本篇階段：更好的提示詞
使用介面：claude.ai（提示詞設計）／Gemini Notebook（實際執行）
自從台股第一次衝上4萬點，我就決定要用 LLM 幫我賺大錢，雖然還沒賺到QQ不知不覺養成一個習慣，會在開盤日與周日把幾個台灣財經 YouTube 頻道當天的內容，整理成一份可以貼給家人、好友看的摘要內容，但實際做這件事的不是 Claude，是 Gemini Notebook (前身為 NotebookLM)，因為它可以直接吃 YouTube 來源並自動生成文字。
我為這件事維護一份專用提示詞，演化史大概長這樣：
今天不是要講「把提示詞寫長了所以變好了」，今天要講的是兩件事：
所以 Day 03 的真正主題是：把 Claude 當提示詞工程師，去為另一個能力較弱的模型寫指令，以及這件事會怎麼失控。
| v1 | v2 | v3 | |
|---|---|---|---|
| 長度 | 14 字 | 約 900 字 | 約 1500 字 |
| 語言 | 中文 | 英文 XML 標籤 | 全中文 |
| 輸出格式 | 未指定 | Markdown（含表格） | 純文字（・｜【】━━━） |
| 代號規則 | 無 | 「不確定就標待確認」 | 「非影片來源一律寫代號未提供」 |
| 網址 | 無 | 要求輸出「影片網址」 | 全面禁止出現任何網址 |
| 分析師單位 | 無 | 一人一區塊，不可合併 | 同上，再加跨頻道合併與衝突並陳 |
| 自查 | 無 | <self_check> 四條 |
七問，且明令不得印出 |
一句話總結這條演化線：
v1 假設模型知道我要什麼；v2 假設模型能自我驗證；v3 假設模型什麼都不能被信任，只能被限制。
這不是對模型的悲觀，是對這個特定模型的務實。下面逐條拆，然後用實測資料檢驗每一條到底有沒有效。
這是 v2 → v3 最大的單一改動。
v2 寫成英文 XML 結構，理由很單純：平常給 Claude 寫規範就是這樣寫的，<role> <hard_rules> <output_structure> 這套在 Claude 上又穩又省 token，以為這是可移植的好習慣。
結果是：Gemini 對提示詞語言過度敏感，v2 有時候會直接產出英文內容。
注意是「有時候」，是間歇性的、局部的，不一定整份報告，而有時候重新再跑一次就又變成正常的。
而 v2 明明有寫語言指令：
- Language: 台灣繁體中文（用語習慣：台股、外資、投信、主力、法人）。
指令是中文寫的、內容也指名繁體中文，但它被包在一整份英文提示詞裡，實務上的結果是：指令的語言本身就是一個訊號，而且它的權重可能大過指令的內容。
我的解讀是：一句「請用繁體中文」是一條聲明，而整份英文提示詞是一個持續存在、貫穿全文的語境，當模型的指令遵循能力不夠強時，語境會壓過聲。
所以 v3 的處理方式不是「把語言指令寫得更大聲」（例如加 ALL CAPS 或重複三次），而是直接消除矛盾訊號：整份提示詞改成中文，連標籤都改成中文的【】區塊。輸出語言與指令語言一致，就沒有東西可以拉扯。
通則：對能力較弱的模型，提示詞的語言、格式、語氣本身就是指令的一部分。
與其用一條指令去對抗整份提示詞的體質，不如改掉體質。
順帶一提，這也解釋了 v2 的另一個毛病：v2 的格式白名單寫著「只允許 # ## ###、-、表格」，但這份提示詞本身滿滿都是 Markdown，等於是在用 Markdown 示範怎麼不要用 Markdown。
實測結果（見第 9 節）： 這次跑的 v2 沒有出現英文段落，語言飄移 0 次，所以這條改動在本次實測中無法被驗證，它防的是一個間歇性問題，三次取樣抓不到，為「未觸發」，而不是「已解決」。
這是整份提示詞裡最重要的一條演化，也是實測中最強烈命中的一條。
v2 的寫法：
b. Match the ticker against your verified knowledge (台股 four-digit e.g. 2330;
美股 e.g. NVDA). If not 100% certain, write 「(代號待確認)」.
Guessing a ticker from memory is prohibited.
v3 的寫法：
股票代號：只有影片中有人唸出、或畫面明確出現數字時才可以寫，其餘一律寫「代號未提供」。嚴禁憑記憶推測代號，錯代號比沒代號嚴重得多。
兩者看起來都在講同一件事，實際上是兩種完全不同的機制。
v2 是校準機制：它承認模型的內建知識是合法來源，只要求模型在使用前評估自己的確定性。這需要模型具備良好的信心校準（confidence calibration），知道自己不知道。
實測結果是殘酷的：v2 全文寫了 24 個代號，「(代號待確認)」出現 0 次。
不是它每個都對，是它完全沒有啟動不確定性機制，它不覺得自己不確定，而其中至少三個代號看起來是錯的（詳見第 9 節）。
這正是弱模型的典型失敗模式：它不會保守，它會很有自信地錯。
v3 換了一套機制，改成來源白名單：合法的代號來源只有兩個，要有人唸出來、畫面上有數字，模型的內建知識被整個排除在合法來源之外。
這就不再需要模型評估自己了，它不必知道自己知不知道，它只需要回答一個事實問題：「影片裡有沒有出現這個數字？」這是檢索問題，不是自省問題，而檢索是弱模型做得到的事。
實測結果：v3 標了 22 次「代號未提供」，錯誤代號降到 1 個。 這條有效。
同一個模式在 v3 裡出現了三次：
| 欄位 | v2（要求判斷） | v3（封閉來源） |
|---|---|---|
| 股票代號 | 比對你的已驗證知識 | 只有影片唸出／畫面出現 |
| 影片標題與頻道 | 未規範 | 【來源對照表】是唯一合法來源 |
| 日期 | 「影片討論的日期」 | 依序取自影片內容 → 影片標題 → 寫「日期待確認」 |
通則：對弱模型，不要下需要自省的指令，要下可以查表的指令。
這條是實測中命中最乾淨的一條。
v2 的輸出結構最後有這一段：
## 資料來源
- [1] 影片網址
- [2] 影片網址
看起來完全無害。但仔細想一下：模型手上有網址嗎？ 在 Gemini Notebook 的情境下，來源是被掛載進去的，模型未必能取得可靠的原始 URL 字串。
於是模板要求它填一個它拿不到的欄位，而模型不會空著，實測 v2 產出了這五行：
- https://www.youtube.com/watch?v=R9KExkS3N2Y
- https://www.youtube.com/watch?v=0hWqYvYp8C4
- https://www.youtube.com/watch?v=NnshZ0X7hD0
- https://www.youtube.com/watch?v=mD-09Y7VIdM
- https://www.youtube.com/watch?v=N_S9YfG9_p8
五個。格式完美，十一個字元的 video ID 一個不差，點下去全部無效。
這件事的教訓不是「模型愛編網址」，而是：
模板上的每一個欄位，都是一次隱性的產出要求，凡是模型不可能取得的欄位，留在模板裡就等於在點餐。
v3 用了兩層防線，第一層是移除誘因，把網址抽出提示詞，改成一份由我提供的對照表：
【來源對照表】這是唯一合法的標題與頻道名稱來源
[1] 標題 ｜ 頻道
第二層是明文封鎖：
全文嚴禁出現任何網址、連結、youtube.com、youtu.be、影片 ID 或 https 開頭的字串。⋯⋯網址由我自己補上，你不要產生。
注意 v3 這條的寫法有個細節：它不只寫「不要寫網址」，而是把所有變體都列出來，這是因為「不要寫網址」對弱模型來說是抽象概念，而 youtu.be 是可以字串比對的具體目標。
最後那句「網址由我自己補上」也很關鍵，它給了模型一個合理的世界觀來解釋為什麼不需要網址，而不是留下一個懸而未決的缺口讓它想去填。
實測結果：v3 出現 0 個網址，而且來源區塊改成完整的標題＋頻道，五筆全部與對照表一致。 這是三版對照裡最漂亮的一組數據且100% 有效，而且沒有副作用。
v2 輸出 Markdown，v3 輸出純文字。原因不在模型，在LINE。
v3 開頭第一句就把通路寫死了：
把來源影片壓成一份純文字報告，我要直接貼到 LINE 給家人看，15 分鐘內讀完（4000～6000 字）。
而格式段落是這樣：
純文字輸出，LINE 不會渲染 Markdown，嚴禁使用
#***-|>---與程式碼區塊。項目符號用「・」，欄位分隔用「｜」，次分類標題用【】，章節分隔線用一行 ━━━━━━━━。emoji 只出現在章節標題與分析師姓名前，內文不放。每行約 30 個中文字內，段落之間空一行。
這一整段的每個決定都可以回推到一個實體限制：
| 規則 | 為什麼 |
|---|---|
| 禁 Markdown | LINE 不渲染，**粗體** 會變成字面上的星號 |
用 ・｜【】━━━ |
全形符號在中文字體下對齊穩定，不需渲染 |
| emoji 只在標題 | 手機上內文塞 emoji 會嚴重降低掃讀速度 |
| 每行約 30 字 | 手機直式螢幕的一行寬度 |
| 段落間空一行 | LINE 沒有段落間距，只能自己造 |
| 4000～6000 字 | 15 分鐘閱讀時間反推 |
我覺得這是整份提示詞裡最容易被忽略、但實務價值最高的一段。因為提示詞工程的直覺路徑通常是「我要什麼內容 → 怎麼講清楚」，而這一段走的是完全相反的方向：
從最下游的閱讀裝置，倒推回最上游的指令。
「每行約 30 個中文字」這種規則，坐在電腦前寫提示詞是絕對想不出來的，它只可能來自一次「貼到 LINE 之後發現整份東西根本沒法讀」的實測。
實測結果：v3 的 Markdown 殘留為 0，格式完全乾淨。 這條也有效。
但是v3 只寫了約 2400 字，目標是 4000～6000 字，缺了將近一半。 這是本次實測最出乎意料的失分，第 10 節會回來討論為什麼。
v2 的第 6 條只講了一件事：
ONE ANALYST = ONE UNIT. If a single channel/video features multiple analysts, summarize each analyst separately. Never merge their views.
它防的是「一支影片裡兩個來賓被寫成一個人」。
v3 的第 5 條處理的是完全不同的問題：
報告以分析師為單位，不是以影片為單位。同一位分析師上了多個頻道，合併成一個區塊，頻道名稱與來源編號全部列出；他在不同影片說法不一致或後來改口時，兩種說法都要寫並各標來源編號。⋯⋯計算共識人數時，一人不論上幾個頻道都只算一位。
這條規則裡藏了三個獨立的失敗案例：
（1）同一人被拆成三塊。 台灣財經圈的來賓跨頻道通勤是常態，同一位分析師一天上三個節目很正常。以影片為單位整理，他就會出現三次。
（2）同一人被算成三票。 這是更嚴重的。v3 第 6 條規定「一致看多／看空需要兩位以上分析師才成立」，如果一個人上三個頻道被算成三票，那一個人的意見就會被誤判為共識。
（3）改口被抹平。 合併有一個副作用：當同一個人在早上的節目說看多、下午的節目改口，摘要員的本能是「取最新的」或「取折衷」。但對讀者來說，「他今天改口了」本身就是最有價值的訊息。
實測結果： 這條部分有效，但留了一個洞。
有效的部分：本次來源裡林漢偉同時出現在 [1] 自己的頻道與 [2] 理財達人秀，v2 與 v3 都正確合併成一個區塊、也都列出兩個頻道名稱，共識計數也都只算他一票。
沒做到的部分：v3 沒有列出來源編號。 鐵則 5 明文要求「頻道名稱與來源編號全部列出」，輸出模板也寫了 👤 （姓名） [1][3]，但 v3 實際輸出只有：
👤 林漢偉
（頻道：林漢偉分析師-摩爾證券投顧、理財達人秀 EBCmoneyshow）
編號整份報告一個都沒出現。 而這會連帶讓「說法不一致時兩種都寫並各標來源編號」這條完全失效，沒有編號，讀者無法分辨哪句話出自哪一集。
猜測：來源編號在模板裡出現的位置是姓名後方 [1][3]，而 v3 的分析師區塊改成了兩行式（姓名一行、頻道一行），模型照著新的視覺結構走，把編號吃掉了。模板的視覺形狀，會壓過模板旁邊的文字說明。
這一節是實測跑完之後才長出來的，也是整篇最重要的發現。
v2 的 <self_check> 四條的最後一條是：
The overview section reflects only views that actually appear in the analyst sections below it.
（總覽區只反映確實出現在下方分析師區塊中的觀點。）
v3 的七問自查沒有這條。 v3 只問了：
共識區每個產業與個股是否各佔一行並寫出人名？
注意這兩句話檢查的是完全不同的事。 v3 只檢查「有沒有寫人名」，不檢查「那個人名站不站得住」。
把 v3 共識區的每一條，逐條回去對分析師區塊：
| v3 共識條目 | 掛的人名 | 分析師區塊實際支持 |
|---|---|---|
| 貨櫃航運 看多 | 林漢偉、李永年、劉育綸、宛瑩 | 林漢偉、李永年（2/4） |
| 機器人 看多 | 林漢偉、李永年、宛瑩 | 林漢偉、李永年（2/3） |
| 光學鏡頭 看多 | 林漢偉、李永年、楊雲翔 | 只有林漢偉（1/3） |
| 台光電（6213）看多 | 林漢偉、李永年、劉育綸 | 只有林漢偉（1/3） |
| 川湖（2059）看多 | 林漢偉、李永年 | 只有林漢偉（1/2） |
| 索羅門（2359）看多 | 林漢偉、李永年 | 只有林漢偉（1/2） |
| 光寶科（2301）看多 | 李永年、楊雲翔、宛瑩 | 只有李永年（1/3） |
| 計家（2376）看空 | 林漢偉、李永年、劉育綸 | 只有李永年（1/3） |
| 旺矽 看空 | 劉育綸、宛瑩 | 兩人區塊都沒提（0/2） |
九條共識條目，只有兩條的人名可以完整回溯。
而且有一條是直接自我矛盾的：
一致看空【產業／主題】
・傳統伺服器代工（短線量縮）｜看空者：林漢偉、劉育綸
👤 劉育綸
・看好產業：CPO、ABF 載板、PCB 上游材料、散熱、伺服器代工
同一份報告裡，劉育綸同時是伺服器代工的看空者與看好者。
v2 也有同類問題（技嘉被列為李永年＋劉育綸一致看空，但劉育綸的區塊寫的是「回落後可找買點」），但 v2 的規模比 v3 小，因為 v2 的共識區只列了 5 檔個股 + 4 個產業，而 v3 列了 6 檔 + 5 個產業。
原本以為第 6 條（共識需兩人以上）是一個提高標準的規則，實測說明它同時是一個湊數的誘因：
當模型判斷「這檔股票很重要，應該進共識區」，而它只找到一個人提過，它面前有兩條路：放棄這個條目，或者再湊一個人名。
而模板的形狀在暗示它選第二條：・（股名）（代號）｜看多者：（甲）、（乙） 括號裡有兩個位置。
規則越多，不代表越嚴謹。新規則會製造新的湊數壓力，而模板的形狀會決定模型往哪個方向湊。
要把 v2 那條自查原封不動搬回來，而且改寫成中文的、更具體的檢查動作：
共識區每一個人名，是否都能在下方該分析師的區塊裡找到對應的句子？找不到就把那個人名刪掉；刪到只剩一人時，整條移出共識區，放回他自己的區塊。
關鍵是最後那半句，光說「找不到就刪」不夠，模型會刪掉人名但留著條目，變成單人共識，那還是違反第 6 條，必須把「刪除後怎麼辦」也寫出來，否則只是把一個違規換成另一個違規。
實測還暴露一個我完全沒在提示詞裡處理的問題類別：中文股名的同音誤聽。
三個版本都有，而且 v3 最嚴重：
| 正確股名 | v1 寫的 | v2 寫的 | v3 寫的 |
|---|---|---|---|
| 欣興 | 新興 | 欣興（3037）✓ | 新星（3037）／星星（3037）／新 星（代號未提供） |
| 緯穎 | 緯穎 ✓ | 緯穎（6669）✓ | 維影（669） |
| 技嘉 | — | 技嘉（2376）✓ | 計家（2376） |
| 聯亞 | 連亞 | 連亞（3081） | 連雅（3081） |
| 宏捷科 | 紅捷科 | 宏捷科（8086）✓ | 紅杰科（代號未提供） |
| 波若威 | 波若威 ✓ | 波若威（3163）✓ | 波羅威（3163） |
| 南亞科 | — | 南亞科（2408）✓ | 南雅科（代號未提供） |
| 嘉晶 | — | 嘉晶（6488） | 嘉金（代號未提供） |
| 志聖 | — | — | 志 聖 |
有三個現象值得單獨講。
（1）v3 的股名品質明顯比 v2 差。 這很反直覺，因為假設是：v2 有一條「Write the stock name exactly as spoken」，v3 把這條併進代號規則裡變成「同音近音股名無法確定是哪一檔時，照聽到的寫並標『(股名待確認)』」，而 v3 實測全文出現「(股名待確認)」0 次。 又一條校準型指令失效。
（2）同一檔在同一份報告裡出現三種名字。 欣興在 v3 裡是「新星（3037）」（共識區）、「星星（3037）」（林漢偉區塊）、「新 星（代號未提供）」（劉育綸區塊）。代號還時有時無。 這是很糟的失敗模式，讀者完全無法把三筆資訊連起來，甚至會以為是三檔不同的股票。
（3）「維影（669）」牽出一個離奇的幻覺。 v3 給的理由是：
・維影（669）｜看多｜信心高｜長線
理由：股價超過代號，新一代伺服器如期出貨。
「股價超過代號」是一句在正確語境下有意義的話，緯穎（6669）股價確實遠高於 6669 元這個數字，財經節目會這樣講，但模型把代號聽錯成 669 之後，這句話就變成純粹的胡話，而它照樣寫進去了。
這是幻覺最惡質的一種形態：一個正確的事實，因為錯誤的實體識別，變成了無意義的斷言，而且外觀完全正常。
受測環境：Gemini Notebook
日期：2026/08/17（星期一）
來源：同一批 5 支影片（林漢偉分析師-摩爾證券投顧、理財達人秀 EBCmoneyshow、艾綸說、元大投顧財金頻道、老王愛說笑）
各版本各跑 1 次
| # | 缺陷指標 | v1 | v2 | v3 |
|---|---|---|---|---|
| 1 | 疑似錯誤股票代號 | 0（未寫任何代號） | 3（待查證） | 1 |
| 2 | 寫出的代號總數 | 0 | 24 | 9 |
| 3 | 標「(代號待確認)／代號未提供」次數 | 0 | 0 | 22 |
| 4 | 標「(股名待確認)」次數 | 0 | 0 | 0 |
| 5 | 幻覺網址／影片 ID | 0 | 5 | 0 |
| 6 | 分析師區塊數 | 0（完全不分人） | 6 | 6 |
| 7 | 共識條目中無法回溯的人名歸屬 | 不適用 | 部分 | 9 條中 7 條 |
| 8 | 殘留 Markdown 符號 | 大量（### ** *） |
大量（設計如此） | 0 |
| 9 | 輸出語言飄移（英文段落） | 0 | 0（未觸發） | 0 |
| 10 | 自己加的投資建議 | 有（第四節整段） | 0 | 0 |
| 11 | 股名聽打錯誤 | 2 | 1 | 7 |
| 12 | 字數（目視估算） | 約 1100 | 約 2500 | 約 2400 |
| 13 | 對照目標 4000–6000 字 | 嚴重不足 | 不適用（v2 未設字數） | 不足約 40% |
| 14 | 日期格式 | 正確 | 符合 v2 規格 | 不符鐵則 4（2026/08/17 應為 20260817） |
#1、#2、#3 是本次最重要的三行。 把它們一起讀：v2 寫了 24 個代號、零個不確定標記、三個疑似錯誤。v3 只寫 9 個代號、22 個「代號未提供」、一個錯誤。
代號錯誤率從 3/24（12.5%）降到 1/9（11%），幾乎沒變。 真正改變的是分母：v3 不再對它不確定的東西發言。
v3 實際上做的是降低發言量。沒有讓模型變準，只是讓它少說話。 而對一份投資摘要，少說話正是適合的。
#1 的三個疑似錯誤代號（v2）：
#4 是完全失敗的一項。 v3 明文寫了「同音近音股名無法確定是哪一檔時，照聽到的寫並標『(股名待確認)』」，實測 0 次。同時 #11 的股名錯誤有 7 個。規則寫了，但完全沒被執行。 這跟 v2 的「(代號待確認)」0 次是同一種失敗，凡是要求模型評估自己確定性的指令，在這個模型上都是裝飾品。
#5 是最乾淨的。 5 → 0，禁令完全有效，且無副作用。
#6 揭露 v1 的真正問題不是「不精確」，是「結構性錯誤」。 v1 沒有任何分析師區塊，它把六個人的觀點全部打散重組成「大盤與資金動向／核心產業焦點／總體經濟／投資策略建議」四個主題章節。這在摘要技術上很流暢，但對我的需求是完全錯的產出：我要的是「誰說了什麼」，它給我的是「市場的共識是什麼」，而後者是它自己合成的，沒有任何一個人真的那樣說。
#7 是 v3 唯一的明顯退步，原因見第 7 節。
#10 是 v1 特有的問題。 v1 自己加了整段「四、投資策略建議」：分批佈局、關注毛利率、短打與波段並行，這三條沒有掛任何人名，讀起來就像是報告作者的建議。對投資摘要來說，這是最危險的一種汙染，不會知道那不是分析師講的，v2 與 v3 都靠明文禁令擋掉了。
#13 是本次最出乎意料的失分。 v3 只寫到 2400 字，離 4000–6000 的下限還差 40%。我的假設是：規則的抑制效果溢出了。 當用七條鐵則反覆強調「影片沒提到的整行刪除」「禁止推論」「禁止補空缺」，模型的整體傾向會變保守，它不只在該省略的地方省略，也在該展開的地方省略。看 v3 的個股理由，每一條都被壓縮成一句話，而 v2 的個股觀點明顯更長更具體。
這是一個真實的權衡：用來壓制幻覺的力道，同時也壓制了資訊量。 這條暫時沒有好答案，之後打算試著把字數要求從「4000～6000 字」改成更具體的「每位分析師區塊不少於 400 字，個股理由不少於 25 字」，把總量目標改成分項下限，因為分項下限比較不容易被「該刪就刪」的規則覆蓋。
必須把這幾點寫清楚，否則上面那張表會被過度解讀：
把上面所有東西收攏成可複製的流程。重點是：每一步都不是叫 Claude「優化」，而是叫它做一件很窄的事。
最沒效率的問法是「幫我寫一個財經摘要的提示詞」，Claude 會憑一般常識給一份四平八穩、但完全沒對到痛點的東西。
有效的問法是把 v1 的爛結果貼上去，然後問：
這是我用「幫我摘要這些財經節目講的內容」跑出來的結果。
請找出所有「模型自己補上、但來源裡不該有」的地方，逐條列出。
不要改寫，不要給我新的提示詞。
這一步的產出是一份失敗清單，不是提示詞，而失敗清單比憑空想出來的規則準得多。以本次為例，v1 的第四節「投資策略建議」就是這樣被抓出來的。
這一步是我最初漏掉的。如果不明講，Claude 會按照自己的能力來寫提示詞，寫出簡潔、信任模型判斷、大量使用 XML 結構的版本，即是 v2。
要明講三件事：
這份提示詞不是給你執行的，是給 Gemini Notebook 執行的。
那個模型的指令遵循能力比你弱，而且對提示詞語言敏感，用英文寫指令時，它有時候會直接輸出英文內容。
輸出要貼到 LINE，LINE 不渲染 Markdown。
這是控制提示詞膨脹的關鍵。要求 Claude 先輸出這種東西：
| 提議規則 | 對應的失敗案例 | 實測是否有效 |
|---|---|---|
| 全文禁 https | v2 生成 5 個假 YouTube 網址 | ✅ 降到 0 |
| 代號只能來自影片 | v2 三個疑似錯誤代號 | ✅ 發言量降低 |
| 不確定就標「(股名待確認)」 | v3 七個股名聽錯 | ❌ 觸發 0 次 |
| 一人只算一票 | 跨頻道重複計票 | ✅ 但共識區湊人名 |
| 禁止自己的投資建議 | v1 的「投資策略建議」整段 | ✅ v2/v3 皆 0 |
規則若找不到對應的失敗案例，就刪掉。而實測顯示無效的規則，要換機制而不是加強語氣。
第 4 行是最好的例子：「不確定就標記」試了兩次（v2 的代號、v3 的股名），兩次都是 0 次觸發。
最後一步，把完成的提示詞貼回去：
請只做一件事：找出這份提示詞裡互相矛盾、重複、或無法同時滿足的指令。
不要改寫，不要優化，不要評論品質。只列出衝突點。
「不要改寫」這句很重要，如果不加，Claude 會很自然地順手重寫一版，然後就得重新審一次它的新版本，永遠審不完。
我原本以為提示詞是任務層級的資產，「財經摘要提示詞」寫好一份，到處都能用，實際上不是。
v2 那套英文 XML、信任模型判斷、簡潔為上的寫法，在 Claude 上是最佳解；搬到 Gemini Notebook 上，代價是五個假網址、三個疑似錯代號、零個不確定標記。
反過來，v3 那份 1500 字、把所有判斷權都收回來的提示詞，餵給 Opus 5 又是浪費，它本來就不會編網址，花三行禁止它做一件它不會做的事，只是在消耗 context。
更麻煩的是實測揭露的副作用：v3 為了壓制幻覺付出的代價，是字數只達標六成、股名品質反而下降。 那些為弱模型設計的緊縮規則，在強模型上不只是浪費，還會主動壓抑產出品質。
一份提示詞的最佳長度，與目標模型的能力成反比。而過度緊縮會有真實的產出成本。
| 強模型 | 弱模型 | |
|---|---|---|
| 指令形態 | 給判準 | 給白名單 |
| 範例 | 「不確定就標記」 | 「合法來源只有這兩個」 |
| 依賴什麼 | 模型的信心校準 | 模型的字串比對 |
| 失敗模式 | 過度保守 | 靜默幻覺 |
網址、股票代號、股名、影片標題、日期，這五樣在我的情境下都屬於「模型無法驗證」的類別。
處理方式只有兩種，沒有第三種：
「留在模板裡但要求它標註不確定」是一個看起來很聰明、實際上不成立的第三條路。實測觸發率 0%。 因為它把驗證責任丟回給一個沒有驗證能力的東西。
這條是實測長出來的第四條，本次出現了三次：
| 現象 | 文字說的 | 模板的形狀 | 誰贏 |
|---|---|---|---|
| 來源編號 | 鐵則 5：頻道與編號全部列出 | 姓名區塊改成兩行式 | 模板（編號消失） |
| 共識人名 | 第 6 條：兩位以上才成立 | 看多者：（甲）、（乙） 兩個位置 |
模板（湊出第二人） |
實務結論：改模板比改文字有效。想讓某個欄位不被填，就把它從模板拿掉；想讓某個欄位不被湊，就不要在模板裡預留固定數量的空位。
第三行給了之後一個很小但可能很有效的改動，把
・（股名）（代號）｜看多者：（甲）、（乙）
改成
・（股名）（代號）｜看多者：（列出所有可回溯的分析師全名）
不預留兩個括號，就少一個湊數的形狀誘因。
今天的討論好像已經太長了...明天 Day 04 要繼續把今天殘留下的疑問補完...
註一：本文對 Gemini Notebook 行為的描述，全部來自我自己在 2026 年的實際使用觀察，不是官方文件記載的規格。
註二：第 9 節的實測為單次取樣，不足以支持統計結論，請當作定性觀察而非量化證據。表中所有代號正確性判定皆未經查證，標記為待確認。
註三：本文提及的所有個股名稱與代號僅為提示詞測試素材，不構成任何投資建議。
iThome鐵人賽
看影片追技術