Prompt Engineering 技巧大全：10 個提升 AI 輸出質素的實用方法

在人工智能迅速普及的今天，ChatGPT、Claude、Gemini 等大型語言模型（LLM）已經成為許多人日常工作中不可或缺的工具。然而，你可能會發現，同一個 AI 工具，不同的人使用起來效果差異極大——有的人能讓 AI 產出堪比專業水準的內容，有的人卻只能得到泛泛而談的普通回覆。

這之間的關鍵差別，就在於 Prompt Engineering（提示工程）的技巧。無論你是剛開始接觸 AI 應用的初學者，還是已經有一定經驗的使用者，掌握好 Prompt Engineering 的核心技巧，都能讓你的 AI 工作效率提升數倍。本篇文章將為你深入解析 10 個最實用的 Prompt 技巧，每個技巧都配有真實範例，幫助你立即應用到日常的 AI 教學和工作中。

一、什麼是 Prompt Engineering（提示工程）

定義與核心概念

Prompt Engineering，中文通常翻譯為「提示工程」或「提示詞工程」，是指通過精心設計和優化輸入給 AI 模型的指令（即 Prompt），來引導模型產生更準確、更有用、更符合期望的輸出結果的一門技術與藝術。

簡單來說，Prompt 就是你對 AI 說的話、下達的指令。而 Prompt Engineering 就是研究如何「說好這句話」，讓 AI 更好地理解你的意圖，並給出高質素的回應。它不需要任何程式設計背景，但需要掌握一套有系統的方法論。

Prompt Engineering 的核心理念：AI 模型的輸出質素，很大程度上取決於輸入的質素。一個精心設計的 Prompt，能讓同一個 AI 模型的表現從「普通」提升到「出色」。

為什麼 Prompt Engineering 如此重要？

隨著 AI 課程和 AI 應用在香港和全球的迅速發展，Prompt Engineering 已經被視為 AI 時代最重要的基礎技能之一。以下是幾個關鍵原因：

效率提升：好的 Prompt 可以大幅減少反覆修改的次數，一次就能獲得接近完美的結果，節省大量時間。
成本控制：使用 API 呼叫 AI 服務時，更精準的 Prompt 意味著更少的 token 消耗和更低的使用成本。
品質保證：透過系統化的 Prompt 設計，能夠確保 AI 輸出的一致性和可靠性，這對企業 AI 應用尤為重要。
創意拓展：掌握進階 Prompt 技巧後，你能夠引導 AI 完成更複雜、更有創意的任務，突破使用上的局限。
職場競爭力：在 AI course hong kong 的求職市場中，Prompt Engineering 已成為許多崗位的加分技能甚至必備要求。

好的 Prompt 和差的 Prompt 之間的差距

讓我們透過一個簡單的對比來直觀感受差距：

差的 Prompt

幫我寫一篇關於健康的文章。

好的 Prompt

你是一位資深的健康生活專欄作家。請為香港的上班族撰寫一篇約 800 字的文章，主題是「在辦公室久坐如何保護腰椎健康」。文章要求：
1. 使用繁體中文
2. 語氣親和、專業
3. 包含 3-5 個實用建議
4. 每個建議附帶簡單的操作說明
5. 適當引用醫學常識作支撐

差的 Prompt 過於模糊，AI 只能猜測你的需求，產出的內容往往泛泛而談、缺乏針對性。而好的 Prompt 清楚地定義了角色、受眾、格式、長度和品質標準，AI 能夠精準地產出符合預期的高質素內容。

二、10 個核心 Prompt 技巧

以下是經過大量實踐驗證的 10 個 Prompt Engineering 核心技巧，每個技巧都附有具體的操作說明和範例，讓你可以立即上手使用。

1明確角色設定（Role Setting）

為 AI 設定一個具體的角色身份，是最簡單但也最有效的 Prompt 技巧之一。當你告訴 AI「你是誰」，它就會以該角色的專業知識、語氣風格和思維方式來回應你的問題。

為什麼有效：LLM 在訓練過程中學習了大量不同角色的文本數據。當你設定角色後，模型會自動「調頻」到與該角色相關的知識和表達方式，輸出更加專業和有針對性。

範例

你是一位擁有 15 年經驗的香港財務顧問，專注於中小企業稅務規劃。請用通俗易懂的語言，向一位剛創業的年輕人解釋香港的利得稅基本概念，以及首年報稅需要注意的三個關鍵事項。

實用建議：角色設定越具體越好。不要只說「你是專家」，而要說明是什麼領域的專家、有多少年經驗、擅長什麼。你甚至可以設定性格特質，例如「你是一位耐心且善於用比喻解釋複雜概念的老師」。

2提供具體上下文（Context）

上下文是 Prompt 中至關重要的元素。你提供的背景資訊越充分，AI 就越能夠理解你的真正需求，從而給出更精準的回應。

上下文應包括：

任務的背景和目的
目標受眾是誰
現有的條件或限制
期望達到的效果

範例

背景：我是一間香港初創科技公司的市場部經理，公司主要做 B2B SaaS 產品，目標客戶是中小型企業的 HR 部門。我們即將推出一個新的 AI 招聘篩選功能。

任務：請幫我草擬一封產品發佈的電郵通訊 (EDM)，用於發送給現有客戶。

要求：
- 長度控制在 300 字以內
- 突出新功能如何節省 HR 的招聘時間
- 包含一個清晰的 CTA（行動呼籲）
- 語氣專業但不生硬

注意這個 Prompt 是如何結構化地提供公司背景、產品資訊、目標受眾和具體要求的。這些上下文讓 AI 能夠準確把握寫作的方向和語氣。

3使用結構化格式（Structured Format）

告訴 AI 你希望回覆以什麼格式呈現，是提高輸出實用性的關鍵技巧。結構化的格式指引能讓 AI 產出的內容更加組織有序，便於直接使用。

範例

請分析以下三個 AI 圖像生成工具的優缺點：Midjourney、DALL-E 3、Stable Diffusion。

請使用以下格式回覆：

## [工具名稱]

**簡介：**（一句話介紹）

**優點：**
- 優點 1
- 優點 2
- 優點 3

**缺點：**
- 缺點 1
- 缺點 2

**最適合：**（一句話說明最適合的使用場景）

**價格：**（簡要說明定價方式）

---

最後，請附上一個比較總結表格，包含「功能」、「易用性」、「價格」、「圖像品質」四個維度的評分（5分制）。

常用格式類型：Markdown 表格、編號列表、要點列表、JSON 格式、分段標題等。根據不同的使用場景選擇最合適的輸出格式，可以大幅提升工作效率。

4逐步思考（Chain of Thought）

Chain of Thought（思維鏈）是一種引導 AI 一步一步推理的技巧，特別適用於需要邏輯分析、數學計算或複雜決策的任務。通過要求 AI 展示推理過程，不僅能提高答案的準確性，也讓你能夠檢驗 AI 的邏輯是否正確。

範例

一間香港餐廳考慮是否應該引入 AI 點餐系統。以下是相關資料：

- 目前有 8 名服務員，月薪各 HK$16,000
- AI 點餐系統月費 HK$12,000，初始安裝費 HK$80,000
- 預計引入後可減少 3 名服務員
- 系統預計可提升 15% 的點餐效率，帶來約 HK$20,000 的額外月收入

請逐步分析：
1. 計算目前的每月人力成本
2. 計算引入 AI 後的每月總成本（包括剩餘人力 + 系統費用）
3. 計算每月淨節省金額
4. 計算初始投資的回本期
5. 綜合考慮利弊，給出你的建議

關鍵提示：在 Prompt 中加入「請一步一步分析」、「請展示你的推理過程」、「Let's think step by step」等指令，都能有效觸發 AI 的逐步推理模式，顯著提高分析類任務的準確度。

5提供範例（Few-shot Learning）

Few-shot Learning（少樣本學習）是 Prompt Engineering 中非常強大的技巧。通過在 Prompt 中提供一到幾個範例（shots），你可以讓 AI 精確地理解你期望的輸出風格、格式和品質標準。

範例

請幫我為以下產品撰寫電商平台的簡短描述。風格參考以下範例：

範例 1：
產品：無線降噪耳機
描述：告別嘈雜，享受純粹音質。搭載 ANC 主動降噪技術，40 小時超長續航，無論通勤還是辦公，都是你的私人音樂空間。

範例 2：
產品：便攜式筋膜槍
描述：隨時隨地放鬆肌肉。6 段力度調節、4 個替換頭，輕巧機身僅 450g，放進背包就能帶去健身房。

現在請為以下產品撰寫描述：
產品：智能保溫杯

使用建議：

提供 2-3 個範例通常就能達到很好的效果
範例應該涵蓋你期望的各種特徵（長度、語氣、格式等）
如果範例品質高，AI 的輸出品質也會相應提升
範例之間最好有一定的多樣性，讓 AI 更好地泛化學習

6設定限制條件（Constraints）

適當的限制條件能夠幫助 AI 聚焦輸出，避免內容過於發散或偏離主題。限制條件可以包括字數限制、語言要求、禁止事項、格式規範等。

範例

請為一個面向香港中學生的 AI 入門工作坊撰寫宣傳文案。

限制條件：
- 字數：150-200 字
- 語言：繁體中文，可混合少量英文術語
- 語氣：活潑輕鬆，吸引年輕人
- 必須包含：工作坊的三個亮點
- 不可包含：過於技術性的術語、價格資訊
- 結尾必須有一個吸引人的行動呼籲
- 適合在 Instagram 限時動態配文使用

清晰的限制條件就像是圍欄一樣，讓 AI 在你定義的範圍內自由發揮，既保證了輸出的品質，又不會偏離你的需求。這對於需要大量生成內容的 AI 應用場景尤其重要。

7迭代優化（Iterative Refinement）

Prompt Engineering 並非一次就能達到完美——迭代優化是一個重要的工作流程。第一版 Prompt 產出結果後，根據輸出的不足之處來持續調整和改進你的 Prompt，直到獲得滿意的結果。

迭代優化的步驟：

初始嘗試：先用一個基礎版本的 Prompt 獲取初步結果
評估輸出：分析哪些方面符合預期，哪些需要改進
針對性調整：在 Prompt 中加入更具體的指引來解決問題
重複驗證：執行優化後的 Prompt，確認問題已解決

迭代範例

第一輪 Prompt：
「寫一篇關於 AI 的文章」
→ 問題：太空泛，內容不聚焦

第二輪 Prompt：
「寫一篇關於香港企業如何使用 AI 提升營運效率的文章」
→ 問題：缺乏具體案例和數據

第三輪 Prompt：
「你是一位熟悉香港商業環境的 AI 應用顧問。請撰寫一篇 1000 字的文章，主題是『香港中小企業如何使用 AI 提升營運效率』。要求包含至少 3 個真實的本地應用案例、具體的工具推薦和預期效益數據。文章應使用繁體中文，語氣專業但易讀。」
→ 結果：聚焦、具體、可直接使用

關鍵要點：不要害怕多試幾次。每一次迭代都是在幫助你更清楚地定義自己的需求。許多專業的 AI 使用者都會保存和整理他們優化過的 Prompt 模板，作為個人的「Prompt 資料庫」，方便日後重複使用。

8使用分隔符號（Delimiters）

當你的 Prompt 包含多個部分的內容——例如需要 AI 處理的原文、參考資料、指令等——使用分隔符號可以清楚地區分不同的內容區塊，避免 AI 混淆指令和待處理的文本。

常用分隔符號：

三個反引號 ```
三個引號 """
三個破折號 ---
XML 標籤 <text>...</text>
方括號 【...】

範例

請將以下用三個反引號包裹的客戶評論翻譯成英文，並判斷該評論的情感傾向（正面/負面/中性），最後給出 1-5 的情感分數。

客戶評論：
```
呢間餐廳嘅食物質素真係好出色，特別係個龍蝦意粉，鮮味十足。不過等位時間太長，等咗成個鐘先有位坐，服務態度都一般般。如果改善到呢兩點，一定會再嚟。
```

請用以下格式回覆：
- 英文翻譯：
- 情感傾向：
- 情感分數（1-5）：
- 分析理由：

使用分隔符號不僅讓 Prompt 結構更清晰，也能有效防止「Prompt 注入」攻擊——即防止待處理的文本中混入指令，誤導 AI 執行非預期的操作。這在企業級 AI 應用中是非常重要的安全措施。

9要求自我檢查（Self-verification）

在 Prompt 中要求 AI 完成任務後進行自我檢查和驗證，能夠顯著提高輸出的準確性和完整性。這個技巧利用了 AI 模型的「反思」能力，讓它在交付答案前先審視自己的回覆。

範例

請為我撰寫一份關於「香港 2026 年 AI 產業發展趨勢」的報告大綱，包含至少 5 個主要章節，每個章節下有 3-4 個子主題。

完成後，請進行以下自我檢查：
1. 確認是否涵蓋了技術、商業、政策、人才、倫理五個層面
2. 檢查各章節之間是否有邏輯遞進關係
3. 評估內容是否有重複或遺漏
4. 確認所有子主題是否與香港本地情況相關
5. 如發現任何問題，請自行修正後再輸出最終版本

其他自我檢查的指令範例：

「回答完畢後，請列出你的回答中可能存在的局限性或不確定之處」
「請對你的建議進行反駁，指出可能的風險和反對意見」
「請重新檢視你的回答，確保沒有事實錯誤或邏輯矛盾」
「給你自己的回答打個分數（1-10），並解釋扣分的原因和改進建議」

10多角度提問（Multi-perspective）

要求 AI 從多個不同的角度或立場來分析同一個問題，能夠獲得更全面、更有深度的回應。這個技巧特別適用於需要全面分析的決策場景。

範例

我的公司正在考慮是否讓員工使用 ChatGPT 等 AI 工具來輔助日常工作。

請分別從以下五個角度分析這個決定的利弊：

1. 管理層角度：對生產力、成本和競爭力的影響
2. 員工角度：對工作滿意度、技能發展和工作安全感的影響
3. IT 部門角度：對數據安全、系統整合和技術支援的影響
4. 客戶角度：對服務品質、回應速度和個人化體驗的影響
5. 法律合規角度：對數據私隱、知識產權和行業監管的影響

最後，請綜合以上分析，提出一個分階段的實施建議。

多角度提問能夠避免 AI 只從單一立場給出片面的分析。在實際的商業決策中，這種全方位的分析方法非常有價值，能幫助你考慮到可能被忽略的面向。

三、常見 Prompt 錯誤與修正

在我們的 AI 課程培訓中，我們觀察到學員在撰寫 Prompt 時最常犯的幾個錯誤。了解這些常見問題，能幫助你避免走彎路。

錯誤一：指令過於模糊

錯誤

幫我寫一段文字。

修正

請為我的 LinkedIn 個人檔案撰寫一段 150 字以內的自我介紹，強調我在 AI 應用和數碼營銷方面的 5 年經驗，語氣專業且友好。

錯誤二：一次塞入太多任務

錯誤

幫我分析市場趨勢、寫營銷計劃、設計廣告文案、計算預算、然後做一個 PPT 大綱。

修正

請先幫我分析 2026 年香港數碼營銷的三大趨勢，每個趨勢請包含：
1. 趨勢描述（2-3 句）
2. 對中小企業的影響
3. 建議的應對策略

完成後我會再請你根據分析結果撰寫營銷計劃。

錯誤三：沒有指定輸出格式

錯誤

比較一下 ChatGPT 和 Claude。

修正

請用表格形式比較 ChatGPT 和 Claude，比較維度包括：
- 擅長領域
- 上下文長度
- 多模態能力
- 定價方式
- 最適合的使用場景

表格後請用 3 句話總結你的推薦。

錯誤四：忽略受眾定位

錯誤

解釋什麼是機器學習。

修正

請向一位完全沒有技術背景的 50 歲香港中小企業老闆解釋什麼是機器學習，使用日常生活中的比喻，避免任何技術術語，控制在 200 字以內。

錯誤五：沒有給 AI「思考空間」

有些複雜的問題需要多步驟推理，但如果你直接要求最終答案，AI 可能會「走捷徑」而犯錯。解決方法就是使用前面提到的 Chain of Thought 技巧，要求 AI 先分析再結論。

修正範例

在給出最終建議之前，請先：
1. 列出所有相關的考慮因素
2. 分析每個因素的利弊
3. 權衡不同選項的優先順序
4. 然後再給出你的最終建議和理由

四、進階 Prompt 策略

掌握了基礎的 Prompt 技巧後，以下的進階策略能幫助你在更專業的場景中發揮 AI 的最大潛力。

System Prompts（系統提示）

在使用 AI API 或某些支援自訂的 AI 平台時，你可以設定 System Prompt（系統級提示）。System Prompt 定義了 AI 的整體行為模式和規則，它會在整個對話過程中持續生效，為每次互動提供一致的框架。

System Prompt 範例

你是一位名為「AI助手小明」的香港企業客服代表，服務於一間提供 AI 課程的教育機構。

核心規則：
1. 始終使用繁體中文回覆，可適當混合英文專業術語
2. 語氣親和、專業、有耐心
3. 對於你不確定的資訊，請誠實告知客戶並建議聯絡 ivan@hdcourse.com
4. 每次回覆結束時，主動詢問客戶是否有其他問題
5. 如果客戶表達報名意向，提供電郵 ivan@hdcourse.com 作為聯絡方式
6. 不要編造課程價格或日期資訊
7. 你的專業範圍僅限於 AI 課程相關諮詢

System Prompt 的優勢：

確保 AI 行為的一致性——無論客戶問什麼，AI 都遵循同一套規則
減少每次 Prompt 中重複設定角色和規則的需要
對於企業級 AI 應用（如客服機器人、AI Agent），是不可或缺的配置
可以設定安全邊界，防止 AI 被誘導偏離正常用途

Temperature 和參數設定

大多數 AI 模型都提供一些可調節的參數，其中最重要的是 Temperature（溫度值）。理解這些參數能幫助你根據不同的任務需求，微調 AI 的輸出特性。

Temperature 參數詳解：

Temperature 0 - 0.3（低溫度）：輸出更加確定、一致、保守。適合事實查詢、數據分析、代碼生成、翻譯等需要準確性的任務。
Temperature 0.4 - 0.7（中溫度）：在創意和準確性之間取得平衡。適合一般的寫作任務、商業文案、電郵撰寫等。
Temperature 0.8 - 1.0（高溫度）：輸出更具創意和多樣性，但也更不可預測。適合頭腦風暴、創意寫作、故事創作等需要新穎想法的任務。

參數配置建議

任務類型          → 建議 Temperature
─────────────────────────────────
代碼生成/Debug    → 0 - 0.2
數據分析/報告     → 0.1 - 0.3
翻譯             → 0.1 - 0.3
商業文案         → 0.4 - 0.6
營銷文案         → 0.5 - 0.7
創意寫作         → 0.7 - 0.9
頭腦風暴         → 0.8 - 1.0

其他常見參數：

Top-p（核取樣）：控制模型考慮的詞彙範圍。一般設定為 0.9-1.0。與 Temperature 類似但機制不同，通常不需要同時調整兩者。
Max tokens：限制回覆的最大長度。根據任務需要設定，避免回覆被截斷或過度冗長。
Frequency penalty / Presence penalty：控制用詞的重複性和話題的多樣性，對於長文生成特別有用。

Prompt 鏈接（Prompt Chaining）

對於複雜的任務，可以將整個流程分解為多個步驟，每一步的輸出作為下一步的輸入。這種方法在 AI Agent 的工作流程設計中尤為常見。

Prompt Chaining 範例

步驟 1 → 「分析這篇文章的核心論點，列出 3 個要點」
         ↓（輸出作為步驟 2 的輸入）
步驟 2 → 「基於以上 3 個要點，為每個要點提供一個支持性的論據和一個反對性的論據」
         ↓（輸出作為步驟 3 的輸入）
步驟 3 → 「綜合以上分析，撰寫一段 300 字的評論文章」

Prompt Chaining 的優勢在於每個步驟都相對簡單且聚焦，比試圖用一個超長的 Prompt 完成所有事情要更可靠。在構建 AI 自動化工作流程（如使用 Zapier 或 n8n）時，這種思維方式非常實用。

五、學習 Prompt Engineering 的資源

Prompt Engineering 是一門需要持續學習和實踐的技能。以下是一些推薦的學習路徑和資源：

系統化課程學習

如果你希望有系統地學習 Prompt Engineering，參加專業的 AI 課程是最高效的方式。在課堂中，你可以獲得專業導師的即時指導，通過大量的實操練習來鞏固技巧，還能與其他學員交流經驗。

aicourse.com.hk 提供全面的 Prompt Engineering 課程，由擁有超過 150 場 AI 培訓經驗的 Ivan So 親授。課程涵蓋從入門到進階的各個層面，包括本文介紹的所有技巧以及更多實戰案例。無論你是個人進修還是企業團隊培訓，都能找到適合的 AI 課程方案。

日常練習建議

建立 Prompt 模板庫：將你日常使用效果好的 Prompt 保存下來，分類整理，方便日後重複使用和改進。
刻意練習：每天嘗試用不同的 Prompt 技巧處理同一個任務，對比結果，找出最有效的方法。
A/B 測試：用兩個不同版本的 Prompt 處理相同的任務，分析哪個版本產出更好的結果，以及為什麼。
跨模型測試：同一個 Prompt 在 ChatGPT、Claude、Gemini 等不同模型上測試，了解各模型的特性和差異。
持續關注行業動態：AI 模型和最佳實踐在不斷更新，定期閱讀相關的技術博客和研究論文，保持知識的時效性。

想深入學習 Prompt Engineering？

aicourse.com.hk 提供專業的 Prompt Engineering 課程，由資深導師 Ivan So 親授，涵蓋從入門到進階的實戰技巧，助你全面掌握 AI 應用技能。

立即電郵查詢課程

總結

Prompt Engineering 是 AI 時代最具價值的基礎技能之一。通過本文介紹的 10 個核心技巧——角色設定、提供上下文、結構化格式、逐步思考、提供範例、設定限制、迭代優化、使用分隔符號、要求自我檢查和多角度提問——你已經掌握了撰寫高效 Prompt 的完整方法論。

記住，Prompt Engineering 的精髓在於清晰地傳達你的意圖。就像與一位能力強但需要明確指引的同事溝通一樣，你給出的指令越清晰、越具體、越有結構，AI 就能給你越好的結果。

現在就開始練習吧。拿起你最常用的 AI 工具，用今天學到的技巧重新撰寫你的 Prompt，你一定會看到顯著的改善。如果你想更系統、更深入地學習 Prompt Engineering 和其他 AI 應用技能，歡迎訪問 aicourse.com.hk 了解我們的 AI 課程，或電郵至 ivan@hdcourse.com 查詢詳情。

祝你在 AI 應用的道路上越走越遠！