提示詞是什麼？prompt 是什麼、和 AI 指令是同一件事
提示詞是你輸入給 AI 的文字指令，告訴它要做什麼、為誰做、做成什麼樣子。Prompt是什麼？它就是提示詞的英文，中文也常叫AI指令，三個詞指的是同一件事。提示詞寫得越清楚，AI 越不需要猜，產出也越接近你要的結果。
AI 收到的只有你寫下的文字，你心裡知道的背景、標準與偏好，沒寫出來它就不知道，提示詞的品質因此取決於你能不能把腦中的判斷翻譯成文字，這也是為什麼同一個 AI，不同的人用起來效果差很多。
提示詞怎麼寫：角色、任務、格式、限制四個元素
一則基本的提示詞可以照四個元素寫：角色（請 AI 用什麼身分回答）、任務（要它做什麼、為誰做）、格式（輸出長什麼樣子，例如條列、表格、字數）、限制（不能做什麼、要避開什麼）。四個元素都寫到，AI 就不必自己補上它猜的版本。
| 元素 | 寫什麼 | 例子 |
|---|---|---|
| 角色 | 請 AI 用什麼身分與專業回答 | 你是熟悉中小企業的行銷顧問 |
| 任務 | 要做什麼、給誰看、用在哪裡 | 幫我把這份會議紀錄整理成給老闆看的重點 |
| 格式 | 輸出的形式、長度、結構 | 五點條列，每點不超過 30 字 |
| 限制 | 要避開的內容、語氣、範圍 | 不要用專有名詞，不要提到預算細節 |
5W1H 也可以當成檢查清單：誰（Who）要看、做什麼（What）、為什麼（Why）、什麼時候用（When）、用在哪裡（Where）、怎麼呈現（How）。寫完提示詞，對照一次，缺的那一項，就是 AI 回答可能走偏的地方。
提示詞技巧：講目標、給背景、讓 AI 說出假設
推理模型普及之後，提示詞技巧的重點從「教 AI 怎麼想」移到「告訴 AI 要什麼」：把最終目標講具體、把背景資料給足、先不給範例試一次，效果不夠再加範例，並請 AI 在回答前先列出它的假設，讓誤解在一開始就浮出來。
OpenAI 的官方指南列了幾條給推理模型的建議，包括「Keep prompts simple and direct」、「Avoid chain-of-thought prompts」，因為模型會在內部推理，叫它一步一步想已經沒有必要；以及「Try zero shot first, then few shot if needed」和「Be very specific about your end goal」（OpenAI：Reasoning best practices）。以前流行的「請一步一步思考」，對這類模型已經可以拿掉。
背景比技巧更重要。Anthropic 的官方指南建議說明指令背後的理由，它舉的例子是，與其只寫「NEVER use ellipses」，不如說明文字會交給語音引擎朗讀，模型會從解釋中自己推廣（Anthropic：Prompting best practices）。把字數花在背景上，例如讀者是誰、品牌語氣、過去哪一版效果好，比花在教模型推理步驟有用。最後一句可以加上「回答前，先列出你對這個任務的假設」，它理解錯的地方，在你看到答案之前就會先露出來。
提示詞範例：同一個任務改寫前後
以下的提示詞範例用同一個任務示範改寫前後，任務是請 AI 寫一則新品上市的社群貼文。改寫後的版本補上了角色、讀者、格式與限制，並請 AI 先說出假設，同一個 AI 產出的差別，來自提示詞多給了哪些資訊。
| 改寫前 | 改寫後 |
|---|---|
| 幫我寫一篇新品上市的貼文。 | 你是一個手作甜點品牌的小編。我們這週推出抹茶生乳捲，讀者是已經追蹤我們、買過兩次以上的老客人。請寫一則 150 字內的 Facebook 貼文，語氣像跟熟客聊天，重點放在這次用的抹茶產地，結尾告訴他們週六早上十點開賣。不要用「限時」「搶購」這類字。動筆前，先列出你對這篇貼文的假設，等我確認再寫。 |
改寫前的版本，AI 只能猜品牌是什麼、讀者是誰、要多長，猜出來的會是最大眾的那一種上市貼文；改寫後多寫了不到一百字，換到的是一份不用大改的初稿。範例的用處是看懂結構，句子要換成你自己的品牌與讀者，照抄別人的範例，產出也會跟別人長得一樣。
選對動詞：改寫、修正和生產是三種不同的指令
提示詞裡的動詞，決定 AI 用哪一種方式處理你的內容。改寫是保留原本的架構、把用詞全部換掉；修正是針對特定問題做局部調整；生產則是從零開始產出新的內容。動詞選錯，AI 就會做錯事：你給了成功的範例卻寫「幫我生產」，它往往會無視範例，重新寫一份。
這是 銷 EP16 談 AI 指令時特別提醒的地方：很多人以為給了範例，AI 就會照著範例改，但如果動詞用的是「生產」，它會從頭產出一個全新的版本，讓人覺得明明給了範例，為什麼還生一個不一樣的出來。
| 動詞 | AI 會怎麼做 | 適合的情況 |
|---|---|---|
| 改寫 | 保留架構，用詞重新寫過 | 有一版好的結構，想換成另一種說法 |
| 修正 | 只調整你指出的問題 | 大致滿意，只有幾處要改 |
| 生產、撰寫 | 從零開始產出 | 還沒有任何版本 |
| 總結、產生大綱 | 把內容收斂成重點或架構 | 資料太長，要先看全貌 |
| 檢查、分析 | 指出問題或拆解原因 | 想知道一份內容哪裡可以更好 |
| 加長、縮短 | 在原內容上增減篇幅 | 內容對了，長度不對 |
想讓 AI 學會一份好範例，銷 EP15 建議的順序也和動詞有關：不要直接說「照這個寫」，因為它會連範例的缺點一起複製；先請它「分析」這份範例好在哪裡，把分析整理成一份步驟，再用這份步驟「撰寫」新的內容。檢查也可以分兩步：先請 AI 用資深顧問的角度列出改善建議，再挑你認同的那一點，請它「修正」那一處就好。
ChatGPT提問技巧：從一次問一句到建立指令庫
ChatGPT 提問技巧的關鍵不在背句型，而在三件事：怎麼問問題、用哪些專有名詞讓 AI 進入狀況、怎麼迭代讓它產出你沒想過的結論。好用的提示詞要存起來成為指令庫，下次直接調用，才不會每開一個視窗就從頭再寫一次。
其實下指令真正再學的東西並不是指令本身，而是有幾個蠻重要的項目。
同一集接著列出那三個項目：怎麼問問題、用了哪些專有名詞解鎖 AI、產出的結果如何迭代。專有名詞的作用很直接，對 AI 說「用 AIDA 架構」，比解釋三行「先吸引注意再引發興趣」精準，前提是你自己知道這些名詞。迭代則是最花時間的地方：
所以在AI時代下面，真正花時間是迭代。
每個視窗下一條指令、拿到回覆再自己拼裝，快 EP12 稱這是單點學習，是使用 AI 最基本的層次。下一步是把驗證過好用的提示詞整理成指令庫，再往上，就是把整套工作邏輯寫成 AI 每次都照著執行的工作規格，同一件事每次產出的格式與品質才會一致。
為什麼 AI 的回答不會超出你的預期？以及怎麼突破
AI 的回答常常不會超出你的預期，因為你告訴它的，大概就是你自己認為最好的做法，它只能在你的框架裡最佳化。要突破，就要在提示詞裡請 AI 質疑你的前提、提出你沒想到的選項，或用你不熟的專業角度重新看一次問題。
這個觀察來自 快 EP13：純用正向的指令，產出不會超出你原有認知的上限。實務上可以在提示詞最後加一段，例如「在照我的要求做之前，先告訴我這個做法可能錯在哪裡」、「如果你是這個領域最資深的人，你會怎麼改這個問題本身」。讓 AI 反問你，是把它從執行者變成討論對象的最短路徑。如果你連該用哪個專有名詞都不確定，銷 EP15 的做法是先問 AI：「我想做一個很吸引人的影片開頭，這個領域有哪些技術的專有名詞？」拿到名詞之後，再用它們重新提問。
給 AI 的原料也會決定上限。寫行銷內容時，品牌底線、品牌故事線與一句話概念要先準備好，提示詞才有東西可以組合，這部分在AI 寫文案那篇有完整說明；不同模型適合的任務，也在同一篇的分工一節。
我們怎麼看這件事
我們的看法是，提示詞的功夫最後會回到你對工作本身的理解：你說得出判斷標準、知道該用哪個專有名詞、看得出產出哪裡不對，AI 才幫得上忙。範例與句型可以加快起步，真正拉開差距的是你能不能把腦中的標準寫成文字。
所以學提示詞的順序，可以倒過來想：先把一件你熟悉的工作寫成一份清楚的說明，交給同事看懂，再交給 AI，同事看不懂的說明，交給 AI 也很難做好。提示詞熟練之後，怎麼選工具、怎麼把幾個步驟串成工作流程，在AI 行銷工具那篇有說明。
結語
下一次使用 AI 前，挑一個你每週都會做的任務，用四個元素寫一份提示詞，最後加上「先列出你的假設」，跑三次、各改一次，把最好的那一版存下來。這就是你指令庫的第一筆。其他 AI 應用的分析，收在AI 應用專區。
常見問題
什麼是提示詞？
提示詞是輸入給 AI 的文字指令，英文是 prompt，中文也叫 AI 指令。它告訴 AI 要做什麼、為誰做、做成什麼樣子，寫得越清楚，AI 越不需要猜。
有哪些提示詞技巧？
基本的是寫齊角色、任務、格式、限制四個元素。進階的是把最終目標講具體、給足背景、先不給範例試一次再視需要補範例，並請 AI 在回答前列出假設。想要超出預期的回答，可以請 AI 先質疑你的前提。
ChatGPT 指令有哪些技巧？
說清楚讀者與用途、指定輸出格式與字數、列出要避開的內容，並用專有名詞讓 AI 快速進入狀況。拿到回覆後，用具體的修改指令逐輪調整，好用的版本存成指令庫，下次直接調用。