前言

昨天我們用 CO-STAR 框架把一份 prompt 該考慮的六個面向做了完整掃描。今天要放大鏡對準其中最關鍵、卻也最常被寫得太隨便的兩項:Context(背景) 與 Role(角色)。

為什麼特別挑這兩項深入談?因為它們是整份 prompt 的地基——如果 Context 和 Role 沒設好,後面不管 Style、Tone、Response 寫得再精確,AI 的理解基礎都是歪的,後續每一項都會跟著走偏。

一、Role 不是裝飾,是設定 AI 的「判斷立場」

很多人寫 Role 設定時,只是隨手加一句「你是一位資安分析師」,然後就覺得做完了這一步。但 Role 真正的作用,不是讓 AI「感覺自己是誰」,而是幫它決定,面對模糊或需要判斷的情況時,該用什麼立場去解讀資料。

舉個例子,同樣一批事件資料,「資安分析師」跟「行銷專員」看待「風險」的角度完全不同——分析師會把「未修補的漏洞」判定為高風險,行銷專員可能完全不會注意到這件事。Role 設定得越具體,AI 在遇到你沒有明講的細節時,才越可能做出符合你期待的判斷。

一個好的 Role 設定,通常包含三層資訊:

1. 身分:是什麼角色?(例如:資安治理分析師)
2. 經驗背景:這個角色通常具備什麼樣的專業視角?(例如:熟悉法規遵循與風險評估框架)
3. 立場邊界:這個角色該做的判斷,跟不該做的判斷,分界在哪?(例如:負責整理與呈現事件狀況,但不負責對外做出處置決策)

第三層「立場邊界」特別重要,也最常被忽略。它直接關係到 Day 11 要談的防呆機制——明確告訴 AI「這件事不是你的角色該判斷的」,能大幅降低它在該保守的地方過度自信地下結論。

二、Context 的任務:填補「AI 不在場」造成的資訊落差

Context 要解決的問題,可以用一句話概括:AI 沒有跟你一起經歷這份工作的日常,它不知道任何你覺得「理所當然」的背景知識。

你每天泡在資安治理的工作環境裡,很多東西對你來說是常識——例如「事件分級」的判斷邏輯、「已結案」跟「處理中」在你們部門的定義差異、監控平台資料的基本結構。但這些「常識」,對 AI 來說一個字都不知道,除非你寫進 Context。

Context 該包含哪些內容?可以用這四個問題來檢查:

1. 這是什麼樣的組織/情境?(例如:金融機構的資安治理單位)
2. 這份任務在什麼樣的工作流程裡?(例如:每週固定產出、提供給主管與稽核單位審閱)
3. 資料來源是什麼、大概長什麼樣子?(例如:監控平台匯出的事件清單,包含時間、類型、處理狀態等欄位)
4. 有沒有這個領域特有、AI 可能不熟悉或容易誤解的專有名詞/慣例?(例如:公司內部對「高風險事件」的分級標準)

三、常見的錯誤:把 Context 寫成「說明文」,而不是「立場」

一個常見的失誤,是把 Context 寫得像在寫維基百科條目——大段介紹「什麼是資安治理」,卻沒有交代這份資訊跟這次任務有什麼關係。

比較兩種寫法:

❌ 說明文式:「資安治理是企業風險管理的一環,涉及政策制定、合規稽核與風險評估⋯⋯」

✅ 立場式:「你正協助一間金融機構的資安治理單位整理週報。此單位每週需向主管與稽核單位回報事件處理進度,因此報告內容須聚焦於『事件是否已妥善處理』與『是否存在未結案的風險』,而非事件的技術細節分析。」

後者雖然字數差不多,但每一句話都在為 AI 接下來的判斷方向提供依據,而不是單純的背景知識堆疊。這是分辨 Context 寫得好不好的關鍵標準。

四、Role 與 Context 該放進 System Prompt 的哪個位置?

回顧 Day 3 的骨架/血肉架構,Role 和 Context 幾乎都屬於「骨架」中最穩定的部分——一旦你的職位、部門性質、報告的呈現對象沒有改變,這兩塊內容理論上可以長期不動,是整份範本裡「異動頻率最低」的區塊(對應 Day 4 提到的「幾乎不變」層級)。

正因為它們這麼穩定,反而更值得你在一開始就花時間寫仔細——這是一次性的投資,寫得越精確,後面每一次使用範本時,都在持續收穫這份投資的回報。

五、今天的行動練習

回頭檢視你目前範本裡的 Role 與 Context 設定(如果還沒寫過,現在就是最好的時機動手寫)。用今天提到的檢查項目逐一核對:

• Role 是否包含身分、經驗背景、立場邊界三層?
• Context 是否回答了組織情境、任務流程、資料來源、專有名詞四個問題?
• 有沒有把 Context 寫成單純的說明文,而不是有立場、跟任務直接相關的背景資訊?

小結

Context 與 Role 是整份 prompt 裡最像「地基」的兩塊——它們不直接決定輸出長什麼樣子,卻決定了 AI 面對模糊地帶時,會往哪個方向去猜測與判斷。地基打得穩,後面 Style、Tone、Response 的規則才有意義;地基歪了,後面寫得再精確,AI 的判斷基礎依然是偏的。

下一篇,我們會進入 CO-STAR 裡最直接影響「格式穩不穩定」的一項——Response,談談怎麼用 Markdown 與 JSON 這兩種工具,精準控制 AI 的輸出結構。