中文名稱：提示詞工程｜英文：Prompt Engineering
提示詞工程（Prompt Engineering）就是「把你的需求，寫成 AI 聽得懂、又能穩定做對的指令」的一套方法。你丟給 AI 的那段文字（也就是提示詞，prompt）寫得好不好，直接決定它回答得好不好。
這篇文章會用新手角度說明：提示詞工程是什麼、它背後怎麼運作、實際上有哪些技巧可以用、有哪些常見迷思，以及它正往「情境工程」演變的最新變化。
提示詞工程是什麼？
根據 OpenAI 與 Google Cloud 的官方說明，提示詞工程是「設計與優化提示詞，引導大型語言模型（LLM）穩定產出符合需求結果」的過程。
它的重點不是寫出一句漂亮的話，而是有方法地安排指令裡的元素——背景、任務、格式、語氣、範例——讓 AI 的輸出更準、更可控、也更能重複。
為什麼這件事重要？因為語言模型對提示詞非常敏感：同一個問題，換個問法，答案的品質可能天差地遠。一個清楚的提示能引導出精確、貼合情境的回答；含糊的提示則容易換來偏題或無意義的內容。
用白話文怎麼說？
你可以把 AI 想成一位能力很強、但只記得這次對話、又完全照字面理解你的新進員工。
如果你只丟一句「幫我寫個文案」，他只能亂猜你要什麼；但如果你說「幫我寫一段 100 字、給小資族看、語氣親切的記帳 App 推薦文，重點放在省錢」，他就能一次做到位。
提示詞工程，就是練習把「我心裡想要的」翻譯成「對方能照著做的清楚說明」。你可以這樣記：AI 不會通靈，你講得多清楚，它就做得多到位。
提示詞工程實際上要做什麼？
OpenAI 在官方指南裡整理了六大策略，很適合當成新手的起手清單：
- 寫清楚的指示：明確說出背景、想要的結果、長度、格式與風格。
- 提供參考範例：在提示裡放幾個範例，讓 AI 照著模仿。
- 拆解複雜任務：把大任務切成幾個小步驟，分段完成。
- 給 AI 時間思考：請它「一步一步來」，先推理再下結論。
- 善用外部工具：需要算數、查最新資料時，搭配計算或檢索工具。
- 反覆測試與優化：把提示當草稿，看了結果再回頭調整。
在技巧層面，最常被提到的有三種，名字聽起來很專業，其實概念很單純：
- 零樣本（
Zero-shot）：不給範例，直接下指令，靠 AI 既有知識作答。 - 少樣本（
Few-shot）：在提示裡放幾個示範，讓 AI 學會你要的格式或風格。 - 思維鏈（
Chain-of-Thought，CoT）：請 AI「逐步推理」再回答，適合數學、邏輯這類需要思考的題目；最簡單的版本，就是在問題後面加一句「請一步一步想」。
把抽象的原則變具體，同一個需求、兩種寫法的差別大概像這樣：
| 模糊的提示 | 清楚的提示 |
|---|---|
| 寫一篇關於咖啡的文章 | 寫一篇 300 字、給咖啡新手看的介紹，說明手沖與義式咖啡的差別，語氣輕鬆，最後用三點條列總結 |
右邊只是把「給誰看、多長、寫什麼、什麼語氣、什麼格式」講清楚，AI 的產出品質往往就差很多。這就是提示詞工程在做的事。
關於提示詞工程的常見迷思
迷思一：提示詞工程只是把問題問得漂亮一點
不只如此。它是一套可重複、可測試、可優化的方法，包含給範例、拆步驟、設定格式等技巧，目標是讓 AI 穩定產出好結果，而不是靠運氣碰到一句「神奇咒語」。
迷思二：提示詞寫得越長越複雜越好
不一定。清楚、具體比冗長更重要。塞了一堆無關資訊，反而可能干擾 AI。重點是把關鍵需求（背景、任務、格式）講明白，而不是拚字數。
迷思三：提示詞工程是工程師才需要的技能
不是。它用的是自然語言，不是寫程式。任何會用 ChatGPT、Gemini 這類工具的人都能學，差別只在你有沒有意識地把需求講清楚。
迷思四：AI 越來越聰明，提示詞工程很快就沒用了
剛好相反。模型再強，也得先知道「你到底要什麼」。隨著 AI 進入代理（agent）時代，這個能力正在擴大成更大的學問——情境工程，下一段就說。
總結
如果只記一句話：提示詞工程就是「有方法地把需求寫成 AI 聽得懂的清楚指令」，讓它穩定做對事。
新手可以這樣起步：先練習把背景、任務、格式、語氣講明白（清楚指示）；需要時給範例（少樣本）、請 AI 一步步想（思維鏈）；再把提示當草稿，反覆測試調整。等你上手了，再把眼光放到現在正夯的情境工程——但別忘了，把話講清楚，永遠是第一課。
