Prompt實戰
五個讓AI輸出從差到可用的改法
AI輸出質量差，原因多數在於提示設計，而非模型能力。以下五種改法各自針對不同類型的提示缺陷，每種均附有前後對比。若想進一步理解提示設計的系統性作用，可參考個人化AI體驗差距的工程來源一文。
改法一：加入角色框架與任務約束
改前：「幫我寫一封跟進電郵。」
改後：「你的任務是代我草擬一封商業跟進電郵。背景：我是一家香港中型會計師行的合夥人，兩週前與潛在客戶開會介紹了我們的審計服務。對方當時表示需要內部討論。郵件語氣正式，長度控制在150字以內，不使用任何推銷語言。」
差別在於：角色（合夥人）、上下文（兩週前的會議）、格式約束（150字）和禁止事項（推銷語言）同時給出。可用性的差距不是百分比，而是需不需要重寫。
改法二：明確聲明輸出格式
改前：「總結這份合約的主要風險點。」
改後：「請以條列格式總結以下合約的主要風險點，每項格式為『[風險類型]：[具體描述]（[建議行動]）』，共不超過6項，按風險嚴重性由高至低排列。」
顯式格式聲明的效果是輸出直接可用，而非需要二次整理。若AI的輸出需要大量重新排版才能使用，原因往往是格式要求從未被聲明。
改法三：要求分步推理
對需要多步邏輯的任務，要求AI逐步展示推理過程，而非直接給出結論。
範例結構：「請先列出你認為與此問題相關的所有考量因素，然後逐一評估，最後給出你的建議。」
分步推理的效果是雙重的：AI的最終結論往往更準確，且推理鏈可供讀者核查每一步是否合理，而非盲目接受結論。
改法四：以負面示例說明不要什麼
告訴AI要避免的輸出類型，往往比描述想要的更有效。
改前：「寫一篇關於香港AI監管現況的分析。」
改後：同上，加入「請避免使用模糊的概括性語句，例如『相關部門正積極研究』或『業界對此普遍關注』。每個判斷須有具體政策文件或監管機構聲明作為依據，無法引用具體來源的判斷請明確標注為推測。」
負面示例在AI傾向生成模板化輸出的場景效果最為顯著。
改法五：迭代而非追求單次完美
最有效的提示工作流程，是一系列漸進式的精修，而非尋找一個一次成功的完美提示。
實際操作：第一輪生成草稿；第二輪「保留第一、三段，將第二段改為更簡潔的版本，刪除第四段」；第三輪「在開頭加入一句提示讀者全文目的的導語」。每一輪指令錨定於前一輪輸出，而非從零重新描述需求，積累調整比重置重試更高效。
小結
五種改法可根據任務類型選擇性組合：任務說明模糊時用角色框架，輸出格式重要時用格式聲明，複雜推理任務用分步要求，AI輸出通常過於籠統時加負面示例，追求完美單次提示時轉為迭代修改。