AI Prompt 怎麼寫——四段公式讓 AI 第一次就給你想要的答案

同一句「幫我寫一篇關於咖啡的文章」，丟給 ChatGPT，回來的多半是一篇誰都能用、套到任何品牌都不奇怪的萬用稿。換一個人，把角色、任務、格式、限制四件事都交代清楚，同一台 AI 卻能吐出一篇有對象、有語氣、有重點的初稿。差別不在 AI 聰不聰明，而在於 AI Prompt 怎麼寫。

很多人第一次用 AI，輸入的都是一句模糊的指令，然後抱怨「AI 給的答案很空泛」「格式跑掉」「開始自己編內容」。其實 AI 不是不會做，是你沒把需求講清楚——它無法通靈猜透你心裡那張藍圖。提示詞（prompt）就是你交給 AI 的指令，它說得有多具體，回來的內容就有多貼近你要的。

好消息是，寫好 prompt 不需要背什麼「神級咒語」，只要一套能照填的公式，加上幾個可以直接複製的範例。先從這四段公式為什麼有效講起，再一段一段拆給你看。

AI Prompt 是什麼？為什麼同一個任務結果差這麼多

Prompt（提示詞）就是使用者輸入給 AI 的指令或問題，它直接決定 AI 產出的內容品質。 你給的訊息越清楚、越有脈絡，AI 回的答案就越精準；訊息越含糊，它就只能用一般知識補空白，結果自然像罐頭。

把它想成交辦工作給一位新來的助理。你只丟一句「幫我弄一下」，對方再聰明也只能猜，猜錯的機率很高；但你說清楚要做什麼、給誰看、用什麼格式、哪些不能碰，他就能一次做到位。AI 也是一樣，差別只在它不會回頭問你、也不會臉紅，直接給你一份它自己腦補的版本。

舉個常見的對比。有人輸入「請整理本月考勤數據」，AI 不知道你要的是統計表、是趨勢分析還是改善建議，只能給一份四平八穩、用處不大的整理。換成「請根據本月考勤數據，分析員工遲到與加班趨勢，並提出三點改善建議」，它馬上知道你要分析、要建議、要幾點，產出立刻能用。差的不是一兩個字，是你有沒有把腦中的需求翻譯成 AI 聽得懂的指令。

這也是為什麼「會問」比「會用」更值錢。AI 工具人人都打得開，但能不能讓它產出可用的東西，取決於你描述需求的能力。接下來這套四段公式，就是把這個能力拆成可以照填的欄位。

寫好 AI Prompt 的四段公式——角色、任務、格式、限制

寫一個好的 prompt，最穩的做法是依序填四段：角色（你要 AI 用什麼身分思考）、任務（具體要它完成什麼）、格式（成果長什麼樣子）、限制（哪些不能做、語氣與邊界在哪）。 這四段對應的，正是你交辦工作時會交代的四件事，缺一段，AI 就得自己腦補一段。

先一段一段看它各自在控制什麼。

角色（Role）：給 AI 一個身分，決定它用哪個角度回答。同一個問題，要它當「資深行銷經理」和要它當「貼心的朋友」，語氣和深度會完全不同。寫法很簡單，「你是一位專業咖啡師」「你是負責企業內訓的資深講師」這樣開頭就好。

任務（Task）：明確講出你要它做什麼，用動詞開頭。這是整段 prompt 最重要的部分。把「幫我」這種空話，換成「撰寫一封道歉信」「把這份逐字稿整理成待辦清單」「替這份成效資料總結三個洞察」這種可以交付的結果。任務一含糊，AI 就分不清你要的是摘要、改寫、分析還是建議。

格式（Format）：先指定最後的長相，AI 就不會自己決定要寫成大塊文字還是條列。你可以要它用表格、條列、Email、簡報大綱、檢查清單，甚至固定欄位輸出。例如「請用表格呈現，欄位固定為章節、主題、時間、目的」，答案就會整齊到能直接貼進文件。

限制（Constraints）：把禁區和邊界講清楚。語氣要專業還是輕鬆、字數多少、不能用哪些詞、能不能自行補充資料，都寫在這。當你覺得 AI 的回答很油、很像廣告、亂承諾、或自己編了你沒提供的細節，通常就是限制這段沒寫夠。

把四段拼起來，就是一個可以直接複製、把方括號換成你的情境的模板：

你是一位專業咖啡師（角色）。
請幫我寫一篇手沖咖啡入門的部落格引言（任務）。
目標讀者是完全不懂咖啡的上班族，請用條列式列出三個重點（格式）。
語氣要輕鬆好懂，不要使用專業術語，全文 200 字以內，繁體中文（限制）。Code language: plaintext (plaintext)

你不必每次四段都寫滿。請 AI「把這段話翻成英文」，可能只需要任務、資料和語氣；但只要是做客戶信、報告、企劃、學習計畫這種有對象、有目的的任務，四段填得越完整，得到空泛答案的機率就越低。

懶人 prompt 和結構化 prompt，輸出差在哪

最能讓人感受到四段公式價值的，是把同一個任務用兩種寫法各跑一次，把輸出擺在一起看。

假設你要請 AI 幫忙寫一封信，告訴第一次合作的企業客戶「交付項目晚了兩天」。

懶人寫法是這樣：「幫我寫一封道歉信給客戶。」

AI 會回你一封信，但它不知道客戶是誰、為什麼道歉、能不能補償、語氣該多正式。於是它只能給一封模板信，開頭是「親愛的客戶您好」，中間一堆「深感抱歉」「造成不便敬請見諒」，結尾再補一句「期待未來繼續合作」。讀起來客氣，卻空到可以寄給任何人，也沒解決你真正的問題——怎麼在不卸責、不亂承諾的前提下把話講清楚。

結構化寫法則把四段補齊：

你是負責客戶溝通的專案窗口（角色）。
請幫我寫一封向客戶說明交付延遲的 Email（任務）。
背景：對方是第一次合作的企業客戶，交付項目延遲兩天，原因是內部檔案交接出了疏漏。
輸出 180 字以內的信，信後再列三點修改理由（格式）。
語氣專業、負責、不防衛；不要推卸責任，不要承諾公司做不到的補償，不要使用誇張的道歉語氣（限制）。Code language: plaintext (plaintext)

這次 AI 知道收件人是誰、發生什麼事、責任怎麼歸屬、語氣邊界在哪，回來的會是一封有具體情境、敢扛責任又不過度道歉、長度剛好、還附上修改理由的信。你幾乎可以直接微調就送出。

兩種寫法的差距，整理成下面這張表會更清楚。

多花的那幾十秒，省下的是反覆重問、來回改稿的時間。結構化不是把 prompt 寫得又臭又長，而是把 AI 需要的判斷依據一次給足，讓它第一次就接近可用。

不同任務該填哪幾段？常見情境的 prompt 範例

四段公式不是每次都得填滿，關鍵在於判斷這次任務缺哪一段就補哪一段。AI 特別擅長摘要、改寫、分析、創意發想這幾類事，下面把幾個上班族最常遇到的情境，各給一個可以照改的範例。

整理會議紀錄（重在格式與限制）：你有一段雜亂的會議筆記，想變成主管和同事追得動的待辦。

你是專案助理（角色）。
請把以下會議筆記整理成專案待辦（任務）。
資料：[貼上筆記]
輸出格式分四欄：決議事項、待辦表格、風險、需要追問的問題；待辦要含負責人和期限（格式）。
不要把討論中的想法當成已決議事項；缺負責人或期限的，標成「待確認」，不要自己編（限制）。Code language: plaintext (plaintext)

改寫一段文案（重在角色與限制）：手上有草稿，但語氣不穩、太長、或少了行動呼籲。

你是社群小編（角色）。
請把以下草稿改寫成一則社群貼文（任務）。
資料：[貼上草稿]
輸出兩個版本，一版 120 字、一版 220 字，各附一句修改理由（格式）。
不要誇大成效，不要用「保證」「最強」這類字眼，保留繁體中文，結尾要有一個明確行動呼籲（限制）。Code language: plaintext (plaintext)

分析一份數據（重在任務與格式）：你有一張成效報表，想要的不是流水帳，而是看得懂的洞察。

你是數據分析顧問（角色）。
請根據以下成效資料，總結三個洞察與兩項可執行的行動（任務）。
資料：[貼上數據]
先用一句話講結論，再用條列說明每個洞察的依據（格式）。
只根據我提供的數據回答，不要補外部資訊；資料不足以支持的結論，請標「需要補查」（限制）。Code language: plaintext (plaintext)

理解一個新概念（重在角色與格式）：你看得懂字面，卻抓不到概念之間的關係。

請你扮演一位很會舉例的老師（角色），教我理解「區塊鏈」（任務）。
我是文科背景，最卡的是它跟一般資料庫差在哪（背景）。
教學順序：先用生活化比喻，再給正式定義，最後出一題小測驗讓我自我檢查（格式）。
先用淺顯的方式說明，不要一次塞太多術語；如果我的前提有錯，請先指出（限制）。Code language: plaintext (plaintext)

你會發現，這幾個範例都圍著同樣的四段在轉，只是依任務不同調整了哪一段寫得重。摘要類任務，格式和限制最該講死；改寫類任務，角色和語氣限制最關鍵；分析類任務，則要把任務和資料來源框得緊。抓到這個手感，你就不必每次從零想起。

AI 回答還是不好，怎麼用錯誤訊號修 prompt

就算四段都填了，第一版答案不滿意也很正常。好用的 prompt 通常不是一次寫成，而是「第一版 → 看回答 → 找出缺哪一段 → 補上去再要一次」磨出來的。重點是，你要會從「答案哪裡不對」反推「prompt 缺了哪一格」。

下面這張對照表，把最常見的幾種糟回答，對到通常是哪一段沒寫好，以及下一句可以怎麼補。

這裡有兩個進階做法值得學起來。

第一個是給範例。當你很難用形容詞講清楚想要的語氣，與其說「自然一點、專業一點」，不如直接貼一段你喜歡的句子和一段你不想要的句子，請 AI 照好範例的節奏寫、別像壞範例。給一兩個具體樣本，往往比一長串形容詞管用——這個做法業界叫 few-shot（範例引導）。

第二個是讓 AI 幫你優化 prompt。當你來回幾次還是覺得指令不夠精準，可以直接把目前的草稿貼給它，問：「請幫我優化這段提示詞，讓我能得到更好的結果，並告訴我原本的指令缺了什麼。」它會反過來點出你漏掉的角色、背景或格式。如果產出的優化版很好用，這才是真正值得你存起來的「最佳 prompt」——它是你和 AI 一起磨出來的，不是從網路抄來的咒語。

所以真正值得練的，不是一句一勞永逸的萬用指令，而是「描述需求」和「補充背景」這兩個能力。這兩件事越強，你隨手打的 prompt 就越好用。

關於寫 prompt，最常被誤解的三件事

把四段公式練熟之後，實際操作時還是會卡在幾個似是而非的觀念上。先把這三個常見的誤解講清楚，你下手時會更篤定。

第一個誤解，是以為 prompt 寫得越長越好。長度本身沒有意義，清楚才有。一個塞滿廢話卻沒講清任務的長 prompt，不會比一句精準的短 prompt 好用。真正的原則是看任務的複雜度：複雜任務該補的背景、限制、格式一個都不能少，寫起來自然會長一點；但像翻譯一句話這種簡單任務，就別硬撐字數。該長則長，能短則短，跟字數無關。

第二個誤解，是糾結該用中文還是英文寫。其實兩個都行，看任務挑。因為大型語言模型的訓練資料以英文為主，碰到需要深度推理或國際性的題目，用英文提問有時能逼出更紮實的內容。但只要牽涉在地的法規、文化、用詞，就該用中文，而且要把情境指名清楚，例如直接寫出是台灣的勞動法規，而不是泛稱「勞基法」。語言是手段，把需求對準任務才是重點。

第三個誤解，是覺得普通人得去學一套高深的「提示工程」。你需要的是觀念，不是術語。所謂提示工程（Prompt Engineering），核心就是透過清楚的指令引導 AI 產出你要的內容，而四段公式已經涵蓋了最關鍵的部分。你不用去背一堆專有名詞，把角色、任務、格式、限制講清楚，再加上會看回答、會補缺口的迭代習慣，日常工作的多數任務就夠用了。這也是為什麼照抄網路上的「萬用咒語」常常沒用——那些咒語是別人針對他的情境磨出來的，缺了你的對象、背景和限制，貼過來就像穿別人的衣服，不合身。它們可以拿來「看結構」，但不該整段照貼；看懂邏輯、套進自己的情境，比收藏一百句咒語更有用。

大家最在意的，往往是怎麼讓 AI 別一本正經地胡說，這也有三個動作能明顯降低。其一，限制它的資料來源，叫它只根據你貼的資料或指定範圍回答，不要在整個網路亂抓。其二，要它在給答案前先自我檢查或逐步拆解。其三，在 prompt 裡明白告訴它「如果不確定，請直接說不知道」，別硬掰。而涉及法律、醫療、財務這類高風險內容，AI 的回答永遠只是初稿，最後還是要回到原始資料或專業人士確認。

下次打開對話框前，先花十秒做什麼

學會這套寫法，AI 就從一台投幣不一定中獎的夾娃娃機，變成一位聽得懂你需求的助理。你說得越清楚，它就越像為你量身打造。所以下一次打開對話框，先別急著敲問題，花十秒在心裡過一遍：我要它扮演什麼角色、具體完成什麼任務、結果長什麼樣、有哪些不能碰——把這四件事講出來，輸出的品質就會跟著往上跳一階。