5 大 LLM 萬用提示詞高階技巧

無論是 Gemini 或 ChatGPT，掌握以下 5 句，即可精準控制 AI 輸出品質。
設身處地 ，格外講究 ，範來張口 ，步步為營 ，反客為主

1.「設」身處地（設定人設與處境）

  • 原意： 角色賦予與脈絡收束 (Persona & Context)
  • 心法： 不要讓 AI 瞎猜好嗎！先給它一個明確的「人設」，再告訴它你目前的「處境」（背景脈絡與受眾），它給出的答案才會精準到位。

❌ 案例一：

  • 路人指令： 「幫我寫一段 T-shirt 的商品介紹，要有滑板元素。」
  • AI 的困境： AI 不知道要賣給誰？是專業滑板手還是穿搭客？語氣要熱血還是文青？
  • 結果： 產出一段平淡如水的說明書，完全無法吸引購買。
  • 萬用公式： [扮演角色] + [核心任務] + [背景資訊] + [受眾/語氣設定]
  • 實戰範例： 「你是一位專精於 Print-on-Demand (POD) 平台的資深爆款文案。請為一款『復古美式街頭風』的 T-shirt 撰寫商品描述。受眾為 18-25 歲熱愛滑板文化的年輕人，語氣需幽默且具煽動性。」

2.「格」外講究（格式嚴格規定）

  • 原意： 強制結構化輸出 (Structured Output)
  • 心法： 告訴 AI 少廢話，對輸出的「格式」要「外加」嚴格的限制（例如：表格、JSON、Markdown）。你講究，它就不敢將就。
  • 避免 AI 生成無用的過場廢話，直接要求以特定資料格式呈現，方便後續串接與建檔。

❌ 案例二：

  • 路人指令： 「幫我整理一下《世界誌》裡面 17 個國家的角色設定，包含服裝和武器。」
  • AI 的困境： AI 會噴出一大堆長篇大論的段落，資訊散落在各處。
  • 結果： 你得自己手動把資料抓出來填進 Excel，浪費大量人工整理時間。
  • 萬用公式： [任務說明] + [嚴格限制的輸出格式（如 JSON, Markdown 表格）] + [指定欄位]
  • 實戰範例： 「請協助擴寫漫畫《幻夢詐欺師》中兩位反派角色的背景設定。必須且只能以 Markdown 表格輸出，表格需包含：角色代號、表層職業、核心謊言、致命弱點、代表台詞。不要輸出任何表格以外的文字。」

3.「範」來張口（給予範例直接餵）

  • 原意： 少樣本提示 (Few-Shot Prompting)
  • 心法： 就像「飯來張口」一樣，不用花大篇幅解釋風格，直接餵給它 1 到 3 個標準「範本」，AI 吸收模仿的速度絕對超乎你想像。

❌ 案例三：

  • 路人指令： 「幫我寫一個 AI 繪圖咒語，我要畫蒸氣龐克風格的手機。」
  • AI 的困境： AI 會用它理解的預設方式寫，可能太過囉唆（包含很多贅字）或是風格抓不準。
  • 結果： 生成出來的圖可能太雜亂，或是與你原本習慣使用的 Midjourney/Stable Diffusion 語法結構不合。
  • 萬用公式： [任務目標] + [範例 1] + [範例 2] + [請依此邏輯執行新任務]
  • 實戰範例： 「我需要生成 AI 繪圖的 Prompt，請分析以下範本的語法結構並模仿： 範本 A：Cyberpunk cat, neon lights, 8k resolution, octane render, vivid colors. 範本 B：Watercolor forest cabin, soft morning lighting, Ghibli studio style, serene mood. 任務： 請依上述簡潔且帶有渲染器/光影關鍵字的結構，寫出一個『蒸氣龐克風格的機械智慧手機』的 Prompt。」

4.「步」步為營（拆解步驟慢慢想）

  • 原意： 思維鏈引導 (Chain of Thought / Think step by step)
  • 心法： 遇到複雜邏輯，要逼 AI 深呼吸，把大問題拆成一「步」一「步」來思考。步步為營，才能避免它一本正經地胡說八道。

❌ 案例四：

  • 路人指令： 「我的 Synology NAS 空間滿了，教我怎麼整理檔案跟命名。」
  • AI 的困境： AI 會一次性丟出 10 幾個建議（刪除重複、雲端備份、改名、分層…），資訊超載。
  • 結果： 你看完覺得很累，還是不知道該「先做哪一件事」才對。
  • 萬用公式： [複雜任務] + 請深呼吸，一步一步來思考（Think step-by-step）。先列出你的分析框架，再給出最終方案。
  • 實戰範例： 「我的 Synology NAS 目前累積了大量未分類的影片與圖片檔，導致儲存空間混亂。請深呼吸，一步一步來思考。先列出你會如何規劃一套自動化分類的資料夾層級邏輯，解釋你的分類依據，最後再提供具體的檔案命名規範建議。」

5.「反」客為主（反向提問換它來）

  • 原意： 逆向工程與自我審查 (Reverse & Reflexive Prompting)
  • 心法： 當你不知道怎麼下指令時，直接把發言權交出去！「反」過來讓 AI 當專家問你問題，或者讓它自己審查自己的答案。

❌ 案例五：沒用「反」客為主（缺乏逆向提問）

  • 路人指令： 「我想寫一個 VS Code 的自動化擴充套件，請幫我寫程式碼。」
  • AI 的困境： AI 根本不知道你的開發環境、你要處理什麼程式語言、你的具體需求是什麼。
  • 結果： 它丟給你一段「可能有用但也可能跑不動」的範例代碼，你還得反覆除錯（Debug）。
  • 萬用公式（反問）： [模糊的目標] + 請你擔任[專家角色]，向我提出 [X] 個關鍵問題，待我回答後再給出最終方案。
  • 實戰範例： 「我想要寫一個在 VS Code 中自動化處理網頁前端程式碼排版的擴充套件腳本，但我不知道怎麼起頭。請你擔任資深前端架構師，先向我提出 4 個關於開發環境與依賴套件的關鍵問題，等我回答後，再開始幫我撰寫程式碼。」