要寫出一個好用、符合自己需求的提示詞，老實說真的沒那麼簡單～，大家有想過嗎？與其不斷試錯，不然請 AI 扮演提示詞優化的顧問，讓他幫我們改寫、評估，甚至生成更好的提示詞，這就是 Meta-prompt 的核心概念

什麼是 Meta-prompt？

顧名思義，Meta-prompt (元提示詞) 就是關於提示詞的提示詞。與其直接要求 AI 完成最終任務，我們不如先要求它幫我們設計或改善一個提示詞，然後再用這個優化過的提示詞來執行任務。換句話說，AI 這次的角色從單純的任務執行者變成提示詞設計助理

使用 Meta-prompt 優化提示詞，好處是可以降低學習成本，因為我們就不需要自己摸索最佳的寫法，反而可以從 AI 的專業建議中學習；再來就是加速迭代的過程，透過 AI 的回饋快速測試不同版本的提示詞，找到效果最好的那一個。

精選 6 種常用的 Meta-prompt 類型

在不同的應用場景中，Meta-prompt 扮演的角色都不一樣，所以他沒有固定的種類。我先挑選比較實用且常見的 6 種跟大家介紹，希望可以對大家的日常工作有所幫助。

System Prompt 系統提示詞

系統提示詞是在使用者提示之前的系統指令，我們會用它規範所有對話的風格、角色或限制能力，適用的場景為，模型在整個互動過程中，都需要保持特定的角色或風格，例如客服聊天機器人，或是特定領域的虛擬領域、教學輔助工具 ... 等等

他跟使用者提示詞的區別在於，系統提示詞比較像是全域設定，會影響後續的所有回答，但使用者提示詞是針對單次的指令，通常只對當下的輸出產生影響

Rewrite Prompt 改寫提示詞

當 LLM 接收到的提示詞有點模糊或不完整時，我們可以使用 AI 優化或重構這段提示詞，使其表達更清晰，結構也更合理，這就是改寫提示詞的功能。

他的核心概念是從原本的檢索流程「檢索 -> 讀取」變成「重寫 -> 檢索 -> 讀取」的框架。透過這樣的流程，能確保在檢索階段取得的內容會貼近使用者的需求。

在許多 RAG 應用中，提示詞的品質會直接影響檢索內容的相關性和準確定，所以 Rewrite Prompt 扮演了提示詞優化器的角色，這和直接下指令不同，我們在 Rewrite Propt 的重點是優化提示詞本身，而非任務輸出。

以下是一個改寫提示詞範例：

這是我的原始 Prompt：請寫一篇有關健康飲食的文章
請幫我改寫成一個更清楚的 Prompt，要求字數 1000 字，分為三段，並加入實際飲食案例

Template Prompt 模板提示詞

有些任務經常需要重複執行，例如撰寫產品文案、設計學習計畫、生成行銷內容。與其每次都重新設計一個提示詞，不如建立可以重複使用的模板。

我們先定義一個通用結構，再依照任務需求填入細節，最後輸出標準化的結果。這樣就能確保輸出的品質和格式一致，同時降低每次撰寫 Prompt 的成本。

在團隊協作或長期專案中，Template Prompt 特別有價值，因為它能形成一套標準，讓所有人都能用相同的框架與 AI 互動，例如這樣的範例寫法：

請依照以下模板撰寫產品文案：
- 角色：{角色，例如「行銷專家」}
- 任務：{任務，例如「撰寫 300 字產品描述」}
- 格式：{格式要求，例如「三段式結構」}
- 語氣：{語氣，例如「專業但親切」}
- 主題：{主題，例如「AI 智慧手錶」}

Comparison Prompt 比較提示詞

在設計提示詞的過程中，往往會有多種可能的寫法。這時我們可以使用 Comparison Prompt 請 AI 針對同一個任務生成不同版本的提示詞，方便我們比較哪一種效果最好。這種方法就像做 A/B 測試一樣，能讓我們快速找出最優解。

像一些 LLM Comparator 工具也有提供視覺化的分析介面，如下圖所示：

Comparison Prompt 的價值在於探索不同可能性，特別適合在找靈感、做實驗、優化迭代的階段使用，範例提示詞如下：

請針對「寫一封感謝信」這個任務，生成三個不同版本的提示詞：
1. 簡單直接版
2. 詳細結構版
3. 幽默創意版

Critique Prompt 評估提示詞

有時候我們寫出來的提示詞可能不夠清晰，但自己很難看出問題，這時就可以用 Critique Prompt，請 AI 擔任評審角色，幫我們檢查並評論提示詞的優缺點，這樣不僅能幫助我們找出不足，也能快速獲得更好的替代版本。

我們可以把 AI 變成教練，幫助我們學習如何設計更有效的 Prompt：

請評估以下 Prompt 是否清楚，可能的問題是什麼？  
「請解釋機器學習。」  
再提供三個更佳的版本。

Chain Prompt 串接提示詞

當任務太大、太複雜時，一次性下指令通常不會得到理想結果。這時候可以用 Chain Prompt，把大任務拆解成多個步驟，逐一完成，再將結果串接起來。Chain Prompt 與單一指令不同，他是一種流程化設計，特別適合需要多階段處理的任務。

Chain Prompt 跟 CoT (Chain of Thought) 不太相同，但他們的確有所關聯，CoT 是讓模型在回答前，寫出逐步推理的過程，Chain Prompt 則是把大任務拆成多個小任務，再串接起來形成工作流。所以 CoT 偏向邏輯推理，Chain Prompt 則是偏向任務拆解，但他們都屬於同一類的分步驟思維，只是呈現的手段不同。

如果要使用 Chain Prompt 可以這樣告訴 AI：

請幫我把「寫一份市場分析報告」拆解成流程：
Step1：生成大綱  
Step2：根據大綱寫每個部分內容  
Step3：整理數據與表格  
Step4：整合全文並優化銜接

小結

Meta-prompt 的核心理念，是將 AI 從單純的任務執行者變成指令顧問。它能幫助我們系統性地檢視與改進提示詞，甚至建立可重複使用的模板，讓 AI 的輸出結果更穩定、更符合我們的深層需求。

在未來，隨著越來越多的團隊將 AI 納入日常工作流程，Meta-prompt 很可能會成為一種 SOP，先讓 AI 協助生成優化好的指令，再交由 AI 執行任務，如此可以將 AI 的價值最大化。