如何讓 AI 聽懂人話？
從新手到高手的指令秘籍
Prompt Engineering 實戰指南
導言：為什麼你的 AI 總是不懂你？
其實不是 AI 笨，是我們「交辦工作」的方式不夠清楚。Prompt Engineering（提示工程）就像是在用白話文寫程式。 核心在於給出清晰的指令、必要的背景，並告訴 AI 該怎麼排列組合這些資訊。
想像一下，Prompting 就像是在寫一份給「超級實習生」的工作指南。這個實習生很聰明，但如果你沒說清楚，他就會亂猜。
1 第一部分：基礎篇 (Prompting 101)
適合場景：寫作、分析文件、單次問答、資料擷取。
1. 給它一個「身分」與「任務」 (Context & Role)
不要只丟一句話給 AI，你要像導演一樣設定角色。
✅ 正確示範： 「你是一間瑞典保險公司的理賠專員。你的任務是閱讀車禍報告並判斷誰有過失。」
コーチの解讀：如果不說這是車禍報告，AI 可能會以為是滑雪意外。明確定義身分，AI 就不會瞎猜。
2. 提供「參考書」 (Background Data)
如果是固定不變的資訊（如標準表格、法規），請放在最前面 (System Prompt)。
- 為什麼？ 讓 AI 專注填寫內容，不用重新學習格式。就像給實習生「員工手冊」。
- 小技巧： 善用 XML 標籤（如
<form>內容</form>）。AI 喜歡結構化資料。
3. 下達「步驟指令」 (Step-by-Step Instructions)
不要只求結果，要規定過程。人類怎麼思考，就叫 AI 照著做。
強迫 AI 把思考過程寫出來 (Show its work)，準確率會大幅提升。
4. 規定「輸出格式」 (Output Formatting)
告訴 AI：「請用 JSON 格式輸出」或「請把結論包在 <verdict> 標籤裡」。
這樣你可以直接拿程式去抓取結果，不用人工複製貼上。
2 第二部分：進階篇 (Prompting for Agents)
適合場景：使用工具、上網搜尋、寫程式、多步驟複雜任務。
1. 什麼是代理人 (Agent)？
基礎篇 AI 像「問答機」。代理人則像「獨立員工」，在迴圈 (Loop) 裡工作：
使用工具 → 觀察結果 → 思考下一步 → 再使用工具，直到完成。
2. 何時該用代理人？
殺雞焉用牛刀。適合任務複雜、路徑不固定的場景。
- 適用：做市場調查（不知道要搜尋幾次才能找到答案）。
- 不適用：已有確切 SOP 的固定流程，或簡單任務。
3. 關鍵心法：像代理人一樣思考 (Think Like an Agent)
問自己：「如果我是剛畢業的實習生，給我這些工具，我會不會不知所措？」
- 工具設計要清楚：名稱簡單準確，不要重疊。
- 給原則，不要給腳本：範例：「簡單問題搜 5 次，複雜搜 10 次」或「找到答案就停止」。
4. 讓它「先想再做」 (Plan & Guide Thinking)
現在的模型 (Claude 3.5/GPT-4) 可以邊做邊想。
- 指令技巧：要求呼叫工具前先規劃：「我要搜什麼關鍵字？找什麼來源？」
- 檢查機制：拿到結果後評估：「資料可信嗎？需要驗證嗎？」
5. 如何測試？ (Evaluation)
從小開始。手動測試幾個案例，觀察日誌 (Logs)。
看看它調用了什麼工具？有沒有鬼打牆？這比只看最終答案更能優化指令。