提示工程
Prompt 品質公式是什麼?好結果不是神奇咒語
Prompt 品質公式是什麼?好結果不是神奇咒語
很多人以為好結果來自一句神奇的 Prompt,於是到處收集咒語。其實不是。好結果來自一份清楚的工作說明書。
我把決定輸出品質的東西整理成一個公式。看完你會知道,下次沒得到想要的答案時,該補哪一塊。
你將學到什麼
定義
輸出品質等於上下文乘任務描述乘提示技術,三者相乘不是相加。
第一層
Context 上下文,權重最高也最多人忽略。背景越完整,理解越精準。
第二層
Task 任務描述,決定 AI 是否做對事。多數人的問題是任務太模糊。
第三層
Prompt 技術,選對工具放大效果,提升解題的深度與廣度。
定義
Prompt 品質公式:Context 乘以 Task 乘以 Prompt Technique,等於 Output Quality。三個變數相乘,任一項太弱都會拖垮結果。
一句話總結:AI 不怕複雜,它怕模糊。你越清楚,AI 越強大。
第一層 Context 上下文
你提供的背景越完整,AI 理解越精準,輸出品質越高。這一層權重最高,也最多人跳過。
沒有 Context 的時候,AI 不知道品牌是什麼、客戶是誰、產品是什麼、要做到哪裡。它只能給你一份通用答案。
第二層 Task 任務描述
很多人問題不在提示詞,而在任務太模糊。「幫我分析」這種寫法,AI 不知道要做到什麼程度,也不知道從哪裡開始。
好任務長這樣:請分析這份文件的一、核心問題,二、主要原因,三、解決方案,四、執行建議。結構清楚,目標明確。
第三層 Prompt 技術怎麼選
| 技術 | 核心概念 | 最適合的情境 | 限制 |
|---|---|---|---|
| Zero-shot | 直接問,不給範例 | 快速發想、簡單查詢 | 深度較淺,容易偏通用 |
| Few-shot | 給範例,模仿學習 | 模仿風格、特定格式 | 需要準備好的範例 |
| CoT 思維鏈 | 逐步思考,鏈式推理 | 分析問題、複雜推理 | 較耗時,輸出較長 |
| ToT 思維樹 | 多路探索,發散思考 | 策略規劃、創意發想 | 結果較分散,需整理 |
實際用例
沒有 Context 的問法:「幫我做品牌」。有 Context 的問法:「你是一位品牌顧問,請為某個年齡層的女性設計天然茶飲品牌,風格偏日系簡約,目標是提高辨識度」。
同樣一句需求,後者讓 AI 立刻穩定很多。背景清楚、方向明確、輸出穩定,這就是相乘的威力。
最大的誤解是收集咒語。把別人的神奇提示詞抄過來,少了你自己的背景與任務,效果一樣不會好。
第二個誤解是以為技術越進階越好。分析問題用思維鏈很對,但拿它來寫一句標語,只會得到又長又慢的答案。技術要跟任務配對。
延伸學習
HE101|Harness Engineering Foundation(3 小時)
三小時的地圖課,不是操作課。把 Model 與 AI System 分開,拆解一套 AI Harness 的八個組成(Goal、Context、Knowledge、Rules、Tools、Workflow、Evaluation、Iteration),再帶你逆向拆解四個你已經在用的系統,最後畫出自己的第一張 Harness Blueprint。5 章 27 課,附學員講義 PDF 與術語速查表。
NT$ 2,599
寫給升國一的你的筆記術
寫給剛升上國中的你:筆記不是寫給老師看的,是寫給考前的自己看的。18 章 85 課圖文,從「為什麼要寫」講到七科各自怎麼記,附 78 份可以印出來寫的練習單,以及 80 課家長專區與 34 張三年筆記養成路徑圖。沒有閱讀期限,國一買、國三還在。
NT$ 3,599

