清晰明確、簡潔精煉、重點突出，還要能引導思考。

不同的寫作任務，應該搭配不同的提示詞設計。除了前文提到的「型別化模板」之外，最好還能對寫作學本身有一點研究。

簡單來說，就是要能清楚描述：在寫作中你需要什麼要素、希望出現什麼樣的寫作行為。Anthropic在 2025/5/22 開發者大會釋出了完整影片，其中兩場關於Prompting的演講很值得一看。它們從基礎的 Prompt設計方式，以下是整理的筆記。

Prompt Structure：基礎5個結構元素

• 角色與任務（1-2 句）：簡潔交代AI的身份與主要目標

• 動態/檢索內容：放入需要處理的動態資料，例如使用者偏好、地點資訊

• 詳細任務指令：逐步說明如何執行任務的規則

• 範例/n-shot（選用）：給AI輸入/輸出的範例做引導

• 重複關鍵指令：在長prompt的最後重申最重要的要求

複雜任務時的擴充版：10 個結構元素

• 任務（Task context）：更完整的角色設定與背景說明

• 語調（Tone context）：明確定義回應的語氣、風格、個性

• 背景資料：需要參考的文件、圖片、靜態資訊

• 詳細任務描述與規則：完整的步驟、標準、處理邏輯

• 範例（Examples）：多組情境化的input-output pair

• 對話歷史（Conversation history）：參考過去的對話脈絡

• 當前任務請求：這一輪具體要處理的工作。

• 逐步思考提示：如「Think step by step」或「Take a deep breath」

• 輸出格式要求：指定結構、樣式、段落或格式

• 預填回應（Prefilled response）：先放部分回應引導模型（僅 Claude API 支援，OpenAI API 沒有）

把這些元素組合成一個針對性的任務Prompt，再嵌入Context Engineering流程裡，就能有效降低LLM的隨機性，讓回覆更接近需求。