Prompt工程（Prompt Engineering）

※本文使用claude.ai生成

Prompt 工程（Prompt Engineering）

Prompt Engineering 是一門系統性設計與優化提示詞的技術，目的是讓 AI 模型產出更精準、更有用的結果。它介於「使用技巧」與「工程方法」之間，是目前 AI 應用領域中非常重要的技能。

核心技巧總覽

1. 🎭 角色設定（Role Prompting）

給 AI 一個明確的身份，讓它以特定專業角度回答。

「你是一位擁有 20 年經驗的財務顧問，請分析以下投資方案⋯」

2. 🧩 少樣本示例（Few-Shot Prompting）

提供幾個輸入／輸出的範例，讓 AI 學習你要的模式。

「將以下句子改為正式語氣：  
原句：今天天氣很爛  
改寫：今日天候狀況不佳  
原句：這個方案很爛 → ?」

3. 🔗 思維鏈（Chain of Thought, CoT）

要求 AI 一步步推理，而非直接給答案，適合複雜問題。

「請一步一步思考，然後告訴我答案⋯」  
或在結尾加上：「Let's think step by step.」

4. 🌳 思維樹（Tree of Thoughts, ToT）

讓 AI 探索多條推理路徑，再選出最佳解，適合需要創意或多方案評估的問題。

5. 📋 結構化指令（Structured Instructions）

明確指定格式、長度、語言、段落結構。

「請用以下格式回答：  
    1. 結論（一句話）  
    2. 原因（三點條列）  
    3. 建議行動（具體步驟）」

6. 🔄 反覆精煉（Iterative Refinement）

把 AI 的輸出當作草稿，持續給回饋修改。

「這個版本太正式了，請改得更口語化，並縮短到 100 字以內」

7. 🛡️ 限制與邊界（Constraints）

告訴 AI 不要做什麼，縮小錯誤範圍。

「只使用繁體中文回答，不要使用專業術語，不要超過 200 字」

8. 🔍 自我檢查（Self-Consistency / Reflection）

要求 AI 檢查自己的答案。

「請回答後，再檢查一次是否有邏輯錯誤或遺漏」

9. 📂 情境注入（Context Injection）

提供足夠的背景資料，讓 AI 有據可依。

「以下是我們公司的產品說明（附上文件），請根據這份資料回答客戶問題⋯」

10. 🎯 零樣本提示（Zero-Shot Prompting）

不給範例，直接下清晰指令，適合簡單明確的任務。

「將以下文字翻譯成英文，保持正式語氣」

技巧選用建議

掌握這些技巧後，基本上就能應對大多數 AI 應用場景。進階的 Prompt Engineering 還會結合自動化流程、API 串接、評估機制等，逐漸演變成一門完整的工程學科。