Prompt Engineering 入門教學：10 個提升 AI 輸出質量的技巧

在生成式 AI 快速發展的今天，無論您使用 ChatGPT、Claude、Gemini 還是其他大型語言模型（LLM），您給出的指令（Prompt）的質量，直接決定了 AI 回應的質量。同樣的 AI 工具，不同的 Prompt 寫法可以產出截然不同的結果 —— 從模糊無用的泛泛之談，到精準專業的高質量內容。這就是 Prompt Engineering（提示工程）的核心價值所在。

在本篇 AI 教學文章中，我們將深入介紹 10 個經過實戰驗證的 Prompt Engineering 技巧，每個技巧都附有具體的 before/after 範例，讓您能夠立即應用於日常工作中。無論您是 AI 初學者還是已有一定使用經驗，這些技巧都能幫助您顯著提升 AI 輸出的質量和實用性。

什麼是 Prompt Engineering？定義與核心概念

Prompt Engineering（提示工程）是指設計和優化輸入給 AI 語言模型的指令（Prompt），以獲得更準確、更相關、更實用的輸出結果的技術和方法。簡單來說，Prompt Engineering 就是「如何更好地與 AI 溝通」的一門學問。

一個 Prompt 可以包含以下幾個核心元素：

• 指令（Instruction）：您想讓 AI 執行的具體任務
• 脈絡（Context）：提供背景資訊，幫助 AI 更好地理解任務
• 輸入資料（Input Data）：需要 AI 處理的具體內容
• 輸出格式（Output Format）：您期望 AI 以什麼形式呈現結果

好的 Prompt 就像是給員工一份清晰的工作指引 —— 任務明確、背景清楚、期望結果具體。而差的 Prompt 則像是含糊不清的口頭指示，容易導致理解偏差和結果不理想。

為什麼 Prompt Engineering 如此重要？

隨著 AI 工具在各行各業的普及，Prompt Engineering 已經從一項「進階技能」變成了「基本素養」。以下是 Prompt Engineering 重要的幾個關鍵原因：

• 效率提升：好的 Prompt 可以一次就得到理想結果，避免反覆修改浪費時間
• 質量保障：精確的指令讓 AI 輸出更專業、更準確的內容
• 成本控制：減少不必要的 API 調用次數，降低使用 AI 的成本
• 競爭優勢：掌握 Prompt Engineering 的人能比其他人更有效率地利用 AI 工具
• 解鎖更多可能性：進階的 Prompt 技巧可以讓 AI 完成許多您原本認為它做不到的任務

根據我們在香港為超過 150 場企業培訓的經驗，掌握了 Prompt Engineering 技巧的學員，平均能將 AI 使用效率提升 3 至 5 倍。現在，讓我們逐一深入每個實用技巧。

1明確具體地描述需求（Be Specific and Clear）

這是 Prompt Engineering 中最基本也是最重要的原則。很多人在使用 AI 時，往往給出過於籠統的指令，導致 AI 的回應也同樣模糊。您的 Prompt 越具體，AI 的回應就越精準。

具體化的關鍵在於：明確說出「誰」需要「什麼」，在「什麼場景」下使用，以及期望達到「什麼效果」。避免使用模糊詞彙如「好的」、「有趣的」、「相關的」，取而代之的是具體的描述和衡量標準。

Before（模糊的 Prompt）：

After（具體的 Prompt）：

可以看到，改進後的 Prompt 包含了受眾、產品細節、語調、CTA、字數限制和語言要求等明確資訊。這種程度的具體化能讓 AI 第一次就生成接近最終版本的內容，大幅減少來回修改的時間。

2使用角色設定（Role-based Prompting）

角色設定是 Prompt Engineering 中極為強大的技巧。當您為 AI 指定一個特定角色時，AI 會調整其回應的專業度、語調、用詞和思考方式，以符合該角色的特徵。這不僅能提升回應的專業性，也能讓輸出內容更貼合特定場景的需求。

角色設定的精髓在於：不僅告訴 AI「你是誰」，還要說明這個角色的經驗、專長和溝通對象，這樣 AI 才能真正「進入角色」。

Before（無角色設定）：

After（有角色設定）：

透過角色設定，AI 會自動調整溝通方式。在上面的例子中，AI 不會使用過於學術的語言，而是會用管理層能理解的商業語言來解釋技術概念。這對於在香港進行 AI 企業培訓時尤其實用 —— 不同部門的員工需要不同層次的解釋。

3提供背景脈絡和範例（Provide Context and Examples）

AI 模型雖然擁有龐大的知識庫，但它並不了解您的具體情況。提供充分的背景脈絡和範例（這種技巧也稱為 Few-shot Prompting），可以幫助 AI 更精準地理解您的需求和期望的輸出風格。

背景脈絡應包括：任務的目的、使用場景、目標受眾以及任何相關的限制條件。範例則讓 AI 直觀地理解您期望的輸出風格和格式。

Before（缺乏脈絡）：

After（提供脈絡和範例）：

在這個改進後的範例中，AI 獲得了品牌背景、目標客群、銷售渠道、字數要求以及一個實際的風格範例。有了這些資訊，AI 能夠生成與品牌調性一致的高質量產品描述，而不是泛泛的通用內容。這種 Few-shot Prompting 方法在 AI 教學中是非常受歡迎的進階技巧。

4Chain-of-Thought 推理提示

Chain-of-Thought（CoT，思維鏈）是一種引導 AI 逐步推理的 Prompt 技巧。當面對需要邏輯分析、數學計算或多步驟推理的任務時，要求 AI 展示其推理過程，而不是直接給出答案，可以顯著提高回應的準確性和可靠性。

這個方法的原理在於：當 AI 被要求「逐步思考」時，它會在每個步驟中進行更仔細的推理，而不是跳躍式地得出結論，從而減少錯誤和幻覺（Hallucination）。

Before（直接要求答案）：

After（Chain-of-Thought）：

Chain-of-Thought 的效果在複雜任務中尤為顯著。在上面的例子中，直接問答可能會忽略「50 人需要 3 班」這個關鍵計算步驟（20+20+10）。但透過逐步推理，AI 會在每個步驟中仔細計算，最終得出更準確的結果，同時您也能檢驗每一步的邏輯是否正確。

5要求結構化輸出格式（Use Structured Output Formats）

當您需要 AI 生成的內容用於後續處理、數據分析或系統整合時，要求 AI 以特定的結構化格式輸出就變得至關重要。結構化輸出包括 JSON、表格、Markdown、CSV 等格式，可以讓數據更易於使用和處理。

即使不是用於技術場景，結構化輸出也能讓回應更有條理、更易閱讀。在 AI 課程中，我們發現這是讓商業用戶最快看到 Prompt Engineering 價值的技巧之一。

Before（無格式要求）：

After（指定結構化輸出）：

結構化輸出的好處是多方面的：首先，表格格式讓比較一目了然；其次，評分制度提供了量化的參考；最後，這種格式可以直接複製到文件或簡報中使用。對於香港企業在選擇 AI 工具時，這種清晰的對比分析特別有價值。

6將複雜任務拆解為步驟（Break Complex Tasks into Steps）

面對複雜的任務時，很多人傾向於把所有要求一次性塞進一個 Prompt 中，結果往往是 AI 顧此失彼，輸出質量不佳。更好的做法是將大任務拆解為若干個清晰的子步驟，讓 AI 有條不紊地逐步完成。

任務拆解不僅能提升單次回應的質量，更重要的是，它讓您能在每個步驟後進行檢查和調整，確保最終結果符合期望。這種方法在處理長篇內容、複雜分析和多維度任務時尤為有效。

Before（一次性複雜任務）：

After（拆解為步驟）：

注意最後一句「請先完成步驟一和步驟二，等我確認後再繼續」—— 這是一個非常實用的控制技巧。它讓您可以在每個階段審視 AI 的輸出，提供修正意見，確保後續步驟建立在正確的基礎上。這種互動式的步驟化方法，在我們的 ai 課程中深受企業學員的好評。

7使用分隔符號提升清晰度（Use Delimiters for Clarity）

當您的 Prompt 包含多個不同的元素（如指令、輸入文本、參考資料等）時，使用分隔符號可以幫助 AI 清楚地區分各個部分，避免混淆。常用的分隔符號包括三重引號（"""）、三重反引號（```）、XML 標籤、破折號（---）等。

分隔符號的使用在處理「內容嵌套」場景時尤其重要 —— 比如您要求 AI 翻譯一段包含指令性文字的內容時，分隔符號能明確告訴 AI 哪些是要處理的內容、哪些是您的指令。

Before（無分隔符號）：

After（使用分隔符號）：

在改進後的版本中，XML 標籤（<source_text> 和 <requirements>）清楚地將「待處理的內容」和「格式要求」分開。AI 不會把「請保持專業語調」誤認為是需要翻譯的內容。這種技巧在日常商業文書處理中非常實用，特別是處理多語言內容時。

8指定輸出長度與格式（Specify Output Length and Format）

AI 模型在沒有明確長度指引的情況下，可能會生成過長或過短的回應。明確指定輸出的長度（字數、段落數、要點數量）和格式（列表、段落、對話體等），可以確保 AI 生成的內容直接符合您的使用場景。

長度和格式的控制在不同的應用場景中尤為重要：社交媒體貼文需要簡短精悍、電子郵件需要適中長度、報告則需要詳盡完整。精確控制這些參數，可以省去大量的後期編輯時間。

Before（未指定格式）：

After（明確指定格式和長度）：

改進後的 Prompt 讓 AI 清楚知道每篇貼文的目標長度、結構、語調和主題。生成的內容可以幾乎不經修改就直接發佈。在香港的 AI 教學培訓中，我們發現社交媒體內容生成是企業學員最常使用的 AI 應用之一，掌握好格式控制技巧能帶來顯著的效率提升。

9反覆迭代優化（Iterative Refinement）

Prompt Engineering 並不是一次性的動作，而是一個持續優化的過程。即使是最有經驗的使用者，也很少能在第一次就寫出完美的 Prompt。真正的 Prompt Engineering 高手，擅長的是觀察 AI 的輸出、分析差距、然後針對性地調整 Prompt。

迭代優化的核心思路是：不要試圖一次達到完美，而是透過逐步調整來接近目標。每次調整時只改變一個變數，這樣您就能清楚地知道是哪個改動帶來了效果的改善。

迭代流程示範：

觀察問題：AI 回應過於通泛，缺乏本地案例，未針對特定受眾。

觀察問題：內容更好了，但結構不夠清晰，缺少 actionable takeaways。

三次迭代的過程展示了 Prompt 如何從模糊逐步走向精準。關鍵的學習點是：每次迭代都是基於上一次的輸出結果進行針對性改進。記錄您的迭代過程也是一個好習慣，這些成功的 Prompt 範本可以成為團隊的寶貴資源。

10善用 Temperature 和參數設定

大多數 AI 平台都允許用戶調整一些關鍵參數，其中最重要的是 Temperature（溫度）。Temperature 控制了 AI 輸出的「創造性」程度：數值越低，輸出越確定和一致；數值越高，輸出越多樣和具創意。

理解 Temperature 的作用對於不同場景下的 AI 使用至關重要：

• Temperature 0.0 - 0.3（低溫度）：適合需要準確性和一致性的任務，如數據分析、代碼生成、事實查詢、合同審查
• Temperature 0.4 - 0.7（中溫度）：適合大部分商業寫作、電郵撰寫、報告生成等一般性任務
• Temperature 0.8 - 1.0（高溫度）：適合需要創意的任務，如廣告文案、創意寫作、腦力激盪

Before（未考慮參數設定）：

After（搭配參數說明）：

除了 Temperature 之外，還有其他值得了解的參數：

• Max Tokens：控制回應的最大長度，避免生成過長的內容
• Top P（核取樣）：另一種控制隨機性的方式，與 Temperature 類似但機制不同
• Frequency Penalty：減少 AI 重複使用相同詞彙的傾向
• Presence Penalty：鼓勵 AI 引入新的主題和詞彙

在使用 ChatGPT、Claude 或其他 AI 工具的 API 時，適當調整這些參數可以讓您的 AI 應用更加精準。如果您使用的是網頁界面，通常可以在設定中找到 Temperature 的調整選項。

Prompt Engineering 在香港商業環境的應用

作為國際金融中心和商業樞紐，香港的企業面對著獨特的 AI 應用場景和挑戰。以下是幾個 Prompt Engineering 在香港商業環境中的重要應用方向：

多語言商業溝通

香港的商業環境涉及繁體中文、簡體中文和英文三種語言。透過 Prompt Engineering，企業可以高效地處理多語言內容，例如同時生成中英文版本的新聞稿、客戶通訊和行銷材料。角色設定技巧在這裡特別有用 —— 您可以指定 AI 作為「精通中英文的香港商業翻譯專家」，確保翻譯符合本地商業慣例。

金融與合規文件處理

在香港的金融業中，AI 可以協助處理大量的合規文件和報告。使用 Chain-of-Thought 推理和結構化輸出技巧，可以讓 AI 更準確地分析財務數據、生成監管報告摘要，或協助審查合規文件。Temperature 設定在此場景中應保持在低數值（0.1-0.3），以確保輸出的準確性和一致性。

客戶服務自動化

香港的服務業競爭激烈，優質的客戶服務是差異化的關鍵。透過精心設計的 Prompt，企業可以建立能夠處理廣東話、普通話和英語查詢的 AI 客服系統。步驟拆解技巧可以幫助設計多輪對話流程，分隔符號則確保 AI 在處理客戶輸入時不會混淆指令和內容。

市場研究與數據分析

香港企業可以利用 Prompt Engineering 來提升市場研究的效率。使用具體化的 Prompt 要求 AI 分析競爭對手策略、生成市場趨勢報告，或提供特定行業的洞察。迭代優化技巧在這裡尤其重要 —— 通常需要多次調整 Prompt 才能讓 AI 輸出符合特定行業需求的深度分析。

中小企業的 AI 應用

香港有超過 34 萬家中小企業，Prompt Engineering 讓這些資源有限的企業也能充分利用 AI 工具。從社交媒體內容創作、電郵行銷文案，到客戶提案和商業計劃書，掌握好上述 10 個技巧，中小企業的團隊可以用最低的成本實現 AI 賦能。

總結與下一步

Prompt Engineering 是一項需要持續練習和積累的技能。本文介紹的 10 個技巧涵蓋了從基礎到進階的各個層面，但真正的進步來自於在日常工作中不斷實踐。建議您從今天開始，選擇 2-3 個與您工作最相關的技巧，有意識地在使用 AI 時加以應用。

以下是一些持續提升 Prompt Engineering 能力的建議：

• 建立 Prompt 範本庫：將成功的 Prompt 整理成範本，方便團隊共享和複用
• 記錄和分析：保留您的 Prompt 迭代歷史，分析哪些改動帶來了最大的改善
• 保持學習：AI 技術在快速發展，新的模型和功能可能需要新的 Prompt 策略
• 與同行交流：加入 AI 社群，分享和學習 Prompt 技巧
• 參加專業培訓：系統化的 ai 課程能幫助您更快速、更全面地掌握 Prompt Engineering

在 AI 工具日益普及的今天，懂得如何與 AI 高效溝通的人，將在職場中擁有顯著的競爭優勢。Prompt Engineering 不僅僅是一項技術技能，更是一種新型的溝通能力和思維方式。無論您所在的行業是什麼，掌握這些技巧都能幫助您更好地利用 AI 提升工作效率和成果質量。

如果您希望更系統地學習 Prompt Engineering，或是為您的企業團隊安排 AI 培訓，歡迎瀏覽我們的 AI 課程了解更多。導師 Ivan So 擁有超過 150 場 AI 培訓經驗，能為您量身定制最適合的 Prompt Engineering 及 AI 應用課程方案。

本文由 AI Course Hong Kong 導師 Ivan So 撰寫。如有查詢，歡迎電郵至 ivan@hdcourse.com。