初學者提示工程：六部分提示詞公式

大多數糟糕的 AI 輸出並非模型本身的錯。這是因為提示詞讓模型無從猜測：答案是給誰看的、應該多長、什麼才算是「好」。提示工程只是一種消除這種猜測的習慣。

本指南提供一個六部分組成的公式，適用於 ChatGPT、Claude、Gemini 和大多數其他聊天模型，並指出那些悄悄破壞結果的錯誤。

為什麼提示詞比模型選擇更重要

大型語言模型會預測您提供文字最可能的延續。一個模糊的請求，例如「寫一篇關於行銷的文章」，可能有數百萬種合理的延續，因此模型會選擇一個安全、通用的答案。一個具體的請求會縮小良好答案的範圍，直到模型幾乎沒有偏離的空間。

實際上，重新撰寫提示詞通常比切換到更昂貴的模型更能改善輸出結果。

六部分提示詞公式

您很少需要全部六個部分，但根據這些部分檢查您的提示詞是找出遺漏之處最快的方法。

1. 角色

告訴模型它應該扮演什麼角色。角色設定了詞彙、深度和觀點。

您是一位資深稅務會計師，負責向首次創業的自由工作者解釋稅務事宜。

2. 任務

用一個清晰的動詞來陳述任務：總結、起草、比較、重寫、分類、腦力激盪。一個提示詞，一個主要任務。

起草一份自由工作者在提交首次年度報稅表前所需文件的清單。

3. 背景資訊

提供模型無法得知的資訊：您的受眾、您的限制、您已經嘗試過什麼。

讀者居住在英國，年收入低於 50,000 英鎊，並且從未使用過會計軟體。

4. 格式

描述答案的確切形式：項目符號清單、表格、編號步驟、字數、標題、JSON。

回傳一個包含三欄的 Markdown 表格：文件、取得地點、截止日期。

5. 範例

一個您想要的輸出短範例通常勝過一段說明。這稱為少樣本提示。

範例行：| P60 | 您的雇主 | 5 月 31 日 |

6. 限制

說明要避免什麼以及界限在哪裡。

請勿提供法律建議。將整個答案控制在 250 字以內。如果某些內容取決於讀者的情況，請明確說明，而不是猜測。

綜合運用

以下是應用此公式前後的相同請求。

之前

Tell me about freelancer taxes.

之後

您是一位資深稅務會計師，負責向首次創業的自由工作者解釋稅務事宜。

起草一份自由工作者在提交首次年度報稅表前所需文件的清單。讀者居住在英國，年收入低於 50,000 英鎊，並且從未使用過會計軟體。

回傳一個包含三欄的 Markdown 表格：文件、取得地點、截止日期。將答案控制在 250 字以內，請勿提供法律建議。如果某些內容取決於讀者的情況，請明確說明，而不是猜測。

第二個提示詞雖然較長，但每個句子都消除了模型原本會替您做出的決定。

七個常見的提示詞錯誤

在一個提示詞中堆疊多個任務。 將「研究、大綱和撰寫」分成三個步驟。每個步驟都能讓模型完全專注，您可以在中間修正方向。
在沒有標準的情況下要求「最好的」。 對誰來說是最好的？最便宜的、最快的、最容易學習的？請明確指出標準。
僅提供負面指示。 「不要無聊」不如「每段使用短句並提供一個具體範例」有效。
將重要部分隱藏在長篇貼文的末尾。 將指示放在長篇文件之前，或在文件之後重複關鍵指示。
沒有輸出格式。 如果沒有指定，您將得到模型偏好的任何結構，這會因答案而異。
接受第一個答案。 將第一個回應視為草稿。接著可以說「讓它更短」、「加入反駁論點」或「為 12 歲兒童重寫」。
不經查證就相信事實。 模型可以自信地陳述錯誤的事實。請要求提供來源並驗證任何重要的內容。

迭代，而非重新開始

當答案接近但不完全正確時，請回覆精確的修正，而不是重新開始一個新的對話：

「保持結構，但將每個項目符號縮減為一行。」
「語氣太過正式。請改寫成與同事對話的語氣。」
「第 3 點是錯誤的，因為……請只修正該點。」

模型會保留先前的上下文，因此小幅修正比全新的提示詞更經濟且更可靠。

讓生成器完成初稿

每次都寫齊所有六個部分是很繁瑣的。我們的免費提示詞生成器能將一個單行想法轉化為結構化的提示詞，其中已包含角色、清晰的指示和輸出格式。然後您可以編輯草稿以添加自己的背景資訊。

從您使用的模型生成器開始，然後閱讀模型專屬指南以微調結果。