許多人剛接觸 AI 時常抱怨「AI 回覆太籠統、像講廢話」，問題往往不是模型不夠聰明，而是輸入的提示詞缺乏結構。好的 Prompt 不是一句話許願，而是一組明確的「程式規格書」。

提示詞結構四要素（RCIC 模型）
角色（Role）：定義 AI 的身份視角。
目的：收斂模型的詞彙庫與思考維度（例如「資深前端工程師」與「小學自然老師」的用字完全不同）。
背景（Context）：提供現有情境、資料與受眾。
目的：消除歧義，給予模型足夠的先備知識。
任務（Task）：明確的核心行動（Action）。
目的：使用具體動詞（如「分析」、「重構」、「摘要出三個痛點」），避免模糊的「看一下」或「處理一下」。
限制（Constraint）：設定輸出邊界與格式規範。
目的：控制長度、語言、排版（如 Markdown 表格、JSON）、禁止使用的字詞或特定的語氣。

Google AI Studio 實測對照實驗
在 AI Studio 中建立兩個對話進行效果對比，這兩組截圖就是今天的文章核心精華：
實驗 1：模糊提示詞（對照組）
-輸入 Prompt：幫我寫一篇關於運動好處的短文。
-預期結果與盲點：AI 產出的內容通常中規中矩、像教科書或維基百科，缺乏特色與針對性，字數與格式也不受控。
結果：

實驗 2：四要素結構化提示詞（實驗組）
-輸入prompt：
[角色] 你是一位具備運動醫學背景的專業健身教練。
[背景] 面對的是每天久坐辦公室超過 8 小時、經常肩頸痠痛的軟體工程師。
[任務] 撰寫一篇宣導規律阻力訓練好處的衛教短文，強調改善體態與專注力的關聯。
[限制] 1.全文200字以內，語氣親切且具說服力。2.使用繁體中文。3.請用3點條列式列出核心好處，每點不超過30字。
結果：

今日結語
從今天的實測可以清楚看見：AI 輸出的品質，完全取決於你輸入的結構化程度。
當我們只給一句模糊的「幫我寫短文」時，模型只能在浩瀚的機率分佈中選擇最安全、平庸的通用回答；但只要套用 RCIC 四要素（角色、背景、任務、限制），模型就像拿到了精確的規格書，不僅能自動切換至專業視角與專屬受眾對話，更能精準踩在字數與排版規格上。
Prompt 工程的核心心法：
不要把 AI 當作許願池，請把它當作一位需要清晰規格書的高級工程師。