前面幾天深入介紹了 GitHub Copilot 和 Microsoft 365 Copilot 的各項功能與應用場景，這些強大的 AI 工具為日常工作帶來了革命性的變化，今天將聚焦於使用這些服務的一個共通點：prompt（提示）。

深入探討 prompt 的核心概念及其使用技巧，更有效的利用幾個小技巧與這些 AI 助手互動。

Prompt 的重要性

Prompt 是與 AI 助手溝通的橋樑其重要性不容忽視，一個精心設計的 prompt 能夠引導 AI 精確理解需求，並且提供最佳的解決方案。

就像是一把鑰匙能夠解鎖 AI 的潛力，成為工作中真正有價值的助手。

反之如果 prompt 模糊不清或表達不當，即使是最先進的 AI 也可能會誤解意圖，給出不符合預期的回答。

這不僅會浪費時間，還可能導致錯誤的決策或不正確的輸出。

因此學習如何撰寫有效的 prompt 成為了充分利用 Copilot 等 AI 工具的關鍵技能，掌握這項技能能夠讓更好的利用 AI 的能力提高工作效率，並在各種任務中獲得更好的結果。

有效 Prompt 的核心元素

一個有效的 prompt 通常包含四個核心元素：

1. 目標：明確指出希望 AI 完成的任務。
2. 上下文：提供相關背景資訊，幫助 AI 更好理解需求。
3. 期望：說明對輸出結果的具體要求，如格式、長度或風格。
4. 來源：指定 AI 應該參考的資料或資源。

用一個例子來說明：假設正在使用 GitHub Copilot 編寫一個網頁應用程式可能會這樣提示：

「請幫我編寫一個 JavaScript 函數，用於驗證用戶輸入的電子郵件地址。這個函數將用於註冊頁面，需要確保輸入的是有效的電子郵件格式，函數應該返回一個布林值，表示驗證結果。請使用正則表達式來實現這個功能。」

在這個 prompt 中清楚的說明了目標（編寫電子郵件驗證函數）、上下文（用於註冊頁面）、期望（返回布林值，使用正則表達式）。

雖然沒有明確指定來源，但 Copilot 會基於其訓練數據來生成相應的程式碼。

GitHub Copilot 的 Prompt 技巧

在使用 GitHub Copilot 時，以下技巧可以幫助獲得比較好的結果：

1. 提供清晰的上下文：在編寫程式碼時，先添加註釋或函數定義讓 Copilot 理解你的意圖。
2. 使用自然語言描述：用簡單明瞭的語言描述你想要實現的功能。
3. 逐步構建：從簡單的部分開始，然後逐步增加複雜性。
4. 利用註釋：使用註釋來指導 Copilot 生成特定的程式碼結構或實現特定的功能。
5. 參考現有程式碼：如果專案中已有類似的程式碼，可以參考它來獲得更相關的建議。

Microsoft 365 Copilot 的 Prompt 技巧

對於 Microsoft 365 Copilot，會面對更多非程式碼相關的任務。例如需要它幫助你撰寫一份報告或分析一些數據，在這種情況下可以這樣提示：

「請幫我分析過去三個月的銷售數據，找出銷售趨勢和模式。生成一個包含月度銷售額、最暢銷產品和客戶群體分析的摘要報告。使用圖表來視覺化關鍵發現。報告應該不超過 500 字，並以專業但易懂的語言撰寫，適合向管理層匯報。」

在使用 Microsoft 365 Copilot 時，以下技巧可能會特別有用：

1. 明確指出目標：清楚地說明你需要什麼。
2. 保持對話持續：跟進你的 prompt，以獲得更有用、更量身定制的回應。
3. 使用引號：這有助於 Copilot 知道要為你寫、修改或替換什麼。
4. 專業且清晰：使用禮貌的語言並注意標點、語法和大小寫。
5. 指定格式和風格：明確說明希望輸出的格式（如報告、簡報、電子郵件）和風格（如正式、友好、技術性）。
6. 利用思維鏈提示：將任務分解為更小的子任務，並迭代和細化 prompt。

思維鏈提示是逐步展示解題過程的技術，用來呈現每個推理或決策的步驟，從初始想法開始經過多重思考層次最終得出結論，這種方法可以幫助使用者理解問題解決過程，並揭示每個步驟背後的邏輯。

常見錯誤與注意事項

在使用 Copilot 的過程中難免會遇到一些常見的錯誤：

1. 過於模糊的 prompt：避免使用像「寫一些程式碼」這樣籠統的 prompt。

具體說明需要什麼樣的結果。

2. 忽視上下文：雖然 Copilot 非常強大但它並不知道專案的所有細節。

提供足夠的背景資訊是非常重要的事情。

3. 過長的 prompt：雖然詳細是好事，但過長的 prompt 可能會使 AI 混淆。

嘗試將複雜的任務分解成幾個小步驟。

4. 假設 AI 知道一切：即使 Copilot 非常強大，也不要假設它知道你項目的所有細節

必要時提供額外的資訊。

5. 忽視情境差異：雖然漸進式提問通常很有效，但也要根據具體情境調整策略 (非常重要)

   • 對於複雜任務：採用逐步提問的方法。例如：

     • 第一步：「如何用 Python 處理 CSV 檔案？」
     • 根據回答，進一步提問：「如何讀取特定列的數據？」
     • 再進一步：「如何計算這列數據的平均值？」
     • 最後：「能否將這個過程封裝成一個函數，接受檔案路徑和列名作為參數？」

   • 對於簡單或明確的任務：可以直接提供完整的 prompt

     • 例如：「請寫一個 Python 函數，接受一個整數列表作為輸入，返回列表中的最大值和最小值。」

   關鍵是要根據任務的複雜度和明確程度來調整提問策略，對於簡單明確的任務一次性提供完整的 prompt 可能更有效率，而對於複雜或模糊的任務，漸進式的方法則能幫助和 Copilot 共同梳理需求，逐步構建解決方案。

無論採用哪種方式，確保 prompt 清晰、具體並包含必要的上下文訊息，這樣才能獲得最佳的結果。

持續學習與改進

多方自我嘗試

在探索 Copilot 的過程中多方自我嘗試是不可或缺的，正如在 GitHub Copilot 和 Microsoft 365 Copilot 的使用技巧中看到的，每一次的互動都是一次學習的機會。

不要害怕犯錯，因為每一個錯誤都能帶來新的洞察。

培養靈感的方法

1. 廣泛閱讀：擴展知識面，為構建有效的 prompt 提供更多素材。
2. 觀察生活細節：從日常生活中汲取靈感，豐富 prompt 的內容。
3. 跨領域學習：建立新的連結，激發創新思維。

交流與分析

1. 參與討論和交流：學習他人經驗，避免常見錯誤。
2. 分析成功案例：研究優秀 prompt，提升自己的技巧。

保持好奇與反思

1. 保持好奇心：對新事物保持開放態度，不斷吸收新知識。
2. 實踐與反思：定期回顧使用經驗，總結教訓，持續改進。

結語

掌握 Copilot 的 prompt 技巧是一場持續的學習之旅，從理解 prompt 的核心元素到運用各種技巧，再到不斷學習和改進，每一步都至關重要。

有效的 prompt 不僅是一種技術，更是一門藝術。

在這個 AI 輔助的新時代，掌握 prompt 技巧就像學習一門新的語言，不僅改變與機器交流的方式，更重塑了思考和解決問題的過程，每一個精心設計的 prompt 都是一次創意的表達，一次邏輯的淬煉。

當逐漸精通這門語言時不僅是在指導 AI，更是在重新定義人機協作的邊界，也是一直不斷探索這個充滿可能的新領域，用智慧的 prompt 體驗人機共創的創新工作模式。