系列：30 天用 Google AI 打造臺灣防災速報 App（Day 8/30）

第二週進入 AI 核心。今天的任務只有一個：設計出能穩定產出「口語化災害速報」的 prompt（給模型的指示文字）。聽起來是小事，但速報是 AI 產生的文字裡，第一個會直接顯示在使用者鎖定畫面上的內容，每個字都要斟酌。

先定義「好的速報」

寫 prompt 之前先想清楚驗收標準，否則修改時只會「感覺這版比較好」。一則好的災害速報應該：

1. 60 字左右：推播通知放得下，鎖定畫面一眼讀完。
2. 資訊完整：何時、何地、多大、對我有什麼影響。
3. 不臆測：原文沒有的資訊絕不能自己補。模型寫出看似合理、實際上沒有根據的內容，稱為 AI 幻覺；這在一般應用是瑕疵，在防災情境是事故。
4. 語氣冷靜：只告知、不恐嚇，該行動時明確說。

這四條之後會變成品質評估的檢核規則，今天先當作設計依據。

真實輸入：一則地震報告長什麼樣

拿 8 月 22 日上午的一則真實地震示警當材料。NCDR 示警資料裡的摘要只有一句：

08/22 11:40 臺灣東部海域發生規模 5.1 有感地震，最大震度宜蘭縣南澳、花蓮縣和平、宜蘭縣宜蘭市 3 級。

順著 cap_link 欄位的網址下載完整的 CAP 電文（官方發布示警用的標準格式檔），資訊多很多：發震時間 11:40:15、震央北緯 24.42 度、東經 121.99 度、深度 27.8 公里、芮氏規模 5.1、各縣市最大震度逐一列出（宜蘭縣、花蓮縣 3 級；新北市、臺北市、桃園市、新竹縣、臺中市、彰化縣、南投縣 2 級；基隆市、新竹市、苗栗縣、雲林縣、嘉義縣、嘉義市 1 級），CAP 電文裡的官方 severity（嚴重程度）欄位標 Minor（輕微）、alert_color（警示顏色）是綠色。

這段原文有兩個特徵。第一，資訊以參數表的形式列出，沒有寫成句子。第二，15 個縣市的震度一字排開，一般民眾不會逐一去讀。速報要做的事，就是從這張表裡挑出對使用者有意義的幾個關鍵事實，寫成一句一般民眾看得懂的話。

Prompt 改寫四輪

我先把上面那些參數整理成一段文字，當作每個版本共用的輸入：

REPORT = """發震時間：2026年8月22日11時40分15秒
震央位置：北緯24.42度、東經121.99度，宜蘭縣政府東南方41.7公里（位於臺灣東部海域）
芮氏規模：5.1
地震深度：27.8公里
各地最大震度：宜蘭縣3級、花蓮縣3級、新北市2級、桃園市2級、臺中市2級、南投縣2級、新竹縣2級、臺北市2級、彰化縣2級、基隆市1級、苗栗縣1級、新竹市1級、嘉義縣1級、雲林縣1級、嘉義市1級
官方severity：Minor　alert_color：綠色"""

呼叫的程式只有幾行。prompt 是各個版本的指示文字，後面接上這份報告；換版本時只改第一行：

from google import genai

prompt = f"把這則地震報告改寫成白話文。\n\n地震報告：\n{REPORT}"   # 第一版

client = genai.Client()
resp = client.models.generate_content(
    model="gemini-3.1-flash-lite",
    contents=prompt,
    config={"temperature": 0.2},   # 溫度的說明在後面
)
print(resp.text.strip())

下面引用的輸出，都是 9/19 用同一支程式實際執行的紀錄。模型每次的輸出會有些不同，重新執行時文字細節可能和這裡不一樣。

第一版，太自由：

把這則地震報告改寫成白話文。

問題：模型會自行補充內容，而且補的是判斷。這一次的輸出共 361 字，加了「【地震快訊】」標題和好幾個粗體條列項目，結尾寫下「請民眾不必過度驚慌，但仍需留意後續可能發生的餘震」。這一版每次執行的長度都不一樣，我在不同時間執行過幾次，長度在 289 到 361 字之間，但每一次的結尾都有「請大家不用擔心」「不必過度驚慌」這類的話。這些話原文沒有，這正是我們最不想要的：模型替使用者決定了該不該擔心。

第二版，加限制：

把這則地震報告改寫成白話文。只能使用報告中出現的資訊，不得推測或補充。

問題：自行補充的內容消失了，但長度沒有受到控制。這一次的輸出是 273 字，模型為了「完整」把 15 個縣市的震度分三級全部列出，還照抄了「官方評級為輕微（Minor），警示燈號為綠色」。資訊都忠於原文，但推播通知放不下，也沒有人會在鎖定畫面上讀完。

第三版，加上角色、受眾、格式與規則：

你是臺灣防災速報編輯。將官方地震報告改寫成給一般民眾的速報。

規則：
- 60 字以內，一段文字，不用條列
- 依序包含：發震時間、震央位置、規模、最大震度與地區
- 震度只寫最大震度與其縣市，其餘縣市不列
- 只能使用報告中出現的資訊，不得推測或補充
- 語氣冷靜清楚，不使用驚嘆號
- 若報告中有「無海嘯威脅」等官方判定，必須保留

地震報告：
{report}

連續執行五次，輸出完全相同：

2026年8月22日11時40分，宜蘭縣政府東南方41.7公里處發生規模5.1地震，最大震度宜蘭縣、花蓮縣3級，無海嘯威脅。

62 個字（含標點），格式很理想。問題出在最後五個字：輸入的報告裡完全沒有提到海嘯，「無海嘯威脅」是模型自己寫出來的，而且五次都寫。改用預設溫度再執行五次，結果一樣，其中一次還寫成「經氣象署評估，本起地震無海嘯威脅」，氣象署並沒有做過這個評估。

原因在我寫的最後一條規則。我的用意是「官方有講的時候不要漏掉」，但規則裡出現了「無海嘯威脅」這幾個字，模型就把它當成速報應該有的內容。同一個 prompt 裡明明還有「只能使用報告中出現的資訊」，也沒有擋住。

第四版，定稿：刪掉那條規則

我試了兩種修法。第一種是把那條規則改成「報告中沒有提到的事項一律不寫；報告中若有官方的判定文字，照原文保留」。模型不再自己寫海嘯了，但我另外準備一份真的含有「本地震無海嘯威脅」的輸入來測試，五次裡只有兩次保留，並不可靠。

第二種是直接刪掉那條規則，其他不變。連續執行五次，輸出完全相同：

2026年8月22日11時40分，臺灣東部海域發生規模5.1地震，宜蘭縣與花蓮縣最大震度3級。

47 個字（含標點），四項資訊依序到齊，沒有任何原文以外的內容。定稿採用這一版。至於「官方有海嘯判定時必須保留」這個需求，改由程式處理：電文裡有這段文字時，由程式原封不動附在速報後面，不經過模型。這一段之後會處理。

四輪改寫真正改變的，是把判斷從模型手上交回給規則：寫什麼（順序）、寫多少（只列最大震度）、不寫什麼全部由規則決定，模型能自行決定的範圍縮小到用字。第三版也提醒了我另一件事：規則裡舉的例子，模型可能直接拿去用。

兩個實用技巧

• 在 prompt 裡放一個好範例（這個做法稱為 few-shot），有時比多加幾條規則有效。這次的定稿沒有放範例。如果要加，先放一個就好；第三版的經驗是，prompt 裡出現的文字都可能被模型拿去用，所以每增加一個範例都要再實測一次。
• 溫度（temperature）要先查官方建議再決定。溫度是控制輸出隨機程度的參數，數值愈低，每次的輸出愈接近。速報需要穩定，直覺上會把溫度調低。不過 Google 的官方文件建議 Gemini 3 系列維持預設值 1.0，並提醒調低後在複雜推理任務上可能變差。所以我用定稿版在兩種設定下各執行五次來比較。溫度 0.2 的五次輸出完全相同，都是 47 字。預設溫度的五次輸出，事實內容也全部正確，長度是 56 到 65 字，用字每次不同，其中一次多寫了地震深度。60 字是目標，多幾個字可以接受，資訊正確比較重要；但推播內容愈一致愈好，所以本系列只在速報改寫這一步使用 0.2。這個設定不適用於其他任務，需要模型推理的步驟一律維持預設值。

設計決策：AI 該多大膽替使用者下判斷？

寫 prompt 的過程其實一直在回答一個更根本的問題：速報該不該替使用者判斷「嚴不嚴重、是否需要避難」？

人機協作的研究給了明確的警訊。人機互動領域的國際研討會 CHI 2024 有一篇研究（Salimzadeh、He 與 Gadiraju，〈Dealing with Uncertainty: Understanding the Impact of Prognostic Versus Diagnostic Tasks on Trust and Reliance in Human-AI Decision Making〉）請 258 位參與者在旅程規劃任務中使用 AI 的建議，比較人在不同任務下如何依賴 AI。摘要裡的結論是：當任務複雜、結果不確定時，人更傾向依賴 AI，但「適當依賴」（AI 對的時候相信、AI 錯的時候不相信）的程度反而比簡單、確定的任務低。（論文連結）這項研究的情境是旅程規劃，和地震速報不同，這裡只借用它的觀察，當作設計時要留意的方向。

地震速報剛好位在這兩種情境的交界：「發生了什麼」是已經發生、可以核對的事實；「你那裡還會不會搖、要不要躲」是接下來幾秒鐘的事，沒有人能預測，模型也沒有足夠的資料去判斷。如果速報用篤定的語氣說「不用擔心」，使用者沒有時間也沒有資訊去質疑它，只能照單全收。

所以本系列的速報守一條原則：只陳述事實，不代替判斷。「花蓮最大震度 3 級」可以寫；「請安心」「不必驚慌」不寫。要不要行動的門檻由明天的分級規則決定。有官方等級時直接採用；沒有官方等級時，模型只能依照一張固定的規則表來對應，不能自己訂門檻。

（本篇輸出實測於 2026-09-19，模型 gemini-3.1-flash-lite；四輪改寫的溫度皆為 0.2。）

今日小結

• 速報驗收標準四條：短、完整、不臆測、冷靜。真實 CAP 電文是一張參數表，速報的工作是挑出事實，寫成一般民眾看得懂的句子。
• Prompt 四輪改寫：第一版 300 多字且自行加入判斷；第二版 273 字，長度未受控制；第三版格式理想，卻自己寫出報告裡沒有的「無海嘯威脅」；定稿版刪掉引起問題的那條規則，輸出 47 字。
• 規則裡舉的例子，模型可能直接拿去用。官方有海嘯判定時要保留，這件事改由程式附加，不交給模型。
• 溫度設定先查官方建議，再用實測決定。
• 設計決策：速報只陳述事實、不代替判斷，依據是「任務愈不確定，人愈依賴 AI、適當依賴卻愈低」的研究發現。

明天 Day 9 處理「程式怎麼讀取 AI 的輸出」：用 Structured Output 讓 Gemini 直接產出符合格式的 JSON。