昨天我們學會了查證 AI 提供的資料，但即使資料來源可靠，如果一開始交代的任務很模糊，AI 仍可能產生一篇「看起來很完整，實際上不能用」的答案。

例如，許多第一次使用生成式 AI 的同學會輸入：

幫我想一個厲害的 AI 專題。

這句話沒有錯，但 AI 不知道：

• 專題要解決誰的問題？
• 團隊有多少人？
• 有沒有程式設計能力？
• 剩下多少時間？
• 可以使用哪些資料？
• 最後要交網站、影片，還是研究報告？
• 什麼樣的答案才算「厲害」？

因此，AI 只能自行猜測。

今天要學的不是某一句神奇咒語，而是如何把模糊想法整理成一份「AI 看得懂、團隊能重複使用、成果可以驗收」的小型任務規格。

提示詞不是咒語，而是任務規格

提示詞（Prompt）就是我們交給 AI 的任務說明。

好的提示詞和向組員分配工作很像。假設你只對組員說：

幫我做一份簡報。

對方一定還會想知道主題、觀眾、頁數、截止時間及評分標準。

AI 也是如此。

Google 的官方提示設計指南指出，清楚、具體的指令是調整模型行為的有效方式；提示工程本身也是反覆實驗與改善的過程。Anthropic 的官方指南則建議，在改善提示詞前，應先定義成功標準，並準備可以實際測試的方法。

換句話說，提示詞的目的不是讓文字看起來很專業，而是降低 AI 猜錯需求的機率。

五個欄位：把模糊需求變成可驗收提示詞

我把適合初學者的提示詞結構整理成五個欄位：

1. 任務 Goal
2. 背景 Context
3. 限制 Constraints
4. 輸出 Output
5. 驗收 Evaluation

圖 1：從模糊需求到可驗收提示詞的五步流程。製作方式：依 OpenAI、Anthropic 與 Google 官方提示指南整理，以 SVG 自製並輸出為 PNG。

圖片替代文字：

提示詞從任務、背景、限制、輸出格式到驗收與反覆修改的五步流程圖。

1. 任務：AI 到底要完成什麼？

一個提示詞最好先有一個主要動作。

例如：

• 比較三個專題方向
• 將訪談內容整理成重點
• 為簡報產生八頁大綱
• 找出企畫書中缺少的證據
• 將需求轉換成網站功能清單

不建議一次要求 AI：

幫我想題目、找資料、寫程式、做簡報、預測評審問題，最後再幫我檢查。

任務塞得越多，越難判斷是哪一個步驟出了問題。

比較好的寫法是：

請先提出五個 AI 專題方向。本次只進行題目發想，不撰寫程式或簡報。

2. 背景：告訴 AI 它不知道的事情

AI 不知道你的課程規則、團隊能力及真實需求，除非你主動提供。

可以補充：

• 使用者是誰
• 問題發生在什麼情境
• 團隊人數與能力
• 專題時程
• 已經擁有的資料
• 最終使用場合

例如：

我們是四位非資訊科系的大一生，將參加校內 AI 專題競賽。專題製作時間為八週，成員會使用 ChatGPT、Google 表單與 Canva，但目前沒有網站開發經驗。

這段背景比「你是一位世界級專家」更有用，因為它提供了真正影響答案的資訊。

角色設定不是完全沒用，但應該用來指定觀察角度，例如：

請以大學專題評審的角度，檢查這個構想是否具有明確問題、目標使用者與展示價值。

3. 限制：畫出答案的邊界

限制不是越多越好，而是要排除目前不能接受的方案。

常見限制包括：

• 優先使用免費工具
• 不蒐集姓名、電話等個人資料
• 不需要自行訓練大型模型
• 必須能在八週內完成
• 必須有可現場展示的成果
• 不可依賴無法取得的企業內部資料
• 如果沒有可靠來源，必須標示不確定

例如：

優先使用具有免費方案的工具，不自行訓練大型模型，不蒐集敏感個資。題目必須能在八週內完成最小可行版本，並能於五分鐘內展示主要功能。

限制能避免 AI 提出「理論上很厲害，實際上做不完」的專題。

4. 輸出：直接指定答案長什麼樣子

如果沒有指定格式，AI 可能回傳一大篇文章；但你真正需要的也許是一張比較表。

可以指定：

• 數量
• 長度
• 欄位
• 排序方式
• 語言
• Markdown、表格或 JSON
• 是否需要來源連結

例如：

請以 Markdown 表格輸出五個題目。欄位包含：題目名稱、目標使用者、真實痛點、需要的資料、AI 的作用、八週 MVP、主要風險。

如果你有理想答案，可以再提供一個範例。OpenAI 與 Google 的官方指南都提到，少量且格式一致的輸入／輸出範例，可以幫助模型掌握期望的格式與模式。

例如：

範例題目：校園剩食媒合助手
目標使用者：學生與校內餐廳
真實痛點：打烊前仍有可食用餐點，但學生不知道
AI 的作用：根據預算、距離及飲食限制排序選項

範例不是要 AI 照抄題目，而是告訴它答案應有的具體程度。

5. 驗收：怎樣才叫做「回答得好」？

這是最常被忽略的一步。

如果沒有成功標準，我們只能憑感覺說：

這個答案好像不錯。

比較好的方式，是先建立簡單的評分表。

總分為 10 分。

可以把這張表一起交給 AI：

請依照問題明確度、可行性、AI 必要性、資料可得性及展示效果，各以 0～2 分評分。請說明扣分原因，不要為了鼓勵我而全部給高分。

這樣，同一組的不同構想才能用相同標準比較。

完整提示詞：請直接複製使用

以下是一份適合非本科大一生進行 AI 專題發想的提示詞：

【任務】
請為我們提出 5 個適合參加大學 AI 專題競賽的題目。

【背景】
我們是 4 位非資訊科系的大一生，製作時間為 8 週。
成員會使用 ChatGPT、Google 表單與 Canva，但沒有完整的網站開發經驗。
我們希望解決校園生活或學習效率中的真實問題，最後需要進行 5 分鐘現場展示。

【限制】
1. 優先使用免費或具有免費方案的工具。
2. 不自行訓練大型語言模型。
3. 不蒐集姓名、電話、病歷等敏感個人資料。
4. 題目必須能在 8 週內做出可操作的 MVP。
5. AI 必須負責一個明確且可說明的核心任務，不能只是裝飾。
6. 如果需要外部資料，請說明資料可能來自哪裡，不要捏造資料集名稱。

【輸出格式】
請使用 Markdown 表格，欄位包含：
- 題目名稱
- 目標使用者
- 真實痛點
- AI 的核心作用
- 所需資料
- 8 週 MVP
- 免費工具選擇
- 主要風險

【驗收方式】
請再依下列項目各以 0～2 分評分：
- 問題明確度
- 可行性
- AI 必要性
- 資料可得性
- 展示效果

依總分排序，詳細說明前 2 名值得繼續發展的原因。
若資訊不足，請先提出最多 3 個必要問題，不要自行假設。

這份提示詞不只適用於 ChatGPT，也可以放進其他支援文字對話的生成式 AI。不同模型的輸出仍可能不同，因此不要只執行一次就直接採用。

用三輪對話改善答案

提示詞不需要一次就寫到完美，可以採用三輪流程。

第一輪：產生草稿

先使用完整提示詞產生五個構想。

第二輪：要求 AI 扮演反方

請不要新增題目。以嚴格競賽評審的角度，找出前兩名構想最可能失敗的原因。

請分別檢查：
1. 問題是否真的存在
2. AI 是否不可取代
3. 資料是否取得得到
4. 八週內是否做得完
5. 現場展示可能發生什麼問題

對無法確認的事項標示「需要查證」。

第三輪：根據批評修改

根據上一輪找出的風險，修改前兩名構想。

請保留原本要解決的核心問題，只調整：
- 功能範圍
- 資料來源
- AI 任務
- MVP 驗收方法

最後列出修改前後的差異。

這種「產生、批評、修改」的流程，比一直輸入「再專業一點」「再有創意一點」更容易得到可用成果。

常見錯誤一：只設定厲害角色

你是世界上最強的 AI 專家，幫我想一個一定會得獎的題目。

問題在於「最強」「一定得獎」都無法驗收，也沒有提供團隊條件。

角色可以保留，但必須搭配背景、限制與成功標準。

常見錯誤二：要求很多，卻不提供資料

如果希望 AI 分析問卷，至少要提供：

• 問卷題目
• 回覆資料
• 欄位意義
• 希望回答的研究問題

不要只說：

幫我分析學生對 AI 的看法。

否則 AI 可能只會產生一般性的推測。

常見錯誤三：把 AI 的自評當成真實驗證

AI 可以依評分表檢查答案，但不能取代真實使用者。

如果 AI 說「學生一定會喜歡」，仍然需要：

• 訪談學生
• 發放小型問卷
• 製作操作原型
• 觀察實際使用情況

AI 的評分適合用來篩選構想，不代表市場或使用者已經驗證。

常見錯誤四：同時修改太多條件

第一次結果不好時，不要把整份提示詞全部重寫。

可以一次只修改一個變因：

1. 先補充目標使用者。
2. 再增加時間與工具限制。
3. 接著指定輸出表格。
4. 最後加入評分標準與範例。

每次保留結果，才能知道是哪一項修改真正改善了答案。這和做實驗時一次只改一個變因的概念相同。

今天的實作練習

請選擇一個你最近真的想請 AI 完成的任務，例如：

• 整理上課筆記
• 找專題題目
• 製作簡報大綱
• 安排讀書計畫
• 比較三項工具

接著完成以下步驟：

1. 寫下原本的一句話提示詞。
2. 加入任務、背景、限制、輸出及驗收五個欄位。
3. 將兩個版本分別交給同一個 AI。
4. 以「正確、完整、可執行、格式符合」四項標準比較。
5. 記錄哪一項提示詞修改最有效。

今天的完成條件不是「AI 回答很多」，而是你能明確說出：

哪些條件讓答案變得更可用？

今日重點

好的提示詞通常具備五個部分：

• 任務：要 AI 完成什麼？
• 背景：有哪些 AI 不知道的資訊？
• 限制：哪些範圍不能超出？
• 輸出：答案要長什麼樣子？
• 驗收：如何判斷成果合格？

提示詞不是一次性的神奇句子，而是一份可以測試、比較與持續改善的任務規格。

當提示詞能被驗收，我們才有辦法把 AI 從「聊天工具」逐步變成專題中的可靠工作流程。

下一篇預告

Day 4，我們將把 AI 找到的網頁、PDF、影片與筆記整理成「專題資料庫」，建立不再到處複製貼上的資料管理方法。

官方參考資料

1. OpenAI｜Prompt engineering
2. Anthropic｜Prompt engineering overview
3. Google AI for Developers｜Prompt design strategies

以上官方文件皆於 2026 年 9 月 17 日查閱。各平台功能與可用額度可能調整，請以官方最新說明為準。