Copilot

Copilot 提示技巧:讓辦公室 AI 聽懂你要什麼

寫好 Copilot 提示,照微軟官方的四元素框架走:目標(要它做什麼)、脈絡(為什麼做、給誰看)、期望(語氣與格式)、來源(參考哪些資料)。四個元素裡只有目標是必填,其他視情況補上。先從簡單的一句話開始,看結果再追加條件修正,把對話當成來回琢磨的過程,而不是一次到位的許願。
Copilot 提示技巧:讓辦公室 AI 聽懂你要什麼:文章重點卡

Copilot 提示技巧:讓辦公室 AI 聽懂你要什麼

公司導入 Copilot 之後,常出現一個有趣的現象:同一套工具,有人天天靠它省下大把時間,有人試兩次就說「這東西不好用」。點開兩邊的對話紀錄,答案通常很清楚:不是 AI 的差別,是提示的差別。

好消息是,寫提示不靠天分。微軟官方整理過一套簡單的框架,把一個好提示拆成四個元素。這篇把框架講清楚,配上辦公室裡的實際寫法,讓你下一次輸入的每一句話都更容易被聽懂。

你將學到什麼

四元素框架

目標、脈絡、期望、來源,一個必填三個選配。

迭代心法

從一句話開始,看結果再加料。

實戰改寫

把模糊的請求改成能執行的指令。

常見誤區

三個最容易踩的提示錯誤。

先換一個心態:你不是在許願,是在派工作

多數失敗的提示長這樣:「幫我寫一份報告」。如果你把同一句話丟給一個新來的同事,對方一定會反問:什麼報告?給誰看?多長?什麼時候要?Copilot 遇到的困境一模一樣,只是它不會反問,只能猜。

所以寫提示的正確心態,是把 AI 當成一個能力很強、但完全不了解狀況的新同事。你交代工作時會講清楚的事,就是提示裡該有的內容。微軟把這些內容整理成了四個元素。

官方的四元素框架:目標、脈絡、期望、來源

元素回答的問題例子
目標(Goal)要它做什麼?起草一份教育訓練手冊的大綱
脈絡(Context)為什麼做?給誰?對象是混合辦公的專業工作者
期望(Expectations)語氣與格式長怎樣?語氣友善、用建議的口吻
來源(Source)參考哪些資料?以上季的簡報檔為基礎

四個元素裡,只有目標是必填,官方說法是一句清楚的目標就足以開始。脈絡、期望與來源是調味料:加得越到位,結果越貼近你要的樣子。

「來源」這個元素是 Copilot 的獨門優勢。因為它接著 Microsoft 365 的環境,你可以直接指定用某封信、某份文件當基礎,不必像用其他聊天工具那樣,把資料一段段貼進去。

目標 Goal必填:要它做什麼脈絡 Context為什麼做、給誰看期望 Expectations語氣與格式來源 Source參考哪些資料
目標是必填的核心,脈絡、期望、來源三個選配元素,加得越完整結果越準。

實戰改寫:從模糊到能執行

拿一個每週都會發生的場景來練。原始提示:「幫我寫週報」。這句話只有半個目標,Copilot 只能生出一份通用範本。

套上四元素改寫:「根據我這週的行事曆與寄出的郵件,起草一份工作週報(目標加來源)。收件人是部門主管,重點放在專案進度與下週需要他決策的事項(脈絡)。用條列式,全文控制在三百字內,語氣簡潔專業(期望)。」

注意這不是把提示寫長而已,而是把你腦中的隱藏資訊講出來。收件人是誰、重點是什麼、格式多長,這些你本來就知道,只是以前沒說。

三個最常見的誤區

  • 一次定生死。官方的建議是把提示當成對話:先給簡單版本,看結果再追加「縮短一半」「語氣再正式一點」。第一個回答只是草稿的草稿。
  • 拿到就用,不驗證。微軟明確提醒要檢查與驗證回應內容。數字、日期、人名這些硬資訊,送出前務必自己核對。
  • 期待每次結果相同。相同提示可能產生不同結果,這是模型的天性。把重要的好提示存起來,需要時再微調重用,而不是期待它像巨集一樣精準重播。
我的練習法建一份自己的提示筆記。每次 Copilot 給出特別好的結果,就把那句提示連同場景記下來;特別差的也記,註明少講了哪個元素。兩週之後你會有一份比任何範例庫都貼身的提示手冊,因為每一條都來自你真實的工作。
本文源起本文取材自 Microsoft Learn 與微軟支援中心的「Learn about Copilot prompts」相關資源,由酒Ann 消化後以自己的視角重新編寫成中文。原版資源可在 Microsoft Learn 修習。

延伸學習

把這篇文章分享給需要的人FacebookLINEThreadsX

常見問答

一個好的 Copilot 提示要包含哪些東西?
微軟官方的框架是四個元素:目標是要它做的事,脈絡是背景與對象,期望是語氣與格式,來源是要參考的資料。其中只有目標是必要的,一句清楚的目標就能開始,其他元素用來把結果調得更準。
提示是不是寫得越長越好?
不是。重點是資訊密度,不是字數。一句話裡塞了目標、對象與格式,勝過三段廢話。官方建議的做法反而是從簡單開始,看結果不滿意再逐步補上脈絡與期望,不必一開始就寫作文。
為什麼同一個提示,兩次得到的答案不一樣?
這是生成式模型的天性,微軟的指引也明白提到相同提示可能產生不同結果。把它當成特性而不是故障:結果不理想就換個說法重問,或在同一個對話裡追加修正指令。
Copilot 給的內容可以直接送出去嗎?
不建議。官方指引明確要求檢查與驗證回應,因為語言模型可能生成不正確的內容。尤其是數字、人名與引用出處,送出前一定要自己核對過。
有沒有現成的提示範例可以參考?
有。微軟提供 Copilot Prompt Gallery,收錄依情境分類的官方提示範例,可以直接取用再改成自己的版本。把喜歡的提示存下來重複使用,是累積效率最快的方式。