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。

為什麼 Prompt 很重要？

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：

1. 控制輸出方向：避免 AI 胡亂發揮。

2. 結構化答案：輸出更符合商業分析需求。

3. 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」。

Prompt 設計的三個關鍵原則

1. 明確性 (Clarity)

• 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。」

2. 角色扮演 (Role Play)

• 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。」

3. 輸出格式 (Format)

• 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。」

環境準備

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。

安裝套件

在 Colab cell 中輸入：

pthon
!pip install -q google-generativeai

設定 API Key

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")

建立模型物件

python
model = genai.GenerativeModel("gemini-1.5-flash")

這樣就能直接呼叫 Gemini 了。

實戰：投資分析的 Prompt 設計

Step 1：從簡單開始

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:

Step 2：提升專業度

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:

Step 3：結構化輸出 (JSON 格式)

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

結語

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！