寫提示詞，就像是對一位理解力極強，但想法直接的實習生下達工作指令。 如果你給他一堆限制「不要做這個、不要做那個」，他可能會感到困惑，不知道到底「該做什麼」；但如果你用正面直接的指令告訴他「請這樣做」，並使用動詞明確、簡潔無廢話的文字，他就更容易交出完美的成果。

另外，當你需要把這套提示詞應用在軟體系統、或重複性工作時，你可以把特定資訊抽取出來做成「變數（Variables）」，就像印好一張「申請表單範本」，每次只要替換裡面的變數名稱（例如 {使用者姓名} 或 {產品名稱}），就能不斷重複使用這套高品質的提示詞。

🎯 核心重點

1. 正向指令優先於限制條件（Instructions over Constraints）：
   • 正向指令（Instruction）：直接告訴模型「該做什麼或產出什麼樣的格式/內容」。
   • 限制條件（Constraint）：告訴模型「不該做什麼或應避免什麼」。
   • 黃金法則：研究顯示，人類與 LLM 都更偏好正向指令。限制條件容易讓模型猜測「那到底允許做什麼？」，且多個限制條件容易相互衝突。只有在防止偏見、有害內容或嚴格格式限制時才使用限制條件。
2. 簡潔與具體設計（Design with Simplicity & Specificity）：
   • ：刪除冗餘閒聊與複雜廢話，如果連你自己都覺得句子複雜混淆，模型也容易混淆。簡潔（Simplicity）
   • 動詞驅動（Action Verbs）：善用明確的行動動詞（如：Summarize, Extract, Classify, Categorize, Generate, Rewrite 等）。
   • 具體明確（Specificity）：具體說明輸出的段落數、風格與關注焦點，能幫助模型聚焦並提高準確度。
3. 動態變數的使用（Use Variables in Prompts）：
   • 在提示詞中使用變數佔位符（如 {city} 或 {product_name}），可以避免硬編碼（Hardcoding）與重複撰寫。這是將提示詞整合進軟體應用程式（APIs/Apps）中的關鍵做法。
4. 提示詞測試與紀錄文件（Document Prompt Attempts）：
   • 提示詞優化是個迭代過程，建議使用表格紀錄每次實驗的 Prompt、Model、Temperature、Top-K/Top-P 與輸出評估（OK/NOT OK），以便追蹤與除錯。

💡 實際例子

例子 1：正向指令 vs. 限制條件

• 較差寫法（過度使用限制條件 Constraints）：

  寫一篇關於前 5 大遊戲主機的短文。不要列出遊戲名稱，不要提到遊戲軟體公司，不要寫超過 1 段。

• 優化寫法（採用正向指令 Positive Instructions）：

  請撰寫一段關於前 5 大遊戲主機的短文。內容僅討論主機名稱、製造公司、發售年份與總銷售量。

例子 2：變數動態範本 (Variables)

• 提示詞設定：

  變數：{city} = "阿姆斯特丹"
  （註：下次要介紹巴黎時，只要把""內的名詞換成巴黎，即可重複使用下列的提示詞。）
  提示詞：你是一位專業導遊，請介紹關於 {city} 這個城市的一個有趣冷知識。

• 模型輸出：

  阿姆斯特丹是一座擁有豐富運河與橋樑的美麗城市，它的單車數量甚至比常住人口還要多！

❌ 常見錯誤

1. 只列一堆「不要...」的禁止事項：只跟 AI 說「不要寫太多廢話、不要包含條列式」，不如改寫為「請用 3 句以內完整段落說明」。
2. 提示詞夾雜大量背景閒聊：例如寫「我現在正在紐約度假，帶著兩個 3 歲小孩，我想知道...」，不如直接簡潔指令化：「扮演導遊，推薦紐約曼哈頓適合 3 歲幼兒造訪的景點」。
3. 在程式碼中硬編碼（Hardcoding）特定資料：每次換一個產品或客戶資料就重新撰寫整段提示詞，而沒有改用變數（Variables）進行系統化調用。

📖 來源依據《Prompt Engineering》教材：

• 正向指令優先於限制條件：第 56–57 頁
• 簡潔與動詞清單：第 55 頁
• 輸出具體性與明確範例：第 56 頁
• 變數使用（Variables in prompts）：第 58 頁
• 實驗文件化模板與記錄：第 64–66 頁

📝 3 題理解測驗

第 1 題（單選題） 關於提示詞中的「正向指令（Instructions）」與「限制條件（Constraints）」，根據教材的最佳實踐，下列何者描述最為正確？ (A) 應該盡可能列出大量限制條件（例如「不要做 A、不要做 B」），模型才會最聽話。 (B) 應優先使用正向指令明確告訴模型「該做什麼」，只有在安全規範或特定格式嚴格要求時才補充限制條件。 (C) 正向指令與限制條件效果完全一樣，混合寫在一起最好。 (D) 限制條件永遠不能使用，使用限制條件一定會導致模型產生幻覺。

第 2 題（單選題） 在提示詞中導入「變數（Variables，如 {product_name}）」的主要好處是什麼？ (A) 可以自動將模型的 Temperature 降低到 0。 (B) 能提升提示詞的重複使用性（Reusability），避免重複硬編碼，方便整合進應用程式中。 (C) 可以讓模型忽略所有 Token 長度限制。 (D) 可以將 Zero-shot 自動轉換成 Tree of Thoughts。

第 3 題（應用改寫題） 請將以下寫得不夠好的提示詞，依據本單元學到的「刪除冗餘廢話、使用正向指令與明確動詞」原則，改寫成一段高品質的提示詞：

原提示詞：「嗨！我目前正在寫一篇部落格，想要介紹一下 AI 提示詞工程。請你幫我寫文章，但是不要寫太長，不要用太難的文字，不要寫超過 2 段。」

測驗答案：（參考）
第1題：B。應優先使用正向指令明確告訴模型「該做什麼」，只有在安全規範或特定格式嚴格要求時才補充限制條件。。
第2題：B 。能提升提示詞的重複使用性，避免重複硬編碼，方便整合進應用程式中。
第3題：

• 原提示詞：「嗨！我目前正在寫一篇部落格，想要介紹一下 AI 提示詞工程。請你幫我寫文章，但是不要寫太長，不要用太難的文字，不要寫超過 2 段。」
• 修改後的提示詞：「扮演一位專精於提示詞工程的AI技術人員，使用至多兩段文字，不超過500個字，介紹 AI 提示詞工程的基礎概念與應用案例」

註1：
這「學習系列」的文章，是記錄自己與AI一起探索知識的過程，也是我將AI做為私人家教的一項實驗。對於如何藉由Ai輔助自我學習，請參考這篇：
https://blog.udn.com/tku_89056/192561353
https://goldenbird-willy.blogspot.com/2026/09/gemini-notebook-ai.html

學習教材：《Prompt Engineering》
本書探討了提示工程的核心概念、多種進階技巧、以及最佳實務（use cases）。內容涵蓋如何設定大型語言模型的輸出長度與取樣參數，並且介紹零樣本、少樣本、角色扮演、思維鏈、以及如何結合外部工具的推理與行動等實用策略。此外，本書也示範了如何利用人工智慧來編寫、解釋、翻譯和除錯程式碼。最後，本書提供了多項專業的建議，例如簡化提示設計、優先使用正面指令、利用如JSON的結構化格式、以及落實詳盡的版本記錄與迭代。
本書作者Lee Boonstra是一名人工智慧軟體工程師、技術主管和系統架構師，在谷歌全球首席技術官辦公室（OCTO）、應用創新工廠等擁有10年以上的資歷。
免費下載：https://www.kaggle.com/whitepaper-prompt-engineering