ARTICLE|2026-03-25 · 10 MIN
提示詞工程的底層邏輯:為什麼有些 prompt 就是比較好用
不是秘密咒語,是四個可複製的原則。看完這篇你就能自己寫出好 prompt。
先破除一個迷思
網路上很多「AI 神級 Prompt 大全」其實只是把同樣的幾個結構套在不同主題上。重點不是「記住 500 個 prompt」,是理解結構,你才能針對每個新情境現場生一個。
四個底層原則
1. Role(角色)決定品質上限
請幫我寫一段行銷文案 vs 你是蘋果的創意總監,過去服務過 Nike 與 Apple Watch 發布會
前者得到平均水準的文案,後者得到模仿蘋果風格的文案。
為什麼:LLM 是在壓縮整個網路的表達模式。給它一個具體角色,等於告訴它「從這個區域的分佈中抽樣」。
2. Context(上下文)決定結果相關性
寫一封給客戶的 email vs 客戶是中小企業老闆、我們賣 SaaS 月費 $99、三個月沒登入、已經試過兩次 email 都沒回
後者的結果會比前者好 10 倍,因為模型知道「這是在做 winback」。
3. Constraints(約束)避免廢話
寫一篇部落格文章 vs 800 字、開頭要用問句、結尾要有 CTA、不要用 'In conclusion'
越明確的約束,結果越穩定。約束是在幫 AI 縮小選擇空間,不是限制它發揮。
4. Output Format(輸出格式)決定可用性
列出五個選項 vs 用表格輸出,欄位:選項、優點、缺點、成本、我的推薦等級(1-5)
差別在前者你還要自己整理,後者你可以直接用。
一個可複製的模板
你是 [ROLE]。
[CONTEXT:背景、對象、已嘗試過什麼]
請幫我 [TASK]。
約束:
- [CONSTRAINT 1]
- [CONSTRAINT 2]
輸出格式:
[FORMAT]
範例(若適用):
[EXAMPLE]貼上這個模板,把 [] 填掉,80% 的場景都夠用。
進階:讓 AI 幫你改 prompt
把你寫好的 prompt 丟給 AI,請它用上述四個原則幫你改寫。我們站上的《提示詞優化器》就是做這件事。一週你會發現自己寫的 prompt 越來越短、越來越精準。
最後一個秘訣
模型能力持續在升級,但人類的需求描述能力不會自動升級。 你投資在結構化思考的時間,會一直有複利。