Prompt Engineering：如何跟AI說話才能得到好答案

同樣的AI模型，不同的提問方式可以得到天差地別的結果。這就是為什麼Prompt Engineering（提示工程）成了2024年最搶手的新技能。

為什麼提問方式這麼重要

語言模型的回答品質高度依賴輸入的品質。這不是AI的缺陷——人類也是這樣。你問同事「這個怎麼做」和「我想在React中實作一個可拖拽排序的列表，用的是TypeScript，需要支援手機觸控」，得到的回答品質完全不同。

實用的Prompt技巧

1. 給予角色和背景

差：「幫我寫一封信」
好：「你是一位資深HR主管。幫我寫一封給新員工的歡迎信，語氣要專業但溫暖，公司是一家50人的科技新創。」

2. 提供範例（Few-shot）

給AI一兩個你期望的輸出範例，比用文字描述格式有效十倍。

3. 分步驟思考

加上「請一步步思考」或「Let's think step by step」能顯著提升AI在邏輯推理任務上的表現。這被稱為Chain-of-Thought Prompting。

4. 指定輸出格式

「用JSON格式回傳」「用表格整理」「用三個bullet point摘要」——明確的格式要求讓結果更可控。

5. 設定限制

「用100字以內回答」「只用國中程度的詞彙解釋」「不要使用任何術語」——限制反而能激發更精準的回答。

我的見解：Prompt Engineering會消失嗎？

有人說Prompt Engineering只是過渡期的產物，未來的AI會聰明到不需要特殊的提問技巧。我認為這個觀點對了一半。

確實，AI模型在快速進步，對模糊提問的處理能力越來越強。但「清晰地表達需求」這件事本身，是一種永遠不會過時的能力——不管你面對的是AI、同事還是客戶。

Prompt Engineering的核心不是「學會一堆咒語」，而是學會結構化地思考和表達問題。這個技能不會隨著AI進步而貶值，反而會越來越重要。

一個反直覺的建議

最好的Prompt往往不是最長的。有時候，一句簡短但精準的指令比三段詳細的描述更有效。關鍵不在字數，而在於你是否抓住了問題的核心。