三大 AI 模型官方文件的 Prompt 最佳實踐

前言

在前面的篇章，我們多次提到如何使用 prompt 讓 AI 執行 Code Review。在我與團隊進行 demo 分享時，同事詢問：「Prompt 是否有最佳實踐？」

我認為這是一個值得深入探討的主題。因此，今天我們就來一起看看三個主流模型官方文件中關於 prompt 的最佳實踐。

Prompt 官方文章

• claude
• openai
• gemini

清晰的指令

Prompt 要具體說明背景、目標、長度、格式、風格等，才能讓 AI 理解你的期望。

• 效果較差❌：

幫我針對做 code review

• 更好✅：

請你扮演一位資深軟體工程師，針對程式碼進行全面性的 Code Review。請依照以下面向給出具體建議：

1. 程式邏輯是否正確、是否有潛在錯誤或邊界條件未處理
2. 是否符合的慣用寫法，例如錯誤處理、命名風格、簡潔性
3. 是否有安全性問題，例如硬編碼、未處理的錯誤、資源洩漏等
4. 是否有效能瓶頸，例如不必要的記憶體分配、重複運算、goroutine 使用不當
5. 是否具備良好的可讀性與可維護性，包括註解、結構清晰度、模組化程度

結構化組織

拆分指令

將指令放在提示開頭，清楚區分說明與實際內容。

• OpenAI 推薦：

指令說明

Text: """
{內容}
"""

• Claude 4 推薦：

指令說明

<文檔>
{內容}
</文檔>

• Gemini 推薦：

指令說明

Text:
{內容}

回覆格式

提供明確的回覆格式，例如 JSON 或列點，讓 AI 知道要如何回傳結果。

範例策略

Zero-shot vs Few-shot

進階策略對比：

Few-shot 範例模板：

### 通用 Few-shot 格式

提取以下文字的關鍵字：

範例 1:
文字：Stripe 提供 API 讓開發者整合支付功能
關鍵字：Stripe, 支付處理, API, 開發者

範例 2:
文字：OpenAI 訓練了先進的語言模型
關鍵字：OpenAI, 語言模型, 文字處理, AI

範例 3:
文字：{新輸入}
關鍵字：

使用正面指令

使用肯定的指令詞，如「做」，而避免使用負面語言，如「不要」，可以創造一個積極的溝通氛圍。這種方式鼓勵直接和明確的行動指示，有助於清晰傳達您的需求，同時維持對話的正面性。

舉例：

• ❌ 負面語言：「不要只給我列出問題的原因。」
• ✅ 肯定語言：「請詳細解釋問題的原因並提供解決方案。」

溫度（Temperature）設定

透過設定 temperature，可以調整 AI 回覆的精確性與創意程度。

• n8n AI model 的 temperature 設定：

小結

透過官方文件整理，我們可以掌握五大要點：

• 清晰性：明確的指令和期望
• 結構化：良好組織的提示格式
• 範例性：適當的示例指導
• 迭代性：持續測試和優化
• 模型認知：理解不同模型的特點

下篇文章，我們將進一步探討如何將 AI Code Review 的 prompt 對應至最佳實踐。