Skip to content
← INDEX / 標籤索引
標籤 · 9 組

#prompt-engineering

探索「prompt-engineering」相關提示詞,依類型篩選或調整排序。

清除篩選

顯示 1–9 / 9 組 · 第 1 / 1 頁

PRO01
TUTORIALClaude / ChatGPT / Gemini
2026-06-04

Context Engineering:2026 拉開差距的不是咒語,是餵什麼料

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」。

高階
Read

PRO02
TUTORIALChatGPT / Claude
2026-06-04

Prompt 串接法:大任務拆三步分開問,品質高一截

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。

高階
Read

免費03
TUTORIALChatGPT / Claude / Gemini
2026-06-04

自我批判迴圈:先寫、再罵自己、再改,一個 prompt 拿三輪品質

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。

進階
Read

免費04
TUTORIALChatGPT / Claude / Gemini
2026-06-04

評分標準驅動法:先把「滿分長怎樣」告訴 AI,它就照著做

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。

進階
Read

免費05
TUTORIALChatGPT / Claude / Gemini
2026-06-04

Anti-Goal 三明治法:一句話讓 AI 不再犯它最常犯的錯

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%。

進階
Read

PRO06
TUTORIALClaude / ChatGPT
2026-06-04

XML 標籤結構化法:比 Markdown 少 28% 解析錯誤

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。

高階
Read

免費07
TUTORIALChatGPT / Claude / Gemini
2026-06-04

對比範例校準法:給「要」也給「不要」,一個負例勝三個正例

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。

進階
Read

免費08
TUTORIALChatGPT / Claude / Gemini
2026-06-04

思維鏈鷹架:把「先想再答」變成固定 5 步,降 30% 自信錯答

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%。

進階
Read

PRO09
TUTORIALClaude 4.5 Sonnet
r/ClaudeAI2026-05-14

AI 開發逆轉:先請 AI 產 prompt、再寫 code(4 phase)

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。

高階
Read