Prompt 是什麼？賦予身份等 6 個提示詞原則（附二次驗證技巧）
Jacky ChenAI 系統架構顧問 · 擁有 HR 與獵頭背景的 AI 開發者一句話答案
Prompt（提示詞）就是你給 AI 的指令或提問——你怎麼描述任務、給多少背景、設什麼限制，直接決定 AI 產出的品質與穩定度。寫好提示詞的核心是：給背景、給角色、要格式、給範例、設限制、逐步迭代。但要補充一點時效：2026 年的產業討論已從提示工程轉向情境工程（context engineering）與循環設計，這些原則的基本觀念仍然成立，只是不再是需要鑽研的核心技能——把需求講清楚才是那個不會過期的部分。
我天天在用 AI，很清楚一件事：「AI 回答很爛」十次有九次不是 AI 的問題，是問法的問題。
學會寫 Prompt，是用好 AI 的第一步。這篇分享我實際在用的 6 個原則，讓 AI 的產出從「還可以」變成「能直接用」。
Prompt 是什麼？
Prompt 就是你給 AI 的指令或提問。你怎麼描述任務、給多少背景、設什麼限制，直接決定它產出的品質與穩定度。同一個 AI，會不會問，結果差非常多。
原則 1–3：給背景、賦予身份、給格式
一、補足背景（對象、目的、情境）。二、賦予身份（也就是「給角色」，例如「你是資深行銷」）。三、要求輸出格式（條列、表格、字數）。光是這三點，我就能讓多數人的 AI 產出品質明顯變穩。
「賦予身份」還有一個進階用法：時間充裕時，可以請 AI 換個身份重新檢查一次同一個問題——目的不是加快運算速度、也不是省額度，是找出原本那個專業身份可能存在的思考盲點或漏洞。單一視角容易有死角，換一個不同背景的角色重新審視，常常會抓到第一輪沒發現的問題。
原則 4–6：給例子、設限制、逐步迭代
四、給一兩個範例（few-shot），AI 更懂你要什麼。五、設限制（語氣、禁用詞、長度）。六、不滿意就追問微調，把好用的定版存成範本——這是我讓團隊 AI 產出穩定的關鍵。
2026 補充：提示工程正在被情境工程取代
這一段是這篇文章發布兩週後補上的，因為情況變得比我們預期的快。
這篇原本發布於 2026 年 7 月 14 日。到了 7 月底，產業討論已經轉向：CIO Taiwan 的專文標題直接是〈提示工程已死！情境工程成為 GenAI 新顯學〉，Anthropic 負責 Claude Code 的工程主管也公開表示，他不再對 AI 下提示詞，而是寫「循環」，由循環去對 AI 下指令。重心從「怎麼把一句話問得更好」轉到「怎麼給對脈絡、怎麼設計一個會自己跑的系統」。
也有一派看法認為提示工程不是死了而是演化——在能接受無限上下文的模型出現之前，把需求講清楚仍然有價值。我同意這個說法，而且上面那六個原則的本質正是「把需求講清楚」，那部分沒有過期。
真正過期的是把它當成一門要鑽研的專門技能。與其花時間背技巧，不如把力氣放在想清楚自己要什麼、以及看得出產出哪裡不對——那兩件事換幾代模型都還在。這個主題我另外寫了一篇完整的：學 AI 是假議題？該練的不是工具，是判斷力。
常見問題
2026 年了，提示詞工程還值得學嗎？＋
基本觀念值得花一兩個小時弄懂，因為它的本質就是「把需求講清楚」，這件事不會過期。但不建議投入大量時間鑽研特定技巧——2026 年的產業討論已從提示工程轉向情境工程（context engineering）與循環設計，Anthropic 負責 Claude Code 的工程主管也表示改為寫循環而非下提示詞。也有一派認為提示工程是演化而非消亡，但無論哪種說法，把時間押在具體技巧上的報酬率都在下降。
要學程式才能寫 Prompt 嗎？＋
完全不用。Prompt 是用自然語言溝通，重點是把需求講清楚、給足脈絡。
為什麼同樣的 Prompt 有時結果不一樣？＋
AI 本身有隨機性。要穩定產出，就把成功的 Prompt 定版、加範例與限制，需要時再降低隨機性設定。
「賦予身份」後換個身份進行第二次驗證，主要目的是什麼？＋
目的是找出原本那個專業身份可能存在的思考盲點或漏洞——換一個不同背景的角色重新檢視同一個問題，能發現單一視角容易忽略的地方，不是為了加快運算速度、也不是為了消耗多餘的免費額度。
還有其他問題？看完整常見問題 →
Jacky Chen · AI 系統架構顧問
讀到這裡，如果你手上正好有個流程想自動化、或想把 AI 變成一套真的能營運的系統——直接找我聊。一次免費的技術診斷，我幫你看清最值得先動的是哪一塊，不繞圈子、不推你不需要的東西。