Prompts tagged "prompt-engineering" in the PromptCraft library.
把背景、已試過的、限制、可用工具/資料結構化餵給 AI 再下任務——2026 真正關鍵從「prompt 技巧」轉移到「context」。
別用一個 prompt 吃下整個複雜任務;拆成「拆解 → 各別產出 → 整合」三步分別下,輸出明顯較穩較完整。
要 AI 先產草稿,再切換成嚴格審稿人挑自己毛病,最後依批評改寫——等於在一個 prompt 內跑三輪打磨。
把你心中的評分 rubric 先寫給 AI,它會用那把尺自我對齊、自評、把不到標的地方改掉,更貼近你要的水準。
在 prompt 裡明確點名「這類任務 AI 最常見的失敗模式」並要它主動避開,2026 實測降錯約 28-30%。
把指令、資料、規則、schema 用 XML 標籤包起來餵給 AI,結構化抽取任務實測比 Markdown 標題少約 28% 出錯。
同時示範「想要的輸出」和「不該出現的輸出」,讓 AI 對兩端校準;語氣與精準度任務上,一個負例常勝過三個正例。
強制 AI 回答前依「重述→列假設→逐步推→自查→結論」5 步思考,複雜推理的自信錯答實測降約 30%。
不直接叫 AI 寫 code、先叫它把 vague goal 翻譯成 executable prompt 結構、再用結構驅動 code 生成。Phase 1 Intent → Phase 2 Structuring → Phase 3 Tool-Level → Phase 4 Implementation。