Prompt 內功線

很多人第一次覺得 AI「不過如此」，是因為丟給它的是一句願望，不是一個提示。「幫我寫貼文」「幫我回這封客訴」——這種話你丟給一個真人新同事，他也只能亂做。AI 很強，但它讀不到你腦袋裡的前提：你是哪家公司、這封信要給誰、以前都怎麼寫、能多兇或要多客氣。這些你沒說，它只好拿網路上最「平均」的內容拼給你，於是你嫌它空泛、不對味。

解法是把提示拆成三塊來想。第一塊背景：你的身分、公司、這件事的對象與目的。「我是一家連鎖火鍋店的行銷，要寫給怕吃辣的家庭客看」——這一句就把用詞、專業度、切入角度全部定調。第二塊指令：你要它做的那個「動作」，動詞要明確——是寫、是改寫、是整理成表、是分成三個版本？「幫我看一下」太糊，「幫我把這段改寫成三則 IG 貼文」才是指令。

第三塊規則：格式、字數、語氣、要避開什麼、有沒有範例可照。這是最多人省略、卻最決定「成品能不能直接用」的一塊。「150 字內、條列三點、結尾放一句訂位提醒、不要用『親愛的顧客』開頭」——講到這個程度，AI 幾乎能一次交出你能直接貼出去的東西。

要記住這是對話，不是一次就結束。就算第一版八成到位，需要再喊「第二點太官腔，口語一點」也很正常——那是在雕，不是重做。真正浪費時間的，是提示給太糊、拿到一坨不能用的、然後整段砍掉重來。這一招是地基：後面每一招，都是在這三塊上面加東西。

上一招講「結構」，這一招講「態度」：把話講白。台灣人講話習慣客氣、留餘地，「你看看能不能幫我弄一下那個東西」——對真人也許還行，對 AI 就是災難，因為它會很認真地去猜「那個東西」是什麼，然後猜錯。對 AI 最好的禮貌，就是把要的東西直接、具體地講出來。

官方給了一個超好用的自我檢查法，叫清楚提示的金科玉律：把你打的提示，原封不動拿給旁邊的同事或朋友看，請他照著做做看。如果他會皺眉、會反問你「所以你到底要幾個字？給誰看？」——那 AI 也會一樣困惑。人會愣住的地方，就是 AI 會出錯的地方。這個方法不用懂任何技術，任何人都能拿來檢查自己的提示。

講白有很多具體招式。嫌 AI 每次回答前都要先鋪陳一段廢話（「當然可以！以下是為您整理的內容…」）？直接加一句「不要任何開場白，直接給我內容」。問它意見它每次都打太極、列一堆「這要看情況」？就說「如果一定要你選一個，你會選哪個？直接給答案再說理由」。你要的行為，用命令句直接講，比暗示有效十倍。

這招最實際的價值：它幾乎不花成本，卻立刻見效。你不用學新功能、不用改工具，只要把「能不能麻煩你稍微幫我看一下」改成「幫我把這封客訴回信改成三個版本：一個很客氣、一個中性、一個稍微強硬」，拿到的東西馬上就不一樣。模糊換來反覆修改，直接換來一次到位。

這招的原理很直覺：你請「一位法律顧問」跟請「一位鄰居」看同一份合約，講出來的東西當然不一樣。AI 內建了海量不同專業、不同口吻的資料，你給它一個角色，等於幫它從那片大海裡「定位」到對的那一塊，它就會用那個身分該有的用詞、深度和謹慎程度來回你。

官方特別強調：角色影響的不只是語氣，還有能力表現。同一道有點繞的邏輯題，直接問，AI 可能會猶豫或答錯；但先跟它說「你是一個專門解邏輯難題的推理引擎」，它反而能一步步推對。給它一個「專業的身分」，它就會擺出那個專業該有的思考方式。所以角色不只是化妝，是真的會讓輸出變聰明。

用在台灣中小企業的日常，威力很明顯。要回一封難搞的客訴？「你是一位處理過上千件客訴、最擅長安撫情緒又守住公司立場的資深客服主管」。要把一堆數字講給老闆聽？「你是一位會把財報講成白話、讓非財務背景老闆秒懂的顧問」。要寫貼文？「你是一位擅長寫在地小店社群、語氣親切會玩梗的小編」。角色一換，成品的味道整個對了。

兩個加分技巧。一是角色描述越細越好：不只給頭銜，還給經歷、專長、風格（「擅長…、討厭…、習慣先…」）。二是補上「對象是誰」：同一個會計師角色，你說「解釋給完全不懂稅的小吃店老闆聽」跟「跟另一位會計師討論」，深度會自動天差地別。角色定「誰在講」，對象定「講多深」，兩個一起給最準。

這招要解決一個很隱蔽、但很常見的坑。假設你想請 AI「幫我把下面這封客訴改寫得更客氣」，然後直接把客訴整段貼在後面。萬一那封客訴裡剛好有一句「請立刻退我錢，不然我要投訴」——AI 有可能把這句當成你下給它的指令，然後真的開始跟你討論怎麼退錢，而不是改寫。指令和資料黏在一起，AI 就分不清哪句在說話、哪句只是被處理的素材。

解法很簡單，不用任何技術：把資料用符號框起來，並明講這是資料。在聊天視窗裡，你可以用「以下是客戶原文，請只處理引號內的內容：」加上一段引號，或用一條 ===== 分隔線把資料圍起來，或用一個清楚的標題「【客戶原文開始】…【客戶原文結束】」。重點是讓 AI 一眼看出：這一塊是素材，不是命令。工程師版本用的是 XML 標籤，但對你來說，任何清楚的「框」都有效。

框好之後有個額外的大好處：你的提示變成可重複用的模板。指令那段（「你是客服主管，請把以下客訴改寫成三個版本…」）永遠不動，你每天只要把框框裡的客訴換掉就好。等於做了一個「客訴改寫機」，一次寫好、天天用，不用每次從頭打。報價說明、會議記錄摘要、貼文改寫，全都能這樣做成模板。

最後一個官方特別提醒的細節：AI 對輸入的品質很敏感。你提示裡有錯字、標點亂跳、段落黏成一坨，AI 的回答也會跟著變差、變亂——它會下意識模仿你給的語言品質。所以把要處理的資料貼進去前，順手把明顯的亂碼、多餘的換行清一清，框清楚，它讀得準，你拿到的也乾淨。

你有沒有遇過：問 AI 三個方案的比較，它回你落落長三大段，你還得自己讀完、自己整理成表格？問題不在 AI，在你沒告訴它「我要表格」。AI 預設用聊天式的散文回話，但它其實能用幾乎任何格式輸出——你只要開口要。「請用表格呈現，欄位是：方案、月費、適合對象、缺點」，它就會給你一張能直接複製的表，省下你重排的時間。

訣竅是把成品的長相描述出來，而不是只講內容。要條列就說「用項目符號、每點一句話、最多五點」；要結構化資料就說「每筆客戶用這個格式：姓名／電話／需求」；只要某一塊就說「只給我最後的結論，不要過程」。你描述得越具體，拿到的東西越接近能直接用的樣子，不用再手動加工。

官方教了一個很聰明的進階招，換成聊天講法就是幫 AI 起個頭。與其反覆解釋你要的格式，不如直接示範開頭讓它接。例如「請直接從這一列開始往下填，不要有任何前言：| 方案 | 月費 | 適合對象 |」，AI 看到你已經起了表格的頭，就會自動照這個格式一列列接下去。你「先寫一句」比你「解釋半天」更能框住格式。

這招對非工程師的實際好處，是省掉重排的功。指定成表格，你能直接貼進 Excel；指定成條列，能直接放進簡報；指定「只給我這三個欄位」，你不用在一大段裡撈重點。把「格式」當成提示的固定一塊——就跟字數、語氣一樣，每次順手講一句，長期省下的整理時間非常可觀。

這招背後的道理，跟人一模一樣：一道有點繞的題目，你逼一個人「不准想、馬上答」，他很容易答錯；讓他先在紙上算一算、把思路理一理，答案就準了。AI 也是這樣——它是「邊寫邊想」的，如果你要它一開口就給結論，它等於沒有思考的空間，只能憑直覺衝，遇到需要推理或權衡的題目就容易翻車。

官方點出一個很多人會誤會的關鍵：思考只有「寫出來」才算數。你不能跟 AI 說「你先在心裡仔細想一想，但只要給我最後答案」——因為它沒有一個藏起來的內心小劇場，它的「想」就是「寫」。你不讓它寫過程，就等於沒讓它想。所以要它推理，就要真的讓那段推理出現在回答裡（嫌長的話，可以最後再叫它總結一句）。

換成聊天裡的實用句，就是在提示尾巴加：「請先一步步分析，把理由列出來，最後一行再給我結論」。舉例：判斷一則評論是稱讚還是諷刺、把一批客訴分類、算一個含折扣和運費的報價、權衡兩個方案的利弊——這些都是「先想再答」能救回來的場景。你會發現它列著列著，自己就把原本會答錯的地方修正了。

官方還提到一個有趣的小毛病：AI 在二選一時，容易偏向後面那個選項（可能跟訓練資料的習慣有關）。逐步思考剛好能對治——當它被迫把「支持 A 的理由」和「支持 B 的理由」都寫出來、攤開比，就不會只憑位置或直覺選，而是真的比較過才下判斷。要它做重要決策時，讓它兩邊的理由都寫出來，再選。

這是九招裡最務實的一招。你想要某種很特定的語氣——「像我們老闆娘在 LINE 群裡那種親切又帶點台語感的口吻」——你要怎麼用形容詞講清楚？講半天 AI 還是抓不準。但你只要把老闆娘以前發過的兩三則訊息貼給它，說「照這個口氣寫」，它一秒就抓到了。示範一次，勝過形容十句。

這招的正式名字叫 few-shot（給幾個範例）：不給範例叫 zero-shot，給一個叫 one-shot，給幾個叫 few-shot。原理是 AI 極擅長「照樣造句」——你給它看幾組「這種輸入→我要這種輸出」，它就能歸納出你要的模式，套到新的輸入上。你不用把規則講清楚，它自己會從範例裡把規則「看」出來。

用在台灣中小企業超好用的三種場景。抓語氣：貼幾則你們品牌以前的貼文，叫它照這個風格寫新的。固定格式：給一個「客戶資料整理範例」（王小明／0912.../想問貸款），它就會把後面每一筆都整理成一樣的樣子。做分類：給幾個「這則留言→歸到『抱怨』」「這則→歸到『詢問』」的例子，它就能照你的標準把整批留言分好。這些用講的都很費勁，用範例直接示範最快。

兩個進階技巧。一是正反例一起給：除了「這樣寫很好」，再補一個「這樣寫不行（太生硬／太浮誇）」，AI 對「界線」的掌握會更準。二是範例要挑對、挑乾淨：AI 會很忠實地模仿你給的樣本，所以別隨手貼一個其實你不太滿意的當範例——你給什麼水準，它就回什麼水準。範例是你能給 AI 最強的一種指令。

先搞懂 AI 為什麼會「幻覺」：它的本質是「接下一個最像樣的字」，所以當它不知道答案時，預設不是承認，而是生一個聽起來很合理的版本給你——語氣一樣自信、格式一樣漂亮，你很難一眼看出是編的。最危險的是它最愛在「具體的法條號碼、金額、日期、統計數字」上出包，而這些偏偏是台灣中小企業最不能錯的東西（報錯價、引錯法規會出事）。

第一招，也是最簡單的一招：給它台階下。AI 會硬掰，有一部分是因為它以為「一定要給出答案」。你只要在提示裡明白告訴它：「如果你不確定，或這在我給的資料裡找不到，請直接說『我不確定』或『資料中沒有』，不要猜、不要編」——等於給它一條誠實的退路。你會發現它從硬掰變成老實承認的比例高很多。這一句話幾乎零成本，卻很有效。

第二招更強，尤其是你有給它參考資料（貼了一份合約、規章、產品說明）時：要它先引用、再回答。做法是「請先從我給的文件裡，把跟這個問題相關的原文段落原封不動引用出來，再根據那段原文回答我」。這招逼它「有根據才能講」——它得先真的在文件裡找到那句話，答案就會被那句話綁住，不能亂飄。找不到，它自然就會說找不到，而不是編一個。

但最重要的一條，是心態：這兩招是降低風險，不是保證正確。只要答案牽涉到錢、法律、對客戶的承諾，不管 AI 講得多有把握，你都要把它當「一個很勤快但可能記錯的實習生給的草稿」——關鍵數字、法條、報價，一定自己再查證一次原始來源。AI 幫你省的是打字和整理的時間，不是幫你扛「講錯話」的責任。這條線最後這一課，講的其實是「盡責」。

走到這裡，你已經有八塊積木了。這一課不教新招，教你怎麼把它們疊成一座塔。一個要天天上工、要夠穩的提示（例如一台自動回覆客戶詢價的助理），不會是隨手一句話，而是一份結構清楚的說明書——就像你要交接一份工作給新人，不會只講一句，而是從他的身分、公司背景、參考文件、規矩、範例一路交代到你要什麼格式的成果。

官方給了一個好記的堆疊順序，由上而下：①角色（你是一位…，第三招）→ ②任務背景（我們公司是做什麼的、這個任務的目的，第一招）→ ③參考資料（把產品表、規章框起來貼上，第四招）→ ④詳細規則（能做什麼、不能做什麼、遇到狀況怎麼辦，第二招）→ ⑤範例（示範一兩組理想的問答，第七招）→ ⑥請它先想再答（複雜判斷先分析，第六招）→ ⑦指定輸出格式（要表格還是條列，第五招）。不是每次七塊都要，但這個順序能讓你不漏東西。

把它想成填一張模板表格。你不用每次從零想，而是備好這七格的空欄，做新任務時一格一格填。舉個台灣場景：做一台「詢價自動回覆助理」——角色填「親切專業的業務助理」、背景填公司與產品線、資料貼上完整價目表、規則寫「報價一律含稅、未列的品項要說『需另外報價』、絕不承諾折扣」、範例給一組漂亮的問答示範、再要它「先確認客戶要哪個品項再回」、格式指定「先報價再附一句招呼」。這樣一份，就能穩定處理一整批詢價。

最後兩個心法。一是當成模板來養：第一版一定不完美，上線後看它哪裡出錯，就回去補那一格規則（「上次它亂承諾折扣，加一條禁止」）——越補越強，這跟主線 Lv.4 的 CLAUDE.md 概念是同一件事。二是先想清楚再堆：官方之所以能拿這套做法律、金融、客服的正式案例，靠的不是提示多花俏，而是把「這個任務到底該怎麼做」想透了，再用這七格忠實寫下來。提示的上限，是你對這件事本身理解的上限。