延續 Day 7｜Generation pipeline：AI 如何把知識取出來用 的內容，這邊要講到 Prompt Engineering，這邊會很重要的原因是，你要怎麼讓 AI 去懂你的問題是甚麼。
像是我們跟朋友說要不要去公館那間店吃飯，即使一個人再怎麼聰明他也不會通靈，你要跟他說明白你要吃的店是啥他才會懂，這就是為甚麼要學 Prompt Engineering 的原因。

來源：Google Prompting Essentials

我們來逐一說明這張圖片的內容
1. 任務 (Task)
先說清楚你要 AI 做什麼，包含以下內容：

• 角色 (Persona)：希望 AI 以什麼身份回應？例如「15 年經驗的行銷顧問」或「專業演講稿撰寫者」。
• 格式 (Format)：希望怎麼呈現結果？例如條列清單、簡短的文字、表格、甚至一段模擬對話。

2. 背景 (Context)
給 AI 足夠的細節，避免它只能靠猜，我們這邊比較一下怎麼樣算清楚的說明：

• Ｘ：「500 塊錢可以買甚麼禮物？」
• Ｏ：「要用 500 塊錢買 2 個禮物，送給 18 歲喜歡唱歌、跳舞的女孩，可以買甚麼禮物 ?

3. 參考 (References)
提供範例或資料，讓 AI 更貼近你的需求。
例如：列出過去已經送過哪些禮物，避免重複。
如果沒有現成資料，也可以直接丟一個抽象的需求，讓 AI 發揮創意。

4. 評估 (Evaluate)
生成的結果要記得檢查：

• 有沒有符合你的需求？
• AI 的理解是否正確？
  如果答案偏掉了，可能是你的 Prompt 不夠清楚。

5. 調整 (Iterate)
結果不理想很正常。可以補充更多細節、換一種問法，或拆小步驟再請 AI 嘗試。
不要怕修改，調整就是 Prompt Engineering 的日常。

我自己也覺得 Iterate 是 Prompt Engineering 最重要的環節，就跟我們在請 AI 幫我們修正程式的時候，他可能不清楚你的指令，你可能自己也要對你的程式碼有所理解才能對症下藥，找到問題點去問，當 AI 陷入迴圈的時候，你要要試著叫他轉換一下思維，看可不可以換個方式找到突破口，畢竟現在 Vibe Coding 也是趨勢，希望大家在使用 AI 的時候也能去反覆嘗試跟紀錄，這樣也有助於學習如何下 Prompt。

最後記住一句話：「Thoughtfully Create Really Excellent Inputs」——只要 Prompt 設計得好，產出的結果自然不會差。