AI 提示詞技法
掌握每一項技法，能讓你在不同情境下引導 AI 產生最佳的回答。
#01
Few-Shot/One-Shot (範例模仿)
重要在提示詞工程（Prompt Engineering）中，**One-Shot Prompting（單樣本提示）** 是一種讓 AI 快速理解任務核心的強大技法。它的核心邏輯是：**「給予一個明確的範例，勝過冗長的文字敘述。」**
---
## 什麼是 One-Shot Prompting？
簡單來說，就是在提供指令（Instruction）的同時，附上**一組完整的「輸入」與「輸出」範例**。這能讓大型語言模型（LLM）透過上下文學習（In-Context Learning），精準抓取你想要的：
* **輸出格式**（例如：JSON、表格、特定標籤）
* **語氣語調**（例如：專業、幽默、簡潔）
* **處理邏輯**（例如：如何分類、如何摘要）
相比於 Zero-Shot（直接問，不給範例），One-Shot 能顯著提升 AI 在處理複雜或高度客製化任務時的穩定性。
---
## 技法說明與範本
使用 One-Shot 時，建議採用 **「角色 + 任務描述 + 範例（Shot） + 實際輸入」** 的結構。
### 1. 情感分析與格式化（結構化輸出）
當你需要 AI 嚴格遵守格式時，範例是最好的約束。
* **提示詞：**
> 你是一個社群媒體評論分析師。請分析評論的情感，並以 JSON 格式輸出。
>
> **範例：**
> 輸入：這款產品的螢幕顯色很棒，但電池續航力比想像中差。
> 輸出：{"sentiment": "混合", "aspects": {"display": "正面", "battery": "負面"}}
>
> **實際任務：**
> 輸入：這台掃地機器人噪音很大，不過吸得很乾淨。
> 輸出：
### 2. 特定語氣與風格轉換（風格模仿）
如果你希望 AI 模仿特定的文案風格。
* **提示詞：**
> 請幫我將枯燥的技術描述轉換成吸引人的短影音腳本。
>
> **範例：**
> 技術描述：這款滑鼠採用符合人體工學的曲面設計，能減輕手腕負擔。
> 腳本：這支「救命滑鼠」真的絕了！😭 每天修圖到手抽筋的家人們必看，那條完美曲線簡直是手腕的溫泉！
>
> **實際任務：**
> 技術描述：這款空氣清淨機搭載了 H13 級別的過濾網，能過濾 99% 的過敏原。
> 腳本：
### 3. 邏輯推理與分類（處理邏輯）
幫助 AI 理解如何判斷複雜的分類規則。
* **提示詞：**
> 你是客服系統的分類助手。請根據客戶的需求進行派發。
>
> **範例：**
> 客戶：我上週訂的貨到現在都還沒收到，訂單編號是 #12345。
> 派發：【物流查訊組】原因：查詢未到貨物品進度。
>
> **實際任務：**
> 客戶：你們的軟體安裝後一直跳出錯誤代碼 0x88，我完全打不開。
> 派發：
---
## 關鍵成功技法
1. **範例的代表性**：給予的範例必須具備典型性。如果範例本身存在邏輯錯誤，AI 也會跟著錯。
2. **明確的分隔符號**：使用 `範例：`、`輸入：`、`輸出：` 或 `###` 等標籤，讓模型清楚區分「參考資料」與「正式任務」。
3. **格式一致性**：範例的結尾方式應該與你希望 AI 回答的方式完全一致（例如在最後留下「輸出：」，讓模型接著寫）。
4. **從 One-Shot 到 Few-Shot**：如果任務極度複雜（例如需要處理邊界情況），單個範例可能不夠，這時可以提供 2-3 個範例，這就進化到了 **Few-Shot Prompting**。
掌握 One-Shot 技法，能讓你寫出的提示詞更具備「確定性」，減少 AI 胡言亂語或格式跑掉的機率。
#15
Meta-Prompting (元提示)
重要讓模型幫你寫提示詞，或優化你目前的提示詞。
元提示（Meta-Prompting），簡單來說就是**「讓 AI 教你怎麼問問題」**的技巧
。
具體作法是讓 AI 扮演「提示工程師」的角色，由它來幫您分析、重構並優化您現有寫不好的指令
。
適用時機： 當您發現自己寫的指令產出效果不穩定，或是因為經過多次來回修改，導致指令中累積了許多互相衝突的邏輯時，就可以使用這個技法來重新梳理
。
具體應用範例：
優化文案指令：「我有一段關於 ESG 文案的提示詞，請分析其角色與情境，幫我重構成精煉版本
。」
優化程式碼指令：「我目前有一個重構代碼提示詞，請從層次分析並幫我優化它
。」
調整語氣指令：「分析我的開發信提示詞，是否過於強硬並優化
。」
總結來說，當您對如何精準下達指令感到卡關時，與其自己反覆盲測，不如直接利用「元提示」，把您原本的草稿丟給 AI，讓 AI 用它的專業來幫您把指令改得更好。
.png&w=3840&q=75)
#32
Reverse Engineering (逆向工程)
重要核心概念： 這是一種「將感覺轉化為指令」的聰明作法。具體操作是丟入一個極佳的最終結果（範例文章或代碼），讓 AI 反向推導並產生能生成該結果的指令（Prompt）
。當您看到很棒的作品，想知道「它是怎麼被創造出來的」，或是想精準模仿某種模糊的「風格」時，就可以使用這個技法
。
具體應用與範例：
複製爆紅文案與寫作風格：您可以貼上一篇得獎文章或爆紅的廣告腳本，直接要求 AI：「分析這篇文章的語氣與結構（或前 3 秒的鉤子與節奏感），並寫出一個能生成類似風格文章的指令」
。
學習大神的程式碼：貼上一段優美的網頁特效或高手寫的代碼，要求 AI：「分析其記憶體管理與設計模式。如果我要寫出同樣水準的代碼，我該對你下什麼樣的 Prompt？」
。
破解商業話術：分析高成交的開發信，讓 AI 寫出能生成類似語氣的專屬指令
.png&w=3840&q=75)
#35
錨定原理 (Grounding)
重要畫出絕對邊界，讓 AI「有所本」
核心機制：提供外部資料作為 AI 產出內容的「唯一來源」，嚴格依據該來源作答
。
解決的痛點（差異點）：它是防禦型的技法，專門用來**解決 AI 幻覺（胡說八道）**的問題
。它剝奪了 AI 自由發揮的空間，要求內容必須極度嚴謹、事實準確
。
具體應用：提供一份健檢報告或 API 官方文檔，要求 AI「根據這份手冊回答，不可自行發揮」
#02
Chain of Thought (思維鏈)
**思維鏈（Chain of Thought, 簡稱 CoT）**是一種強迫 AI 寫出完整內部推理過程的提示詞技巧
。簡單來說，就是要求 AI 在給出最終答案前，必須「一步步推導」出結論。
思維鏈的核心目的與應用場景：
提升推理智商：這個技巧專門用來解決複雜的計算與邏輯難題，適用於邏輯推理、數學計算、程式 Debug 等需要極度嚴謹思考的任務
。
降低 AI 幻覺：透過要求 AI 寫出推導過程，能有效強化內部的邏輯控管，是防範 AI 胡說八道（幻覺）的核心防線之一
。
具體操作範例： 在下達指令時，加入**「請一步步...」**的關鍵字。例如：
在給出數位轉型策略前，請先一步步分析現狀、瓶頸與機會點
。
比較兩家雲端服務商的成本方案時，請一步步列出計算邏輯
。
在寫出程式邏輯前，請先一步步推理所有可能的邊界情況
。
第 1 / 3 頁，共 14 項