠閒的早晨，咖啡如何融入質感生活。`

步驟四：組合與執行 (Final Prompt)

現在，把以上所有部分組合起來，形成一個完整的 Prompt：

`你是一位資深的社群媒體行銷專家，特別擅長撰寫吸引人的食品飲料文案。

背景資料：

  • 產品： 陽光燕麥奶咖啡

  • 特色： 使用有機燕麥、口感滑順、無添加糖

  • 目標客群： 25-40 歲注重健康、有環保意識的上班族

任務指令：

請為這款咖啡撰寫三篇 Instagram 貼文文案，每篇文案包含內文和 5 個相關的 hashtags。三篇文案的風格必須不同：

  1. 專業風格： 強調產品的健康益處和高品質原料。

  2. 活潑風格： 使用表情符號，語氣輕鬆，像朋友推薦一樣。

  3. 文青風格： 描述一個悠閒的早晨，咖啡如何融入質感生活。`

步驟五：迭代與優化

AI 產生結果後，你可能會發現有些地方可以更好。例如，你覺得「活潑風格」的文案不夠有互動性。這時，你可以進行追問：

很好，請修改一下「活潑風格」的文案，在結尾加上一個與粉絲互動的問句。

這就是一個完整的、從目標到優化的工作流程。

第三部分：進階技巧：讓你的 AI 更懂你

當你掌握了基礎後，可以試試下面這兩個小技巧，它們能讓你的 Prompt 結構更清晰，效果更上一層樓。

技巧一：用「標籤」來組織你的想法

當你的 Prompt 很長、包含多個部分時，AI 可能會感到困惑。這時候，你可以像整理文件夾一樣，用簡單的標籤把不同區塊包起來。Claude 的文件特別推薦使用 XML 標籤 <tag></tag>，但其實用簡單的標題符號（如 ###）也能達到很好的效果。

範例：

`### 背景資料 ###

我的產品是「陽光燕麥奶咖啡」...

任務指令

請撰寫三篇不同風格的文案...

排除項目

請不要使用「前所未有」、「終極」等過於誇張的詞彙。`

這樣做可以極大地幫助 AI 理解你複雜指令的結構，避免它遺漏或混淆你的要求。

技巧二：給 AI 一個「角色」

我們在前面的例子中已經多次使用這個技巧，但它值得再次強調。在 Prompt 開頭用一句「你是一位...」或「請扮演...」來設定 AI 的角色，是改變輸出品質最簡單、也最有效的方法之一。

  • 你是一位經驗豐富的旅遊作家，請...

  • 你是一位精打細算的背包客，請...

這兩個 Prompt 會產生截然不同的旅遊建議。前者可能推薦精品酒店和米其林餐廳，後者則可能建議青年旅舍和當地小吃。

結論：這是一場對話，也是一種技能

與 AI 的溝通，不像下達命令，更像是一場需要技巧的對話。它不是一次性的交易，而是一個可以反覆修正、不斷優化的過程。

請記住，沒有所謂的「完美 Prompt」，只有「更有效的 Prompt」。今天你學到的法則和技巧，是一個強大的起點。不要害怕嘗試，盡情發揮創意，把 AI 當成你的專屬助理、寫作夥伴、和創意發想機。

當你開始練習並掌握這門「對話的藝術」時，你會驚訝地發現，AI 能為你的工作和生活帶來多麼巨大的潛力。現在就動手試試看吧！

看到這邊，恭喜你已經贏過 70% 的人，大部分都沒看完就走了。

剩下 30%，分別有兩群人，一群人是直接跳到 End，另外一種是真正看完的。不論你是哪一種，我都很感謝，畢竟整理資料並不是大家想的 copy paste & generate by AI。

即便這篇文章再豐富，大家還是會希望可以付個錢，找個所謂 nXn 專家，aX coding 大師來手把手教導各位，希望能上一堂課就直接突破天際，立刻成神。

基本上我是做不到這件事情，但也許其他專家可以，寫了這麼多，當然希望大家可以多使用在工作，課業，愛情，健康上，預祝大家身體健康，萬事如意。如果有興趣，歡迎加入 LINE@ AI for developer 社群。

「AI for Developer」！請點選以下連結加入社群！ https://bit.ly/4az4vJt

或者可以加入  AI for Developer Taiwan社團， https://www.facebook.com/groups/1362642437933526/

標籤：

留言

張貼留言

這個網誌中的熱門文章

Vibe Coding：為什麼 Junior 更快上手？Senior 要如何追趕？

現象層面（市場觀察） 最近有篇文章討論 junior & senior 開發者在 AI 時代的角色轉變，非常熱門。 身為 Cympack 產品開發團隊 ，我們也一直關注這個議題，在閱讀這篇文章時觀察到一些有趣的現象，對我們來說，這正好反映出 AI 正在改變開發生態，junior 借力 AI 快速成長、senior 則需要在 「架構思維」 與 「多 agent 協作」 中找到新定位，其中有些啟發（insight) 可以跟大家分享。 為什麼 Junior 更容易上手 vibe coding？ 心智負擔低 → Junior 沒有太多傳統 code workflow 的框架包袱 敢於嘗鮮 → Gen Z / 年輕工程師天生習慣用 prompt-based 工具、跟 LLM 互動 少「優雅程式設計」的束縛 → 不太糾結「這樣寫會不會不夠優雅」，反而 embrace 快速迭代、快速出成果 反觀 Senior： 熟悉大型系統設計 有豐富的「工程正統流程」知識（架構設計、測試策略、效能優化、設計模式） 對 AI 生成 code 的品質 / 維護性通常比較保留 部分 10+ 年資深工程師，對 prompt engineering 沒那麼熟練，還在觀望 技能面（未來的關鍵能力） Vibe coding 本質上 = prompt engineering + AI co-pilot 管理能力 能力項目 誰目前比較有優勢？ Prompt 撰寫 / AI 互動 Junior 較強（熟悉 chat-based 流程） 系統設計 / 架構把關 Senior 較強 AI 生成 code 驗證 / Bug 察覺能力 Senior 較強（能看出潛在問題） 快速疊代 / Hackathon 式開發 Junior 較強 長期維護性 / 穩定性 Senior 較強 總結 Junior 確實更快適應 vibe coding，並且更習慣以 「chat-based coding」 的工作流開發。 Senior 擁有驗證 AI 產物與系統設計的深度能力，但若不主動練習 vibe coding，長期會逐漸落後於新一波開發潮流。 就如同在 GAI 技術年會分享，希望帶給各位的感受， 『與 AI 協...
張貼留言
繼續閱讀>>

Vibe Coding 協作到自建 Dev Agent？從 Claude / Codex 到 OpenHands

過去一年，越來越多工程師開始 把 AI 真正帶進工作流程 。從一開始用 ChatGPT、Claude 來問語法問題，到後來很多人愛上 Cursor，直接在編輯器裡讓 AI 幫忙改 code、補 test case、甚至自動整理 PR。這樣的開發體驗，已經大大改變了我們寫程式的方式。 更現實的是，在很多企業內部、政府單位、或涉及機密資料的專案裡， 其實根本不能直接用 Cursor 或雲端 LLM 工具。   畢竟這些服務通常會把資料傳到雲端模型做處理，萬一專案裡有未公開的技術、敏感客戶資料，或是受限於法規 （像金融、醫療、政府標案） ，直接用雲端 AI 工具就會踩 紅線 。  因此，許多團隊反而更希望 「自己架一套 Dev Agent」 ，可以在內網執行，資料完全掌握在自己手上，該整合的內部工具、該讀的私有 repo、該串的 CI/CD pipeline，全部客製化、安全可控。 這時候，像 OpenHands 這樣的開源 Dev Agent 框架就特別有價值。它的出發點不是單純的 AI 助手，而是讓你能夠打造出一個真的可以跑在自己環境裡、可以理解整個開發流程的 AI 工程師。從建置到部署，從 CLI 操作到瀏覽器查詢， 從多檔案編輯到自動測試，全部都能自己完成，甚至還能針對不同專案調整專屬的工作流。 對很多開始探索 AI 協作開發的團隊來說，這是一條 從 「AI 幫你寫一段程式」，走向「AI 幫你解決一整個任務」 的進化路徑。而且，還是在可控、可自定義、安全的環境裡完成的。 🧩 主要概述 OpenHands 是由 All‑Hands AI 開發的開源「軟體開發代理人平台」，能模仿人類工程師從建立程式、修改程式碼、執行指令，到瀏覽網頁、呼叫 API……等一整套開發流程 它提供雲端（OpenHands Cloud）與本地 Docker 運行版本，用戶能配置 LLM（如 Claude、OpenAI、Gemini…) 📚 核心特性與怎麼使用 代理人的工具能力 支援代碼編輯、命令行、執行環境、網頁瀏覽、API 呼叫—接近人類開發者完整技能。其中 OpenHands Cloud 版本提供 $50 試用額度讓大家方便使用，又或者如果自己本機有 docker 的話，可以自己Local 版本透過 Docker 自架環境。 ...
張貼留言
繼續閱讀>>

RAG 和 Prompt 原理超簡單解說！想知道 AI 怎麼找答案看這篇

這篇文章是給對於你已經開始使用所謂的 ChatGPT / Claude / Gemini 之類的 AI 服務，甚至是 Siri (嘿丟，他也是一種 AI 應用服務喔） 簡單來說是非 技術人員， PM，小白，想要趕快惡補的人 ，直接花十分鐘可以看完的一篇科普業配文章。 或者是概念僅止於，AI 這東西會幻想，會有誤差，會對於生活有些幫助但沒有幫助的人們，做個簡單又不是太簡單的介紹，希望用一個非常入門的方式讓你們有個了解。 當然，這篇文章目的很簡單， 就是引流 ，如果你身邊有已經對於 Web 技術開發的人員，歡迎報名分享給他，年末出國不如學一技在身，參加今年我們舉辦最後一場 RAG 實作工作坊，報名連結 ， https://exma.kktix.cc/events/ai-for-dev-course-rag-2 注意： 接下來每個大段落結束都會有一段工商導入，但文章絕對精彩，請注意！ 為了讓各位容易想像，我們將整個世界的資訊，先濃縮到這本『西遊記』的世界觀當中，我們整個世界都在這個 『西遊記』 ，而 大型語言模型 我們用 『書精靈』 來描述。 PS. 我們先預設各位，應該都有聽過，西遊記！如果沒有聽過西遊記的，請右轉出去，謝謝！ 先來談談向量 在《西遊記》的世界裡，我們可以把 向量想像成一種「內容座標」 ，讓系統知道每個角色、場景、法術等的 「位置」和「距離」 。向量幫助語言模型知道不同內容之間的關聯程度。 向量就像內容的「距離」和「位置」 比方說，唐三藏的 「位置」（向量）會接近「佛經」和「取經」 的概念，因為他一路上都是為了取經而前進。孫悟空的 向量位置則會更靠近「金箍棒」和「七十二變」 這些概念，因為這些是他的特徵。 相似內容靠得更近：像「佛經」和「取經」會靠近唐三藏的向量，因為它們彼此有很強的關聯。 相差較大內容會離得較遠：像「取經」和「妖怪」「妖怪的寶藏」就距離比較遠，因為妖怪的寶藏和取經的目標關聯性不大。 是誰決定的這些位置？ 簡單來說，這些位置和關係是模型自己學出來的。語言模型會閱讀大量的資料和這世界觀的資訊，觀察哪些詞語經常一起出現，根據「共同出現的頻率」來決定它們的關係，並且自動生成向量。例如： 如果模型看到 「唐三藏」 總是和 「取經」 一起出現，它就會讓「唐三藏」的向量靠近「取經」。 ...
2 則留言
繼續閱讀>>