為什麼 Prompt 這麼重要？
同樣的 AI 模型，不同的提示詞可以產生天差地別的結果。好的 Prompt 就像給一位能力很強的員工下達清晰的指令——越具體、越有結構，產出就越好。
Prompt 的基本結構
一個好的 Prompt 通常包含以下元素：
🎭 角色（Role）：你是一位有 10 年經驗的 Python 後端工程師
📋 任務（Task）：幫我 review 這段 API 程式碼
📌 背景（Context）：這是一個電商平台的訂單 API
📏 格式（Format）：請用表格列出問題、嚴重度和建議修改
⚠️ 限制（Constraints）：專注在安全性和效能方面
10 個實戰 Prompt 技巧
技巧 1：角色設定法
❌ 一般提問：「幫我寫一封求職信」
✅ 角色設定：「你是一位科技業資深 HR，擅長履歷和求職信的撰寫與審閱。我要應徵 Google 的軟體工程師職位，請幫我寫一封突出技術能力和專案經驗的求職信。」
技巧 2：Few-shot 範例法
給 Claude 1-3 個範例，讓它理解你要的格式和風格：
「請幫我將以下技術術語翻譯成白話文：
範例 1：API → 程式之間溝通的橋樑
範例 2：Cache → 暫時存放常用資料的記憶空間
現在翻譯：Load Balancer →」
技巧 3：Chain of Thought（思維鏈）
要求 Claude 一步步思考，適合複雜推理問題：
「請一步步分析這段程式碼的時間複雜度，先辨識每個迴圈的執行次數，再推導總體複雜度。」
技巧 4：分段式複雜任務
把大任務拆成小步驟：
「我要建立一個部落格系統，請先幫我：
1. 設計資料庫 schema
2. 等我確認後再寫 API endpoints
3. 最後再做前端頁面」
技巧 5：負面指令
明確告訴 Claude「不要做什麼」：
「請用淺顯易懂的方式解釋量子運算，不要使用數學公式，不要超過 300 字，不要假設讀者有物理學背景。」
技巧 6：輸出格式指定
明確要求輸出格式：
「請用以下 JSON 格式回覆：
{"summary": "一句話摘要", "key_points": ["重點1", "重點2"], "action_items": ["待辦1"]}」
技巧 7：迭代精修
先得到初版，再逐步調整：
第一輪：「幫我寫一篇關於遠端工作的文章」
第二輪：「語氣更輕鬆一點，加入一些實際案例」
第三輪：「把第三段改短一些，加一個小標題」
技巧 8：設定評分標準
讓 Claude 自我評估：
「請幫我寫 3 個版本的廣告文案，並針對每個版本評估：吸引力（1-10）、清晰度（1-10）、行動召喚強度（1-10）」
技巧 9：使用 XML 標籤結構化
Claude 特別擅長理解 XML 標籤：
「<document>這裡放你的文件內容</document>
<instruction>請摘要上述文件的三個重點</instruction>
<format>用 bullet points 條列</format>」
技巧 10：System Prompt 善用
使用 API 時，善用 system prompt 設定持久的行為規則：
「你是一個專業的技術文件翻譯專家，所有翻譯都要保留原始的技術術語（用括號標註英文），使用台灣繁體中文，語氣專業但易讀。」
重点整理
- 好的 Prompt = 角色 + 任務 + 背景 + 格式 + 限制
- 善用 Few-shot 範例和 Chain of Thought 大幅提升回覆品質
- 把複雜任務拆成小步驟，逐步迭代精修
- Claude 特別擅長理解 XML 標籤結構化的提示詞
- 明確的負面指令（不要做什麼）和輸出格式要求能減少來回修改