先說結論,有這個概念是重要的(尤其是現在這個時刻)
但不用過於捨本逐末的當成準則
為什麼提示詞技巧會有用? 其實一定程度上是來自於這些 AI 模型在訓練的過程中的資料,很多都是有某些特定的樣子的
因此模型對於這些「它看過的文字用法」,自然是必那些其他的表達方式,會獲得更好的表現。
如同前面的那個圈圈,其實隨著科技的發展,或不同模型開發者的選擇,都有可能會得到不同的小圈圈,因此並沒有所謂的「完美的提示詞技巧」
因此回過頭來,其實就好像是可以把 AI 當成是人來對話,如何把對話講清楚,其實就已經達成大致上可以達成了。
但如果作為一個剛開始使用這些工具的新手,或許下面這些場景技巧範例可以提供給你一些參考和方向
提供具體明確的指令和期望結果,避免模糊不清的表達方式。清楚說明所需的格式、風格、長度和內容重點,能讓AI更準確理解需求並產生符合預期的輸出。
不佳範例:
幫我寫一篇關於咖啡的文章
良好範例:
請撰寫一篇800字的咖啡介紹文章,重點介紹精品咖啡豆的產地差異,
包含衣索比亞、哥倫比亞、牙買加三個產區的風味特色,
採用專業但易懂的語調,適合咖啡愛好者閱讀
讓AI扮演特定領域的專家角色,能顯著提升回答的專業度和針對性。透過明確的角色定位,AI將以相應的知識背景和專業語言風格來回應需求。
不佳範例:
我想學投資理財,給我一些建議
良好範例:
您是一位擁有20年經驗的理財規劃師,請針對30歲上班族、
月收入5萬元、無投資經驗的客戶,提供循序漸進的投資理財建議,
包含風險評估和具體的投資商品推薦
使用編號、分點或清單來組織複雜的要求,讓指令更容易理解和執行。結構化的指令能避免遺漏重要細節,也讓AI更容易掌握各部分的優先順序。這邊也很適合搭配前一天所提到的 Markdown 格式來使用!
不佳範例:
分析這個商業企劃案的市場分析、競爭對手和財務預測,
然後給我改進建議
良好範例:
請依照以下結構分析商業企劃案:
1. 市場分析評估
- 目標市場規模準確性
- 市場趋勢分析完整度
2. 競爭對手分析
- 主要競爭者識別充分性
- 競爭優勢分析深度
3. 財務預測檢視
- 收入預測合理性
- 成本估算準確度
4. 改進建議(按優先順序排列)
提供具體的良好範例和不當範例來引導AI輸出,這是傳達期望最直接有效的方式。透過明確的範例對比,AI能精確理解所需的格式、風格和內容品質標準。
不佳範例:
幫我寫幾個商品標題,要有吸引力
良好範例:
請為手機保護殼商品撰寫5個標題,參考以下標準:
良好範例:
"軍規防摔 iPhone 17 Pro 透明保護殼 - 完美展現原機美感"
"超薄設計 × 全方位保護 Samsung Galaxy 專用精品保護殼"
避免範例:
"手機殼"
"便宜保護殼特價中"
標題需包含:產品特色、適用機型、核心賣點
明確告知AI可以承認不知道答案,而非強迫其提供回應。此技巧能有效減少AI的幻覺問題,確保回答的可靠性和準確性。
不佳範例:
告訴我2025年台灣GDP成長率數據
良好範例:
請提供2025年台灣GDP成長率數據。
如果您不確定具體數字或缺乏最新資料,
請明確說明,避免提供可能不準確的資訊。
運用XML標籤來結構化提示詞內容,這是Claude官方推薦的最佳。XML標籤能幫助AI更清楚理解不同部分的內容和作用,特別適合處理複雜指令或多種資料類型的場景。
不佳範例:
分析客戶評論情緒:這個產品很棒但價格太貴。
然後寫回覆表達感謝和改進意願。
良好範例:
請分析客戶評論並撰寫回覆:
<customer_review>
這個產品很棒但價格太貴
</customer_review>
<analysis_requirements>
1. 判斷整體情緒傾向
2. 識別具體問題點
</analysis_requirements>
<response_guidelines>
表達感謝並展現改進意願
</response_guidelines>
<output_format>
情緒分析:[分析結果]
建議回覆:[回覆內容]
</output_format>