Prompt Engineering 完整指南：從入門到精通

系統性介紹 Prompt 設計技巧，包含 Chain-of-Thought、Few-shot Learning、System Prompt 最佳實踐，讓你的 AI 輸出更精準可控。

AI Academy 編輯部2025年11月21日

Prompt Engineering 完整指南：從入門到精通

什麼是 Prompt Engineering？

Prompt Engineering（提示工程）是設計與優化輸入給 AI 模型的文字指令，以獲得更準確、更符合需求的輸出結果。這是使用 LLM 最重要的技能之一。

為什麼 Prompt 很重要？

同樣的問題，不同的問法會得到截然不同的答案：

❌ 差的 Prompt：
"寫一篇文章"

✅ 好的 Prompt：
"請以科技部落格的風格，撰寫一篇 500 字的文章，主題是 AI 在醫療領域的應用。
目標讀者是對科技有基本了解的一般大眾。請包含 2-3 個具體案例。"

基礎技巧

1. 明確具體的指令

原則：告訴 AI 你要什麼，而不是不要什麼。

❌ 模糊：
"幫我改善這段程式碼"

✅ 具體：
"請檢查這段 Python 程式碼的效能問題，特別注意：
1. 是否有不必要的迴圈
2. 記憶體使用是否可以優化
3. 是否有更 Pythonic 的寫法

請提供修改建議和修改後的程式碼。"

2. 提供上下文

讓 AI 了解背景資訊，能大幅提升回答品質：

prompt = """
# 背景
我正在開發一個電商網站的後端 API，使用 FastAPI + PostgreSQL。

# 目前狀況
用戶反映結帳頁面載入很慢，大約需要 5 秒。

# 問題
請分析可能的效能瓶頸，並提供優化建議。
"""

3. 指定輸出格式

明確告訴 AI 你期望的輸出格式：

請分析以下客戶評論的情緒，並以 JSON 格式輸出：

評論：「這個產品真的太棒了！品質很好，出貨也很快。」

輸出格式：
{
  "sentiment": "positive/negative/neutral",
  "confidence": 0.0-1.0,
  "key_points": ["...", "..."]
}

4. 使用分隔符號

用明確的分隔符號區分不同部分：

請將以下文章翻譯成英文：

---文章開始---
人工智慧正在改變我們的生活方式。從智慧手機的語音助理，
到自動駕駛汽車，AI 的應用無處不在。
---文章結束---

翻譯要求：
- 使用正式的商業英語
- 保持原文的段落結構

進階技巧

1. Few-shot Learning（少樣本學習）

提供範例讓 AI 學習你期望的模式：

請將產品描述轉換成行銷標語。

範例 1：
產品：無線藍牙耳機，續航 30 小時
標語：告別電量焦慮，音樂不間斷

範例 2：
產品：折疊式電動滑板車，重量 12kg
標語：輕鬆收納，城市通勤新選擇

現在請處理：
產品：智慧手錶，可監測心率和睡眠品質
標語：

2. Chain-of-Thought（思維鏈）

引導 AI 逐步思考，提升複雜問題的推理能力：

請解決以下數學問題，請一步一步思考：

問題：一家咖啡店週一賣出 45 杯咖啡，週二比週一多賣 20%，
週三比週二少賣 10 杯。請問這三天總共賣出幾杯咖啡？

請這樣思考：
1. 先計算週二的銷量
2. 再計算週三的銷量
3. 最後加總三天的銷量

進階用法：Zero-shot CoT

只需加上「Let's think step by step」：

prompt = """
問題：如果一個專案需要 5 個工程師工作 8 天完成，
現在只有 4 個工程師，需要多少天？

Let's think step by step.
"""

3. Role Prompting（角色扮演）

讓 AI 扮演特定角色，獲得更專業的回答：

你是一位資深的 Python 後端工程師，擁有 10 年經驗，
專精於高併發系統設計和效能優化。

請以這個角度，審查以下程式碼並提供改善建議：

[程式碼]

常用角色範例：

角色用途
資深工程師程式碼審查、架構設計
技術寫作者文件撰寫、教學內容
產品經理需求分析、使用者故事
資安專家安全性審查

4. 結構化 System Prompt

設計完整的系統提示，定義 AI 的行為模式：

system_prompt = """
# 角色
你是 DataAgent AI Academy 的技術助教，專門協助學員學習 AI 和程式開發。

# 核心原則
1. 使用繁體中文回答
2. 解釋技術概念時，先給出簡單定義，再深入說明
3. 適時提供程式碼範例
4. 鼓勵學員動手實作

# 回答格式
- 使用 Markdown 格式
- 程式碼要標註語言類型
- 複雜概念用列表或表格呈現

# 限制
- 不提供完整的作業答案，而是引導思考
- 不確定的資訊要明確說明
- 超出 AI/程式開發範圍的問題，禮貌地說明無法回答
"""

實用 Prompt 模板

1. 程式碼生成

請用 [語言] 實作以下功能：

功能描述：[描述]
輸入：[輸入格式]
輸出：[輸出格式]
限制條件：[如有]

請遵循以下規範：
- 加入適當的錯誤處理
- 使用有意義的變數命名
- 加入必要的註解

2. 程式碼解釋

請解釋以下程式碼的功能：

```[語言]
[程式碼]

請包含：

  1. 整體功能概述
  2. 逐行解釋關鍵邏輯
  3. 使用到的設計模式或演算法
  4. 潛在的改進空間

### 3. 文件撰寫

請為以下 API 撰寫文件：

端點：[URL] 方法：[GET/POST/etc] 功能：[描述]

請使用以下格式：

  • 端點描述
  • 請求參數（表格）
  • 回應格式（JSON 範例）
  • 錯誤處理
  • 使用範例

### 4. Debug 協助

我遇到以下錯誤，請協助分析：

錯誤訊息

[貼上完整錯誤訊息]

相關程式碼

[貼上程式碼]

環境資訊

  • 語言/框架版本：
  • 作業系統：

我已嘗試

[列出已嘗試的解決方法]


## 常見錯誤與解決

### ❌ 錯誤 1：指令太模糊

❌ "幫我寫個網站" ✅ "請用 Next.js 建立一個 Todo List 應用，包含：

  • 新增/編輯/刪除任務
  • 任務完成狀態切換
  • 使用 Tailwind CSS 做基本樣式"

### ❌ 錯誤 2：一次問太多問題

❌ "解釋 React、Vue、Angular 的差異，並告訴我該學哪個， 還有怎麼找前端工作，薪水大概多少？"

✅ 一次專注一個問題，分多次詢問


### ❌ 錯誤 3：沒有提供足夠上下文

❌ "這段程式碼有什麼問題？" [貼一小段程式碼]

✅ "這段 Python 程式碼在處理大量資料時會變很慢， 預期處理 100 萬筆資料。請分析效能問題： [完整程式碼 + 錯誤訊息]"


### ❌ 錯誤 4：期望 AI 有最新資訊

❌ "最新版 React 19 有什麼新功能？"

✅ "根據你的知識，React 18 有哪些重要功能？ （我知道你的資訊可能不是最新的）"


## 進階：Prompt Chaining

將複雜任務拆解成多個步驟：

```python
# 步驟 1：分析需求
prompt_1 = "分析以下用戶需求，列出功能清單：[需求描述]"
features = call_llm(prompt_1)

# 步驟 2：設計架構
prompt_2 = f"根據以下功能清單，設計系統架構：{features}"
architecture = call_llm(prompt_2)

# 步驟 3：產生程式碼
prompt_3 = f"根據以下架構，實作核心功能：{architecture}"
code = call_llm(prompt_3)

工具推薦

工具用途
OpenAI Playground測試和調整 Prompt
LangSmithPrompt 版本管理和評估
PromptPerfect自動優化 Prompt

總結

Prompt Engineering 的核心原則：

  1. 明確具體：清楚說明你要什麼
  2. 提供上下文：背景資訊越多越好
  3. 指定格式：明確輸出格式
  4. 逐步引導：複雜問題分步驟處理
  5. 持續迭代：根據結果調整 Prompt

下一步行動：

  1. 選擇一個你常用的 AI 任務
  2. 用本文的技巧重新設計 Prompt
  3. 對比前後效果差異
  4. 建立自己的 Prompt 模板庫

相關文章：

參考資源：