面對 AI 時，我們有時會陷入兩難的情境：生怕指令太簡單 AI 理解錯誤，又怕指令太複雜讓 AI 混淆。這就像人跟人之間的溝通一樣，有時候一句話就能讓對方懂意思，有時候卻要詳細解釋好多內容。

而指令語言就是要找到其中的平衡點，讓我們知道在設計提示詞之前，什麼時候該簡單明瞭？什麼時候又要詳細完整？

少即是多的簡單指令

簡單指令最大的優點就是效率跟彈性，正因為指令直觀易懂，所以 AI 可以馬上理解、直指核心，不會被其他雜訊所干擾。此外就像前面提到的，當 AI 不會被過多框架限制時，他就有更多自主發揮的空間，也能產生更多的創意，所以適合需要腦力激盪或探索型的任務

另外，從實用和管理的角度來看，簡單指令要維護的成本真的低很多。因為指令本身夠簡單，未來如果需求改了，要調整這種指令也比複雜指令簡單快速，而且更不容易因為規則疊加太多，不小心搞出邏輯衝突或語法錯誤的問題

簡單指令的適用場景

目標明確的基礎任務

好例子：「翻譯成英文：今天天氣很好」
壞例子：「請你扮演一位專業的多國語言翻譯專家，具備豐富的跨文化溝通經驗，請將以下中文句子準確翻譯成英文，並確保語法正確、語意通順、文化上適當...」

腦力激盪

好例子：「為智慧手錶設計 5 個創新功能」
壞例子：「請依據目前市場上智慧穿戴設備的技術發展趨勢，考量使用者的日常使用習慣、健康監測需求、運動追蹤功能、社交互動可能性，以及未來5年內可能實現的技術突破...」

AI 擅長的標準任務

好例子：「總結這篇文章的三個重點」
壞例子：「請你仔細閱讀以下文章內容，運用你的理解能力和邏輯分析技巧，從多個角度深入思考文章的核心論點...」

像翻譯或文章總結這類 AI 已經高度熟練的標準技能，我們就不需要用冗長的指令再重複一次了，因為 AI 早就知道該怎麼總結和翻譯，這些額外的描述不僅浪費成本，反而可能干擾模型找到最精準的路徑。

而在腦力激盪的情境下，當我們還在探索階段時，就要 AI 列出市場趨勢、技術限制 ... 等，等於把創意扼殺在搖籃中，自然效果就沒那麼好

精準控制的複雜指令

複雜指令的特性就是提供 AI 精準的控制力，我們給出詳細的規格、範例和限制條件，AI 就有清楚的標準，輸出自然符合我們的期望。

另外複雜指令可以讓我們高度客製化自己的 AI，例如我們能明確要求 AI 遵守品牌調性、說話的語氣，或是符合特別的排版格式，這些細膩或特殊的需求規則，都能使用複雜指令幫助我們讓 AI 精準到位。

複雜指令的適用場景

正式且規格化的商業文件

請撰寫一份 500 字的產品發布新聞稿，標題不要超過 15 個中文字，內容需包含：產品核心功能、目標市場、上市時間、公司簡介。
語調正式但不失親和力，避免過度技術性描述，最後要附上媒體聯絡資訊。

特定的格式要求

請將以下銷售數據整理成表格：包含產品名稱、Q1 ~ Q4 銷量、年增長率、市占率四個欄位。數據以千為單位，百分比保留小數點後 1 位，表格用 Markdown 格式，並在表格後加上三句話的簡要分析。

多層的條件判斷

請設計客服自動回覆規則：如果是產品詢問，提供產品連結；如果是售後問題，轉接客服專線；如果是抱怨，先致歉再提供解決方案；如果是讚美，表達感謝並詢問是否願意寫評價。每類回覆控制在 50 字內，語氣友善專業。

避免過度複雜

在設計提示詞時，有時寫著寫著就會不小心複雜化，但如同前面提到的，過度的指令會浪費 Token，也可能降低輸出的品質，所以我們要避免過度複雜的設計，以下統整了幾個常見的複雜類型，供大家排雷避免。

無效的客套話

雖然台灣人都很有禮貌，但有時候真的太有禮貌反而會顯得客套跟不必要 XD，例如以下這段提示詞：

您好，我是一位正在學習AI應用的使用者，非常感謝您提供這個平台讓我能夠與您對話。我想請教您一個問題，希望不會佔用您太多寶貴的時間...

其實我們可以直接切入主題，不要那麼多無意義又過度禮貌的前情提要：

請解釋什麼是機器學習

重複說明

能用一段話解釋清楚的，就不要用兩、三段話再重複解釋，不然繞來繞去 AI 頭都暈惹。例如這段 NG 提示詞：

我需要一份報告，這份報告要包含市場分析，市場分析要涵蓋競爭對手研究，競爭對手研究要包含他們的產品特色，產品特色分析要從功能面、價格面、品牌面來看...

我們可以力求精簡，只講重點：

請寫一份市場分析報告，包含競爭對手的產品功能、價格、品牌定位比較

過度限制 AI

除非你有特殊的需求，否則也不要像老媽子操碎了心一樣，過度限制 AI 的輸出，例如這段提示詞：

請寫一篇文章，第一段必須 85 個字，第二段必須 92 個字，第三段必須 78 個字，每段第一句話必須是疑問句，每段最後一句話必須是感嘆句...

其實我們可以用大方向去限制 AI 就好：

請寫一篇800字文章，分3段，每段以問題開頭，語調要有感染力

用漸進式的方式練習寫複雜的指令

一開始如果不知道從何下筆設計複雜指令，我們可以用漸進式的方式慢慢練習。

例如一開始先寫個最簡單的指令：

寫一篇關於遠距工作的文章

如果對 AI 輸出的結果不滿意，我們在這個提示詞的基本上再加一點指令：

寫一篇 800 字關於遠距工作挑戰的文章

再根據 AI 輸出的結果，再微調你的指令，此時有了輸出的內容，也許你能更了解自己想要什麼、不想要什麼：

寫一篇文章 800 字的文章，討論遠距工作的三個主要挑戰：溝通、協作、工作生活平衡，每個挑戰提供解決方案

我們也能將複雜的指令拆解開來，未來可重複使用。

例如建立專門定義角色的模組，加上定義任務的模組，再加上控制格式和風格的模組，這樣當我們要生成內容時，就不要每次都從頭撰寫，而是根據當下的需求，選擇我們需要的模組進行組裝。

上述提到的基礎模組包含：

• 角色設定：ex. 請扮演行銷文案專家
• 任務描述：ex. 撰寫產品文案」
• 格式要求：ex. 800 字，分 3 段
• 風格指定：ex. 專業溫暖的語調

組合使用的方式為：

[角色設定] + [任務描述] + [格式要求] + [風格指定]

不同 AI 模型偏好的複雜度

每個 AI 模型根據餵的資料和調教的方式不同，都會有各自獨特的個性，這也導致它們對於指令複雜度有著不同的偏好和耐受程度。

我就自己實際使用 ChatGPT、Claude，以及 Gemini 三個 AI 模型的狀況，分享一下我對他們的感受。

ChatGPT 是六角形戰士，幾乎什麼都能做，而且在面對複雜指令時的輸出特別穩定，他偏好結構化、詳細的描述，即使你丟上一大段帶有多個限制條件的需求，他通常也能處理的很好，因為他對語法的容忍度相對寬鬆。

Claude 則是偏好自然語言的溝通方式，我們不用給他太過嚴謹的框架，他也能了解那些我沒說出口的需求，所以 Claude 在中等複雜的任務表現得很好，大家是否也有這樣的感受？很多時候你沒說，但 Claude 都能知道你想表達什麼。

而 Gemini 的優勢在於多模態和創意任務上，他對簡單指令的接受度高，我們不用寫太多字句鋪陳，他就能在極簡的指令下給出相當精煉的答案，當我們需要腦力激盪、快速做一個原型時，用 Gemini 的效果還蠻不錯的。

優化複雜指令的技巧

當指令愈來愈複雜、冗長時，維護可能不那麼方便，不僅 AI 看不懂，甚至連我們人類都看得霧煞煞。所以在寫這些複雜指令時，可以記住幾個小技巧，方便未來的自己看得懂也好維護。

條列式處理

大家有發現 AI 輸出很喜歡用條列式呈現嗎？那是因為條列式是一個很好的結構化格式，他可以讓讀者清楚的看到並吸收這些重點，沒有多餘的贅字。

假設今天我寫了一段話給 AI，雖然有標點符號分隔，但是真的不容易閱讀：

文案要有吸引力而且要專業，但不能太嚴肅，要讓人感覺親近的同時也要建立信任感，並且字數要控制在合理範圍內。

如果我們用條列式呈現，是不是好看多了呢：

請寫一個產品文案，要求如下：
- 吸引人且保持專業
- 親和並值得信任
- 字數 300 ~ 500 字

標註優先級

一旦指令變多，我們就需要告訴 AI 哪些指令要優先處理？哪些指令是必要的？先幫 AI 分類好這樣輸出的內容會更明確：

請寫一份市場分析報告
必須包含：競爭對手分析、市場規模
最好包含：成長趨勢、機會威脅
如果可能：消費者調查數據

範例與簡單指令

還記得前面提過的 Few-shot 嗎？我們在寫指令時， 如果不希望過度複雜，又想要 AI 了解我們的意圖，就可以把範例加到提示詞中：

請照這個風格寫產品描述：
範例：不只是手錶，是你的健康夥伴。24小時監測心率，讓每次跳動都有意義。
現在請為智慧音箱寫描述

小結

最好的指令不是最短的，也不是最長的，而是最有效的。

謹以此句話分享給大家，希望大家在設計指令語言時，都可以依據場景與需求適度設計。