還記得那些年我們對 AI 說過的話嗎？

「這對我來說相當重要」、「我會給你小費」、「你不盡力回答我的問題我將被辭職」

如果你也曾經對 AI 說過類似的話，恭喜你，你並不孤單(因為我好像都用過)。在 ChatGPT 剛出現在大眾眼前的那段時間，整個網路社群都在瘋傳各種「神奇咒語」，彷彿只要找到對的關鍵字，就能獲得一個強大且順從的助手。

那個時代的我們，就像是相信巫術的村民，認為只要念對了咒語，就能召喚出理想的結果。我們以各種威脅利誘、情緒勒索，甚至編造虛假的緊急情況，只為了讓 AI 多用點「心」來回應我們。

情緒勒索為什麼曾經有效？

早期的語言模型確實對這些情緒性提示有所回應，但這並非因為 AI 真的在乎你的感受，而是因為：
語言模型的設計目標是模仿人類語言的統計模式，而不是理解情緒背後的真實意圖。
換句話說，如果大量訓練資料中出現「悲傷懇求」後常伴隨「安慰或幫助」的回應，那模型就會學會在遇到類似語氣時「自然而然地回應幫助」。它只是根據數據預測最可能出現的下一句話，而非在意你快不快樂。

但隨著模型的不斷調整和改進，這些原始的「巫術」逐漸失效了。

現代煉金師的科學配方

今天的 AI 提示工程，已經從感性的情緒操控進化為理性的結構化設計。讓我們看看現代煉金師都使用哪些科學配方：

配方一：角色與情境設定

不再是：「你要認真回答我」
而是：

你是一位有 10 年經驗的資深產品經理，正在協助一家新創公司制定產品策略。

**背景資訊**：
- 公司：B2B SaaS 平台，主要服務中小企業
- 現況：月活用戶 5,000，付費轉換率 12%
- 挑戰：用戶留存率偏低（第二個月僅 45%）
- 目標：制定 Q4 產品改進策略

**你的任務**：基於以上背景，提供專業的產品策略建議
**回應風格**：數據導向、邏輯清晰、可執行性強

配方二：結構化指令

不再是：「幫我寫一個報告」
而是：

請按照以下結構撰寫市場分析報告：
1. 執行摘要 (200字以內)
2. 市場現況分析 (包含數據支撐)
3. 競爭對手分析 (至少3家)
4. 機會與威脅評估
5. 具體行動建議 (可執行的3-5項)

輸出格式：使用 Markdown，包含圖表建議位置
語調：專業但易懂，適合向董事會簡報

配方三：範例與約束

不再是：「寫得好一點」
而是：

<example>
**市場現況分析**
市場研究顯示，68% 的企業客戶在導入我們產品後的第 30 天內遭遇 API 整合困難，此問題直接導致 45% 的客戶在第二個月流失。**建議優先投入資源開發整合文檔與視覺化教學工具**，預期可將早期流失率降低 25%。

**競爭對手分析**  
主要競爭對手 CompanyA 在同類產品中擁有 35% 市占率，其成功關鍵在於提供 24/7 技術支援服務。相較之下，我們的客服回應時間平均為 4.2 小時，明顯落後。**建議建立即時客服機制**，目標將回應時間縮短至 1 小時內。

**行動建議**
基於以上分析，**建議 Q4 投入 80% 資源於客戶成功團隊擴編**，預計招募 3 名技術文檔工程師與 2 名客戶成功專員，總預算約 150 萬元，預期可將客戶滿意度從目前的 6.8 分提升至 8.5 分。
</example>

**要求**：
- 每段 80-120 字
- 每個主要論點必須包含具體數據
- 使用粗體標示關鍵行動項目

配方四：思維鏈引導

不再是：「給我答案」
而是：

請使用以下思維框架分析問題：

1. **問題拆解**：將複雜問題分解為 3-5 個子問題
2. **資訊盤點**：列出已知條件與假設
3. **邏輯推演**：逐步說明解決思路
4. **方案評估**：比較 2-3 個可能方案的優缺點
5. **最終建議**：提供具體、可執行的解決方案

在每個步驟中，請清楚說明你的推理過程。

當然還有許多方式，如有興趣可以去詳看其他提示工程技巧，在此先不詳述。

從巫術到科學的轉變

現代的提示工程師不再依賴運氣和情緒，而是：

• 分析需求：明確知道要解決什麼問題
• 設計結構：建立清晰的指令架構
• 定義邊界：設定輸出的格式與限制
• 優化迭代：根據結果調整提示策略
• 驗證效果：客觀評估輸出品質

下次再想對 AI 情緒勒索時

當你發現自己又想寫下各種情勒語句時，不妨問問自己：

• 我真正需要的輸出是什麼樣子？
• 我可以提供哪些具體的情境資訊？
• 我希望 AI 遵循什麼樣的思考流程？
• 我該如何驗證答案的品質？

記住，現代的 AI 煉金師不靠眼淚與悲慘的身世，靠的是精準的配方和方法。