提示詞工程新手指南：如何精準與 AI 對話獲取優質回答
隨著 ChatGPT、Google Gemini 和 Anthropic Claude 等人工智慧技術的普及，生成式 AI 已成為現代人工作與學習中不可或缺的超級助理。然而，許多人在初次嘗試時，常會因為問法不當，得到模糊、答非所問或充滿幻覺的答案。這正是「提示詞工程 (Prompt Engineering)」的核心價值所在——學習如何使用結構化、精確的指令與 AI 協同工作，釋放人工智慧的真正潛能。
一、什麼是提示詞工程 (Prompt Engineering)？
提示詞工程是一門設計、調整和優化輸入文本（提示詞）的技術，旨在讓生成式 AI 輸出最準確、最相關且具備特定格式的回答。大型語言模型是基於機率預測下一個字詞的系統，它們本身沒有主觀的理解力。因此，您輸入的上下文越完整、限制條件越明確，AI 的預測方向就會越聚焦，輸出的回答質量自然呈指數級提升。
二、結構化提示詞的核心要素：角色、任務、上下文與格式
想要撰寫出專家級的提示詞，建議在指令中融入以下四個黃金架構要素：
- 設定明確角色 (Role)：為 AI 賦予一個特定的專家身份（例如：「你是一位擁有十年經驗的資深程式開發工程師」或「你是一位專業的英文文法糾錯老師」）。這能引導模型使用該領域的專業詞彙與邏輯思維。
- 指明具體任務 (Task)：清晰且可衡量地告訴 AI 您要解決的痛點（例如：「請幫我審查以下 Python 程式碼的效能漏洞」或「請幫我將這篇論文摘要翻譯成通俗易懂的繁體中文科普短文」）。
- 提供背景上下文 (Context)：補充必要的約束條件或受眾定位（例如：「受眾是小學三年級的學生，請避免使用艱深的術語」或「請將回答字數控制在 300 字以內，語氣要親切」）。
- 指定輸出格式 (Format)：規範排版方式（例如：使用 Markdown 表格呈現、列出 Bullet points 清單、或輸出為 JSON 代碼區塊）。
三、為什麼要使用 XML 標籤（如 <context>）優化提示詞？
在長對話或涉及大量資料輸入的任務中（例如給 AI 一篇長文要求摘要），模型很容易把「您的資料內容」誤認為是「您的指令」，導致行為失控。此時，使用 XML 標籤（例如 <instructions>、<data>、<examples>）來區隔文本區塊，是業界公認最有效的方式：
- 結構清晰：標籤能夠幫助模型分清指令與被處理對象的界線。例如在 Anthropic Claude 的文檔中，強烈建議將輸入資料放在 <document>...</document> 中。
- 精準調用：您可以在提示詞最後指令說：「請根據 <source_text> 標籤內的資料，提取出核心觀點。」這能大幅降低 AI 產生幻覺（編造答案）的機率，只專注於您提供的參考來源。
四、撰寫 Midjourney 繪圖提示詞的技巧
與純文字的語言模型不同，AI 視覺繪圖模型（如 Midjourney 或 DALL-E）需要更具象、更具畫面的文字描述。撰寫高品質繪圖提示詞的公式如下：
[主體主旨] + [背景環境/氛圍] + [藝術風格/媒材] + [光影效果] + [相機鏡頭/細節描述] + [模型參數]
- 主體與環境：具體描述主角（例如「一隻穿著太空衣的柴犬」）以及他所處的環境（例如「在霓虹燈閃爍的未來東京街頭」）。
- 藝術風格與光影：指明想要的藝術流派（如 Cyberpunk, Minimalist, Watercolor）與精確光影（如 Golden Hour light, Moody lighting, volumetric rays），這決定了畫面的質感與溫度。
- 參數後綴：在提示詞尾端加上控制圖片比例與版本的代碼（例如 `--ar 16:9` 控制橫幅寬螢幕、`--v 6.0` 使用最新版本渲染），能讓繪圖產出完美契合網頁或海報設計的需求。