在前幾天的學習中,我們已經逐步熟悉了 Node.js 與 API 的串接。但在實際應用 AI 時,光會呼叫 API 還不夠, Prompt 設計(提示工程) 才是能否讓 AI 產出有用內容的關鍵。今天,我們要進入 投資分析的應用場景,示範如何設計合適的 Prompt,讓 AI 幫助我們寫出有邏輯、可讀性高的投資報告。
AI 就像一位超級助手,但它需要明確的指令。Prompt 設計的重要性在於:
控制輸出方向:避免 AI 胡亂發揮。
結構化答案:輸出更符合商業分析需求。
可複製性:相同 Prompt 能在不同時間得到一致風格的內容。
簡單來說,Prompt 設計就像是你在寫投資研究計畫書時,決定了「研究問題」和「框架」。
不要只說「幫我分析股票」,而是要明確指出分析的方向。
✅ 範例:「請幫我分析 Tesla 股票的基本面,包含營收成長、毛利率、競爭對手,以及未來一年可能的風險。」
讓 AI 扮演某個角色,可以提升回答的專業度。
✅ 範例:「你是一位資深投資顧問,請用專業口吻分析美股科技產業的投資風險。」
要清楚告訴 AI 回答的結構,避免雜亂。
✅ 範例:「請用條列方式回答,並將優勢與風險分成兩大段落。」
由於我在visual studio一直與api key連線不上,所以決定把環境暫時先搬到 Google Colab上。
在 Colab cell 中輸入:
pthon
!pip install -q google-generativeai
在 Google AI Studio 申請 Gemini API key,然後在 Colab 中:
python
import google.generativeai as genai
genai.configure(api_key="你的_API_KEY")
python
model = genai.GenerativeModel("gemini-1.5-flash")
這樣就能直接呼叫 Gemini 了。
先給 AI 一個簡單任務:
python
prompt = """
請幫我撰寫一份「分散投資」的分析,要求:
1. 列出至少三個優點
2. 以條列式呈現
3. 適合投資新手閱讀
"""
response = model.generate_content(prompt)
print(response.text)
輸出結果:
如果希望輸出內容更像「專業投資分析師」寫的,可以修改 Prompt:
python
prompt = """
你是一位專業的金融分析師,請撰寫一份「台灣科技股的投資風險分析」。
要求:
1. 先介紹市場背景(半導體、AI、電子零組件的角色)
2. 條列主要風險(如產業競爭、國際局勢、匯率風險)
3. 提供兩個投資建議
4. 內容需專業但一般大學生能看懂
"""
response = model.generate_content(prompt)
print(response.text)
輸出結果:
有時候希望結果能被程式處理,而不只是文字。
python
prompt = """
請用 JSON 格式輸出「分散投資」的優點,格式如下:
{
"topic": "",
"advantages": [
{"id": 1, "content": ""},
{"id": 2, "content": ""}
]
}
"""
response = model.generate_content(prompt)
print(response.text)
輸出結果:
這種結構化結果特別適合用於 金融應用程式 或 自動化報告生成
今天我們學會了如何透過 Prompt 設計,讓 AI 產出有邏輯的投資分析初稿。
Prompt 設計影響輸出品質,比單純問問題更有效。
透過 Google Colab + Gemini,可以快速實作並測試不同 Prompt。
投資分析應用中,建議使用 角色設定(你是一位金融分析師)、 結構化要求(條列式/JSON)來提升可用性。
👉 明天(Day 10),明天我們將進一步升級:只要輸入一個股票代號(Ticker Symbol),AI 就能自動生成該公司的簡介,幫助我們快速掌握企業背景與產業定位!