在正式進入後半段的進階工具整合（Search Grounding、Function Calling 與 API 串接）之前，今天我們不開新功能，而是要進行系統性檢測：當 AI 給出的成果不如預期時，如何像軟體工程師除錯（Debug）程式碼一樣，透過一套清晰、標準化的「Prompt Debug 檢查清單（Checklist）」快速鎖定問題並修復。

為什麼 Prompt 需要「除錯框架」？
許多人在 AI 輸出不如預期時，直覺反應是「隨機改幾個字重新抽卡」或「加上更多驚嘆號與情緒字眼」。這種靠運氣的調校方式不僅耗時，而且結果不可重現。
提示工程的本質是軟體工程的延伸。一次失敗的生成，背後通常對應著具體的架構缺陷、參數失衡或注意力干擾。

提示詞五層除錯檢查清單（Prompt Debug Checklist）
當輸出結果崩潰、離題或格式錯誤時，請依序對照以下五個層級進行排查：
Level 1：結構與語法層（Syntax & Framing）

• 是否落實 RCIC 框架？ 是否明確界定了角色（Role）、背景（Context）、具體任務（Task）與硬性限制（Constraint）？
• 是否踩入負向指令雷區？ 是否充斥著「不要太長」、「不要用陳腔濫調」等無效否定句？（改法：替換為肯定句與具體量化規範）。
• 目標是否單純收斂？ 單次輸入是否塞入了超過 3 個以上的互斥要求？（改法：拆分為多輪對話或定義執行優先級）。
  Level 2：示範與邏輯層（Few-shot & Reasoning）
• 任務是否過於抽象？ 是否只用形容詞要求「請寫得專業/生動」？（改法：補上 1～2 組高質量的 Few-shot 範例輸入與輸出）。
• 是否需要多步驟推論？ 涉及計算、邏輯排序或方案比較時，是否強迫模型「直接給答案」？（改法：加入「請一步一步思考（Chain-of-Thought）」咒語，留出 Scratchpad 緩衝區）。
  Level 3：參數配置層（Sampling Parameters）
• Temperature 是否與任務相符？
  程式碼、JSON 提取、資料審計：是否將 Temperature 壓在 0.0 ～ 0.2？
  創意文案、命名發想：是否適度放寬至 1.0 ～ 1.8？
• 思考層級（Thinking Level）是否開啟？ 面對複雜情境，是否啟用了模型內建的 Thoughts 思考推導機制？
  Level 4：格式約束層（Structured Output）
• JSON 結構是否失控？ 是否還在用文字苦苦哀求「請只輸出 JSON」？（改法：直接在右側面板開啟 Structured outputs 並套用 JSON Schema）。
• 巢狀階層邏輯是否混淆？ 欄位型別正確但內容分類錯誤時，是否結合了 Few-shot 範例示範階層歸屬？
  Level 5：資料與邊界層（Context & Hallucination）
• 長文本是否迷失焦點？ 上傳數萬 Token 報告時，提問是否包含足夠精準的錨定關鍵字？
• 是否賦予模型「逃生出口」？ 是否明確設定「若資料未提及，唯一允許的回覆是『未提及』」，防堵模型為討好用戶而強行腦補？

實戰修復演練：從「翻車」到「精準驗收」
以一個常見的社群數據分析任務為例，看看這套清單如何運作：
❌ 原始翻車 Prompt（踩中多重雷區）
「請幫我分析以下這份上週的貼文數據，寫得專業一點，不要太長，不要講廢話，順便算一下平均互動率，然後給我一個可以直接發給主管看的報告。」
排查病徵：
- 模糊形容詞（專業、不要廢話）\rightarrow Level 1 違規
- 否定句指令（不要太長）\rightarrow Level 1 違規
- 涉及計算卻無推導空間 \rightarrow Level 2 違規
- 未定義驗收格式 \rightarrow Level 4 違規
✅ 經清單重構後的工程級 Prompt
【角色】你是一位專精於社群增長的數據分析主管。
【任務】依據以下提供的 5 篇貼文數據，進行成效分析並生成週報。
【規格與約束】

1. 指標推導：請先逐步列出「總互動數 / 總曝光數」的計算算式，得出總體平均互動率（精確至小數點後兩位）。
2. 結構交付：
   • 表現最佳貼文（說明成效與 1 個核心成功原因）
   • 表現落後貼文（說明盲點與 1 個優化建議）
   • 下週行動方針（條列 2 點具體改善行動，每點不超過 40 字）
3. 排版限制：嚴禁使用長篇大論，全文採用清晰的 Markdown 標題與列點呈現。

今日結語
寫 Prompt 不是玄學，而是一門嚴謹的溝通與規格定義工程。擁有一張隨手可查的「Debug 檢查清單」，就像在平板上配備了一把精密游標卡尺——遇到問題不再盲目重抽，而是能冷靜定位病灶、對症下藥。