為什麼選好模型還不夠？

Day 3 比較了 GPT、Gemini、Claude 之後，得到一個結論：選哪個模型的影響，往往比不上「怎麼問」的影響大。 同一個模型，換一種問法，輸出品質可能差很多。這也是為什麼在動手寫「情境生成」「角色扮演」這些核心功能之前，Day 4 要先停下來，把 Prompt Engineering 的基礎打好。

Prompt Engineering（提示工程），簡單說就是：設計輸入給 LLM 的文字指令，讓它更準確地生成你要的結果。 LLM 本質上是「根據上下文生成內容」，所以輸入的內容越清楚、結構越完整，輸出的品質跟穩定性就越高。

一個好 Prompt 通常包含哪些元素？

雖然沒有標準公式，但一個好的 Prompt，通常會包含以下幾個要素：

1. 角色設定（Role）：告訴 AI 它要扮演誰、用什麼身份回答
2. 任務描述（Task）：清楚說明要做什麼事
3. 情境與脈絡（Context）：提供必要的背景資訊，減少 AI 亂猜
4. 輸出格式（Format）：規定回應要用什麼結構呈現（例如條列、JSON、固定欄位）
5. 限制與例外（Constraints）：明確排除不想要的行為，例如「不要用生硬的翻譯腔」
6. 範例（Examples）：給一兩個範例，讓 AI 知道理想輸出長什麼樣子（這種手法叫 Few-shot Prompting）

用專題會用到的「英文修正」功能來對照，一個沒有結構的 Prompt 跟一個有結構的 Prompt，差異會很明顯：

❌ 沒有結構的 Prompt：

幫我看看這句英文有沒有問題：I want a coffee with not too much sweet.

這種寫法 AI 通常只會給一個籠統的修正，格式每次可能不一樣，很難串接到系統裡自動處理。

✅ 有結構的 Prompt：

你是一位英文口語教練。請針對使用者提供的句子，依照以下格式回覆：

1. 原句
2. 文法修正
3. 更自然的母語者說法
4. 一句話說明為什麼這樣更自然

使用者句子：「I want a coffee with not too much sweet.」

角色設定（英文口語教練）、任務（修正句子）、輸出格式（四個固定欄位）都寫清楚了，AI 給出的結果會更穩定，也更方便之後串接到程式裡解析成結構化資料。

幾個常用的 Prompt 設計技巧

1. Zero-shot vs Few-shot

• Zero-shot：不給範例，直接描述任務，靠 AI 自己理解
• Few-shot：先給 1-3 個範例，讓 AI「照著樣子做」

對於「學習報告生成」這種格式要求嚴謹的功能，Few-shot 通常效果更穩定——先給一份範例報告，AI 比較不會漏掉欄位或格式跑掉。

2. Chain of Thought（思考鏈）

請 AI 先「一步一步想」再給答案，而不是直接跳到結論。例如：

請先分析這句話的文法結構，找出可能的問題，再給出修正建議。

這對「英文錯誤分析」這種需要邏輯判斷的任務特別有幫助，能減少 AI 亂猜答案的情況。

3. 明確的輸出格式（結構化輸出）

如果之後要把 AI 的回應串接到程式（例如 FastAPI 後端要解析資料），最好直接要求 AI 輸出固定格式，例如：

請用以下 JSON 格式回覆，不要加入其他文字說明：

{
  "original": "原句",
  "corrected": "文法修正",
  "natural": "更自然的說法",
  "explanation": "簡短說明"
}

這個技巧在後面 Day 8-14 實作角色扮演與修正功能時會不斷用到，也是 Day 17-18 串接 FastAPI 時，讓後端能穩定解析 AI 回應的關鍵。

4. 設定明確的邊界

避免 AI 回答出跳脫情境的內容，例如：

你只能以咖啡廳店員的身份對話，不要跳出這個角色，也不要主動提及你是 AI。

這對「角色扮演」功能很重要，能避免 AI 中途「出戲」，破壞使用者的沉浸感。

針對專題功能，先草擬 Prompt 的基本骨架

Day 4 不用把每個功能的 Prompt 寫到完美，但可以先為四個核心功能，各自列出「這個 Prompt 至少要包含哪些要素」：

這張表會是 Day 5 實際動手寫 Prompt 時的骨架，先把「該包含什麼」想清楚，寫的時候就不會漏東漏西。

小結

Day 4 學到的核心觀念是：Prompt 不是隨便打字問問題，而是一種「設計」——把角色、任務、脈絡、格式、限制講清楚，AI 給出的結果才會穩定、可預期，也才能真正串接進系統裡自動化處理，而不是每次都要人工檢查格式對不對。

明天（Day 5）要正式動手：針對「情境生成」功能，把今天整理的 Prompt 骨架寫成第一版可以實際執行的 Prompt，讓 AI 根據使用者輸入的情境，生成完整的英文對話場景。

本文為「30 天 AI 情境英文口語教練」自主學習專題系列文章 — Day 4