在某些時候，如果我們想提升AI的回覆內容品質，其實不一定要透過訓練模型，只要設計好提示（Prompt），就可以提升模型的表現。
這就是Prompt Engineering（提示工程）。

什麼是 Prompt Engineering？
Prompt Engineering 是指：用特別設計過的文字指令，告訴AI該怎麼做。
同樣一個問題，如果描述不同，最後產生出的結果差距可能會很大。
像是 :　
「教我什麼是生成式AI」跟「請使用500字解釋並介紹生成式AI為何，受眾為大學生」
可以明顯看出來第二種提示詞給的方向比較明確吧?

一些比較常用的方法
1.角色扮演
給予模型一個身分，讓回答更專業。
像是 :「你是一位專業刺激又資深的Python工程師，請解釋這段錯誤訊息並提供修正建議。」
2.分步指令
要模型先分析再回答，減少錯誤推論，有時候在問數學題目時蠻好用的，讓模型先分析題目再回答總比直接生成答案好吧。
例子 :「請先逐步分析以下數學題，再給出答案。」
3.指定輸出格式
如果已經想好需要的檔案格式可以直接跟模型說，像是需要生成表格、JSON 或其他檔案格式等。
ex :「請用表格整理下列三個工具的差異，欄位包含：名稱、用途、優點。」
4.Few-shot Learning
可以給AI幾個範例，幫助它可以直接模仿
例 :「 Q: 可以幫我將下列句子翻譯成英文嗎?
A: 我想請假 → I would like to request leave.
Q: 幫我翻譯：請給我一杯水
A: 」

提示寫得好與差的差別
如果只問很籠統、表面的問題，像是 :
「幫我分析這份資料。」
有夠不清楚，直接讓生成式AI進化成通靈式AI。
可以問「幫我用 3 個重點分析這份資料的內容，並用繁體中文回答。」
這樣不是清楚多了。

一些可以協助的工具
Prompt模板平台：PromptHero、FlowGPT
文件生成器：LangChain可幫忙組合 Prompt 流程。
測試工具：OpenAI Playground、PromptPerfect，用來反覆測試不同指令效果。