《不可不知 AI 關鍵字》是由 AI服務商 EgentHub建立的AI學習系列，協助企業員工在學習 AI 時遇到艱深的詞彙時，在面對大量繁雜的專業術語時，能快速查找、理解概念，像一本隨手可用的 AI 字典。
（2025年12月10 日更新）你是否也曾有過這樣的經驗：一直聽說AI很聰明，結果興致勃勃地向 ChatGPT 或其他 AI 工具提出問題，卻得到文不對題、空洞無物，甚至完全錯誤的答案？這種 AI 聽不懂人話的挫敗感，是許多人在與 AI 互動時的共同痛點。我們在上一篇文《一文看懂 AI Agent》探討了AI Agent的強大，但如何有效地與 AI Agent溝通，如何讓 AI Agent 依照我們的想法行動？提示詞 (Prompt)正是我們與 AI 之間最重要的溝通橋樑。
本文將深入淺出地解析什麼是 Prompt，並說明使用者提示詞 (User Prompt)與系統提示詞 (System Prompt)的運作原理，以及提示詞工程（Prompt Engineering）的主要邏輯，若能掌握這些技巧，便能幫助我們從一個被動的 AI 使用者，晉升為 AI 的指揮者。
什麼是提示詞（Prompt）？
簡單來說，提示詞 (Prompt) 就是用戶給予生成式 AI 的一組指令或查詢。用粗俗的話說：「垃圾進，垃圾出 (Garbage in, garbage out)」，用戶輸入的品質會直接影響輸出的品質，如果用戶提供了清晰的背景、明確的目標與具體的格式要求，AI Agent就能產出精準且穩定的成果。
User Prompt 與 System Prompt
大多數人日常與 AI 互動時，無論是Chat GPT、Claude、Gemini，其實都只使用了User Prompt，然而，如果要讓 AI 真正為企業所用，或在特定任務上發揮最大潛力，就必須理解 User Prompt 和 System Prompt 這兩種不同層級的指令。
1. 使用者提示詞（User Prompt）:你希望 AI「做什麼」
使用者提示詞 (User Prompt) 是我們最熟悉的形式，也就是針對特定任務、即時下達的指令，舉例來說，今天我們打開Chat GPT，輸入請幫我查詢今天的天氣，那我們輸入的內容即是User Prompt。
User Prompt 的特性是單次性、動態且任務導向的，每一次你向 AI 發起對話，都是一個新的 User Prompt產生。
2. 系統提示詞 (System Prompt)：你希望 AI「成為誰」
系統提示詞 (System Prompt) 則可以想像成 AI Agent 的背景設定，在使用者輸入User Prompt前就已經設定好，定義了 AI 的角色、個性、語氣、專業領域與行事準則等等，假如你使用的是付費版的GPT，那你在My GPTs 設定的指令，即是System Prompt。
System Prompt的特性是長期有效的行為規則，在一般的LLM 設計中優先權最高，AI 會遵守System Prompt的設定進行回覆。
實際範例
我們假設一個詢問天氣的情境，你希望 AI 能每天回應你對於台北天氣的問題，並告訴你當天的氣溫與降雨機率。
1.僅使用User Prompt：
- 用戶輸入：
請告訴我台北的天氣 - AI 回覆：
台北氣溫26度，降雨機率30%
看起來很完美。但如果你再嘗試一次，他可能會回應你
- 用戶輸入：
請告訴我台北的天氣 - AI 回覆：
台北最近氣溫有所回升，現在天氣為陰天
發現問題了嗎？如果只使用User Prompt，AI每次都會用他當下覺得最好的方式回應你，雖然在處理生活問題時無傷大雅，但對於經常需要固定格式的企業需求而言，回應方式的不一致，便會成為使用的一大門檻。
2.使用User Prompt + System Prompt：
這次我們建立一隻 AI Agent ，輸入好系統提示詞，再看看 AI 怎麼回答。
- 系統Prompt：
角色：你是一個了解氣象領域的專家任務：回答用戶對於天氣相關的問題，並回應格式化的結果步驟：當用戶詢問你某地方的天氣時，你會查詢該地方的天氣資料，並回應該地區的氣溫與降雨機率格式：[某地區]今日天氣為[天氣狀況]，氣溫[溫度]，降雨機率[%數字] - 用戶輸入：
請告訴我台北的天氣 - AI 回覆：
台北今日天氣為陰天，氣溫26度，降雨機率30%
在這樣的設定下，不管重複問 AI幾次，或是換人來問，AI都能提供一致而且正確的回應。若要讓這些回應更貼近需求，包括讓執行步驟更精準、讓最終輸出更有結構、更符合預期，關鍵在於如何寫出高品質的 Prompt，這項能力也就是我們所說的提示詞工程（Prompt Engineering）。
提示詞工程（Prompt Engineering）
一個好的 Prompt，就像一份清晰的角色扮演說明，如同劇本殺裡的劇本，能讓 AI 快速理解自己是誰、應該如何思考、扮演什麼角色。當角色被定義清楚，原本只能給出通用性答案的 AI，便能立即蛻變為領域專家。
然而，角色設定只是提示詞工程的第一步。要讓 AI 穩定地按預期工作、一致輸出且具備可控性，Prompt 必須從四個主要方向來構築，大多常見的技巧也包含於其中。
1. 角色設定（Role Design）
角色設定決定了 AI 的語氣、專業度、思考角度與決策框架，是所有提示詞技巧的基礎。
常見技巧：
- 角色扮演（Role Prompting）：定義 AI 的專業與任務風格。
- 情境設定（Contextual Setup）：提供背景、限制、環境假設。
- 身份切換（Persona Switching）：同一任務下切換不同視角分析。
- 語氣與風格設定（Tone & Style Control）：指定答題語氣、專業度。
2. 任務拆解（Task Structuring）
將複雜任務拆成可控、清晰的步驟，讓 AI 能循序執行、降低錯誤。
常見技巧：
- 明確定義輸入、輸出格式
- Chain of Thought（思維鏈）：展開推論步驟。
- Step-by-step Prompting：指示 AI 必須依序完成步驟。
- ReAct（Reason + Act）：推理與行動交替，用於工具調用或任務規劃。
- Tree of Thought（ToT）：給 AI 多路推理、比較並挑選最佳方案。
- Zero → One → Many Framework：先理解、再產出樣本、最後生成。
- Task Framing（框架式拆解）：透過模板讓 AI 依固定欄位產出。
- Few-shot Prompting（示例提示）：提供數個範例讓 AI 學習模式。
3. 邏輯約束（Logic Constraints）
透過框架、條件、規則讓 AI 的輸出更一致、更可控，避免幻覺與偏題。
常見技巧：
- 格式化輸出（Structured Output）：要求以 JSON、表格、Markdown 格式回答。
- 標準與評分規則（Evaluation Criteria）：指定 AI 回答需符合哪些條件。
- 內容邊界（Scope Constraints）：限制 AI 不得猜測、不得編造不存在資料。
- 條件式提示（If–then Prompting）：明確定義在不同條件下的回答策略。
- 分段回答（Chunking）：限制輸出長度或拆段輸出降低錯誤。
- 反例提示（Negative Example）：告訴 AI「不要像這樣回應」。
- 資料來源限制（Source Guardrails）：指定只能依輸入內容回答。
4. 校準與優化（Calibration & Refinement）
針對 AI 的首次輸出進行微調，形成高品質最終版本；這是提示詞工程最接近「溝通技巧」的一環。
常見技巧：
- 自我反思（Self-Reflection）：要求 AI 檢查自己的邏輯與輸出品質。
- 多版本比較（Multi-output Sampling）：一次產生多種方向供你選擇。
- 迭代修正（Iterative Refinement）：要求 AI 逐輪改善回答。
- 標竿範例（Style Transfer / Benchmark Examples）：提供範例讓 AI模仿。
- 結果驗證（Output Validation）：要求 AI 在輸出前先檢查是否符合要求。
- 錯誤前測（Anti-hallucination Check）：要求 AI 回答前確認資訊來源。
- 自問自答（Socratic Prompting）：要求 AI 自行提出問題並回答以校準結果。
提示詞工程的文章未來會再為各位讀者整理，在此可先參考我們過去撰寫的貼文
延伸閱讀《提示工程的框架選擇(Frameworks for Prompt Engineering)》
常見的提示詞陷阱：為何 AI 會誤解你？
學會上述技巧的反面，就是理解為何 AI 時常產出不符預期的內容。許多無效的溝通源於以下幾個常見陷阱：
- 陷阱一：過於模糊的指令。 當你只說「寫一封行銷信」，AI 不知道目標客群、產品優勢和語氣，只好產出最通俗、無效的內容。這違反了「提供清晰背景」的原則。
- 陷阱二：缺乏具體目標。 如果你說「幫我分析這份數據」，AI 可能只會給出籠統的描述。你必須明確指出目標，例如「分析這份數據，找出流失率最高的三個客群，並推測可能原因」。
- 陷阱三：讓 AI 決定格式。 如果不指定格式，AI 可能會用長篇大論的段落來回應你需要條列比較的內容，導致資訊難以使用。直接要求「用表格呈現」，就能避免這種情況。
從使用 AI 到定義 AI
User Prompt 讓我們能精準地指揮 AI 完成眼前任務，而 System Prompt 則為 AI 注入了專業靈魂，確保其長期表現的穩定與可靠。學會駕馭 Prompt，不只是在優化與 ChatGPT 的對話，更是在為未來與 AI Agent 的協作打下基礎。
AI 服務商 EgentHub 擁有 Prompt Designer工具協助企業員工無痛自建AI Agents，且 EgentHub 作為專業的AI Agent服務商，也是Google 推薦的台灣 AI 企業應用首選，擁有支援 MCP串接的企業級 AI Agent 管理平台，幫助企業將流程、知識與角色轉化，亦提供完整的權限管理機制，真正協助企業讓 AI 落地。
