引言

昨天我們學了 Prompt Engineering 的技巧。
但理論如果沒有實際案例，還是會覺得抽象。
今天就用幾個例子，看看 「壞 Prompt」和「好 Prompt」 的差別。

範例 1：寫文章
• 壞 Prompt：
幫我寫一篇關於 AI 的文章

輸出結果：
通常會得到一篇籠統的介紹，內容很空泛，沒有特定方向。
• 好 Prompt：
請寫一篇 300 字的文章，主題是「生成式 AI 在醫療的應用」，分成三段，每段都有小標題，語氣要淺顯易懂。

輸出結果：
AI 就會生成一篇結構清楚的文章，讀者更容易吸收。

範例 2：生成清單
• 壞 Prompt：
給我一些學程式的建議

輸出結果：
很可能是「多練習、多看書、寫專案」這種老生常談。
• 好 Prompt：
請用 Markdown 清單列出 5 個適合初學者的 Java 練習專案，每個專案要有一句簡短說明。

輸出結果：
得到的清單有條理，甚至可以直接貼到學習筆記裡。

範例 3：數據處理
• 壞 Prompt：
幫我分析這個資料表

輸出結果：
AI 可能給出模糊的分析，沒有重點。
• 好 Prompt：
這裡是一份學生考試成績表，請幫我：
1. 計算平均分數
2. 找出最高分和最低分的學生
3. 用表格格式輸出結果

輸出結果：
得到明確數據和表格，直接可用。

今天的重點
• 壞 Prompt：模糊、籠統、缺乏指引 → 結果通常沒什麼用
• 好 Prompt：具體、結構化、帶條件 → 結果精準又實用
• 想要 AI 幫得上忙，Prompt 就要越精準越好