提示詞怎麼寫?10 招讓 AI 聽懂人話|新手入門

AI 不會讀心。你給的字越少、越模糊,它只能用「最大公約數」的方式亂猜,回答自然又空又通用。反過來,同一個模型,只要你把需求講清楚、給對脈絡,回答品質可以差到像換了一個等級的工具。這也是為什麼「提示工程(prompt engineering)」會變成一門顯學:它不是什麼黑魔法,而是「把需求講清楚」這件事的結構化版本。

好消息是,寫好提示詞沒有想像中難。OpenAI、Anthropic、Google 三家官方文件講的原則其實高度一致,站長把它們整理成 10 個新手也能立刻上手的技巧,每個都附「爛提示 vs 好提示」對照,你照著調整,今天就有感。

🛠️ 實戰步驟:10 個提示詞技巧

技巧 1:先給 AI 一個角色(Persona)

直接結論:開頭先指定 AI 用什麼身分回答,它的用詞、深度、觀點會立刻對齊。

Google 的 Gemini 官方提示指南把「角色(Persona)」列為提示的第一要素;OpenAI 也建議可以要求模型「扮演特定角色」來穩定風格。差別很明顯:

❌ 爛提示:「幫我看這段程式碼有沒有問題」
✅ 好提示:「你是一位資深資安工程師,請用程式碼審查的角度,幫我找出這段 Python 的安全漏洞」

給了角色,AI 就知道要用什麼標準、講到多深。要它當國小老師解釋、還是當嚴格的期刊審稿人,結果天差地遠。

技巧 2:用動詞把「任務」講清楚(Task)

直接結論:一個提示的核心是動詞——你到底要它「做」什麼。

Google 官方特別強調:任務裡一定要有動詞或明確指令,這是提示中最重要的部分。OpenAI 的第一條原則也是「寫清楚的指令(write clear instructions)」。不要用「關於行銷…」這種名詞句,要用「寫、比較、列出、翻譯、摘要、改寫」這種動作句。

❌ 爛提示:「行銷文案」
✅ 好提示:「幫我寫 3 版 Instagram 貼文文案,主打這款保溫瓶的保溫 12 小時功能」

技巧 3:補足脈絡與背景(Context)

直接結論:AI 只知道你告訴它的事,把背景、對象、限制一次交代清楚。

Anthropic 建議提示要「清楚、直接、有細節」,Google 也把「脈絡(Context)」列為四大要素之一——脈絡越足,輸出越貼題。你是誰、給誰看、要達成什麼、有什麼限制,都要講。

❌ 爛提示:「幫我寫一封信給客戶」
✅ 好提示:「我是軟體公司的客服,要寫信通知一位付費客戶:他回報的當機問題已在最新版修好,語氣要誠懇、道歉但不卑微,300 字內」

如果你的資料量很大(整份 PDF、一堆會議記錄),與其每次貼進聊天框,不如用專門建知識庫的工具會更穩,站長之前寫過的 NotebookLM 完整教學就是專門解決「把大量資料丟給 AI 當脈絡」這件事。

技巧 4:講具體、能量化就量化,別用模糊詞

直接結論:「簡短一點」「專業一點」這種模糊詞,AI 只能亂抓;給數字、給範圍最準。

OpenAI 建議在提示裡「包含具體細節」,並「指定期望的輸出長度」。把「幾點」「幾個字」「幾個選項」「什麼風格」全部量化。

❌ 爛提示:「幫我濃縮這篇文章」
✅ 好提示:「幫我把這篇文章濃縮成 5 個重點,每點不超過 20 字,用條列呈現」

技巧 5:指定輸出格式(Format)

直接結論:先想好你要什麼形狀的答案——表格、清單、JSON、Email——直接講。

Google 四要素的最後一個就是「格式(Format)」:告訴 AI 你要什麼格式,以及不要什麼格式。這一步最省事,因為它省下你事後手動排版的時間。

❌ 爛提示:「比較這三款筆電」
✅ 好提示:「用 Markdown 表格比較這三款筆電,欄位:型號、價格、重量、電池續航、我的推薦度(五顆星)」

技巧 6:給範例,示範一次你要的樣子(Few-shot)

直接結論:與其形容,不如直接示範一兩個「輸入→你要的輸出」,AI 會照抄格式。

這招官方叫「few-shot(少樣本學習)」。OpenAI 與 Anthropic 都指出:給幾個範例,能大幅提升輸出的準確度與一致性。當你要的格式很特殊、很難用講的說清楚時,範例特別有效。

❌ 爛提示:「幫我把這些產品名稱改成適合 SEO 的標題」
✅ 好提示:「照這個範例改寫:輸入『藍牙耳機』→ 輸出『2026 藍牙耳機推薦|降噪、續航實測比較』。現在換你改寫:輸入『機械鍵盤』」

技巧 7:請 AI 一步一步想(Chain of Thought)

直接結論:遇到推理、計算、多條件判斷,加一句「請一步一步思考」準確率會提升。

Anthropic 把這招叫「讓 Claude 思考(chain of thought)」,OpenAI 則說要「給模型時間思考」。原理是:讓模型把推理過程寫出來,而不是直接跳到答案,能減少它「憑直覺亂猜」的錯誤。數學題、邏輯題、需要權衡的決策特別有用。

❌ 爛提示:「我預算 3 萬買桌機還是筆電?」
✅ 好提示:「我預算 3 萬、主要在家剪片偶爾出門,請一步一步分析桌機和筆電的優缺點,最後再給我結論」

技巧 8:用分隔線把「指令」和「資料」分開(Delimiters)

直接結論:當提示裡同時有你的指令和一大段要處理的文字,用符號隔開,AI 才不會搞混。

OpenAI 建議用「分隔符號(delimiters)」;Anthropic 因為 Claude 對 XML 標記特別敏感,建議用 <> 這類標籤。你可以用三個引號、###、或 XML 標籤把資料框起來。

請把下面 <文章> 標籤裡的內容摘要成 3 點:

<文章>
(把你要摘要的整段文字貼在這裡)
</文章>

這樣 AI 就清楚知道:標籤外是指令,標籤內是待處理的原料,不會把資料當成指令來執行。

技巧 9:複雜任務拆成多步,不要一次塞爆

直接結論:一個提示塞十件事,AI 容易漏東漏西;拆成幾輪對話,每輪只做一件。

OpenAI 明確建議「把複雜任務拆解成較簡單的子任務」,Anthropic 也提出「把複雜提示串接(chain prompts)」。與其要求「幫我做完整份行銷計畫」,不如先請它列大綱、確認後再逐段展開。

❌ 爛提示:「幫我做一份完整的產品上市計畫,包含市場分析、定價、通路、廣告、時程」
✅ 好提示:「我要做產品上市計畫。第一步:先幫我列出這份計畫應該包含哪些章節,我確認後再一段一段寫」

技巧 10:把它當對話,不滿意就追加修正(Iterate)

直接結論:第一次的回答不是終點,是草稿;用追問慢慢逼近你要的結果。

OpenAI 特別強調提示工程是「反覆迭代」的過程:看回答、調提示、再看回答。你不需要一次寫出完美提示,反而是「先丟一個、再根據結果修」最有效率。不用重開對話,直接接著說:

「太長了,砍一半」
「第二點我不同意,理由是…,重寫這點」
「語氣太生硬,改得口語一點」

這也是為什麼把 AI 當成「會對話的助理」比當成「搜尋引擎」更能發揮它的價值。如果你想把 AI 直接整進 Windows 日常工作流,可以參考站長寫的 Windows Copilot 完整教學。

🔬 為什麼這樣寫,AI 就聽得懂?

這 10 個技巧背後其實是同一個原理:大型語言模型(LLM)本質上是在「根據你給的上下文,預測接下來最合理的文字」。它沒有你腦中的背景知識,也讀不到你的表情和語氣——它能用的,只有你打進去的那些字。

所以「給角色、補脈絡、給範例」這些動作,說穿了都是在做同一件事:把模型接下來要生成的內容,往你要的方向收斂。你給的限制條件越明確,它的「合理猜測」範圍就越窄,答案自然越貼題。反之,提示越空,它的猜測空間越大,就越容易生出那種「聽起來很順、但沒什麼用」的通用回答。

理解這一層,你就不會再把 AI 當成許願池,而是把它當成一個「能力很強、但完全不認識你」的新同事:你交代得越清楚,它幫你做得越好。這個心態,比背任何提示模板都重要。順帶一提,這些技巧不只對雲端的 ChatGPT 有用,連你在自己電腦上跑的本機 AI(Ollama) 也一樣適用,因為它們是所有 LLM 的共通特性。

💡 總結:先求聽懂,再求驚豔

站長我自己這一兩年重度用 AI 下來,最大的體會是:多數人抱怨 AI 難用,其實卡在「不習慣把需求講清楚」,而不是技巧不夠炫。把上面 10 個技巧濃縮成一句心法就是——先講清楚你是誰、要它做什麼、給它足夠的料、講明你要什麼形狀的答案。

如果你只想先記三個,站長建議挑「角色 + 脈絡 + 範例」這三招,對新手 CP 值最高,通常光是加上這三樣,回答品質就會有肉眼可見的躍升。剩下的分步思考、分隔標記、迭代修正,等你上手了再慢慢加進來。

最後提醒一件事:AI 再會講,也會一本正經地講錯(這叫幻覺)。提示詞能提升回答品質,但不能保證正確;重要的數字、法規、醫療與財務資訊,一定要自己回頭向原始出處查證,別照單全收。

❓ 常見問題

Q:提示詞是不是寫越長越好?

不是。重點是「資訊密度」而不是字數。該給的角色、脈絡、格式、限制要給足,但別塞一堆無關的廢話——過多雜訊反而會稀釋重點,讓 AI 抓錯焦點。原則是:每一句都在幫 AI 更懂你的需求,才留著。

Q:同一個提示詞在 ChatGPT、Claude、Gemini 都通用嗎?

大方向通用。本文這 10 個技巧是三家官方共通的原則,搬到哪個工具都有效。細節上各家略有偏好——例如 Claude 對 XML 標籤特別買單、Gemini 主打「角色/任務/脈絡/格式」四要素——但你只要掌握「講清楚」這個核心,換工具幾乎不用重學。

Q:要不要跟 AI 說「請」「謝謝」?

從效果來說,禮貌用語對回答品質影響很小,不需要為了「討好」AI 而寫。真正有差的是把需求講清楚。當然,你想保持禮貌是個人習慣,不影響結果,只是別把它當成讓 AI 變聰明的技巧。

🔗 延伸閱讀

📎 參考資料來源

📖 第一級|廠商官方:

OpenAI — Prompt engineering best practices for ChatGPT — 2026-07-06 查證
OpenAI API — Prompt engineering 指南(clear instructions / few-shot / 拆解任務) — 2026-07-06 查證
Anthropic Claude — Prompt engineering overview(be clear、examples、chain of thought、XML tags) — 2026-07-06 查證
Google Workspace — Writing effective prompts(Persona / Task / Context / Format) — 2026-07-06 查證
Google Blog — 5 ways to write better AI prompts for Gemini — 2026-07-06 查證

⚠️ 本文核心事實(各技巧的官方依據)以第一級廠商官方文件為準。

📅 本文查證戳記:2026-07-06 依據 OpenAI / Anthropic / Google 官方提示工程文件整理撰寫。
若你在後續版本遇到官方建議調整,歡迎在留言區回報,站長會更新文章。