「讓 AI 先思考」和「拆解步驟」有什麼不同？

拆解步驟是你幫 AI 規劃執行步驟，AI 照著走；讓 AI 先思考是讓 AI 自己先整理思路再回答。前者你主導流程，後者你給 AI 空間自己思考。

AI Fluency Framework Lesson 9｜有效提示詞技巧：Chain-of-thought、Few-shot、Role Definition

Q: 請 AI 幫我改提示詞真的有效嗎？

非常有效。AI 往往能指出你忽略的資訊——受眾是誰、成功標準是什麼、有什麼限制條件。試試看：把你的原始提示詞給 Claude，問它「這個提示詞還缺什麼資訊？」

Q: 提示詞工程需要技術背景嗎？

完全不需要。Prompt Engineering 是清楚的人類溝通原則加上 AI 特定考量的組合。這六個技巧本質上都是「把需求說清楚」的不同面向，不需要任何程式或技術知識。

📖 AI Fluency: Framework & Foundations 學習筆記系列（根據 Anthropic 官方英文免費課程整理）

Lesson 9 / 13 69%

上一課

本篇

下一課

← 回到 AI Fluency 完整課程目錄

📌 這篇文章談什麼？

這是 Description 單元的第二課，也是整個提示詞技巧的實戰深潛。Lesson 8 建立了三種描述的框架（Product、Process、Performance），這課進一步給你六個具體的提示詞技巧，加上當 AI 輸出不如預期時的除錯策略。有一個特別實用的「秘密武器」——直接請 AI 幫你改進你的提示詞。

📋 課程基本資訊

項目	內容
所屬課程	AI Fluency: Framework & Foundations
課程章節	Deep Dive 2：Effective Prompting Techniques
Lesson	Lesson 9：Effective Prompting Techniques
課程平台	Anthropic Academy（免費）
前置課程	Lesson 8：深入認識 Description

🎯 這課學完你會得到什麼？

理解提示詞工程（Prompt Engineering）是什麼、為什麼重要
掌握六個基礎提示詞技巧並能立即應用
識別讓 AI 互動成功的共同模式
當 AI 輸出不符預期時，有系統地診斷和修正

🧠 課程重點筆記

什麼是 Prompt Engineering？

課程給出一個很去神秘化的定義：

Prompt Engineering 就是為 AI 系統設計有效指令的實踐。它結合了清楚的人類溝通原則與AI 特定的考量——不是魔法，是可以學習的技能。

好消息是：你在 Lesson 8 學的三種描述（Product、Process、Performance），本身就是 Prompt Engineering 的核心概念。這課進一步提供六個具體技巧，讓你把描述框架落地為實際的提示詞寫法。

六個基礎提示詞技巧

1 Give Context｜提供背景脈絡

說明你要什麼、為什麼要、以及相關的背景資訊。AI 沒有你的工作脈絡，給得越具體，輸出越貼近你的需求。

❌ 沒有脈絡：
「幫我寫一封道歉信。」

✅ 有脈絡：
「我是一家設計公司的 PM，因為設計師生病，一個客戶的專案要延遲兩週交件。請幫我寫一封正式但友善的道歉信。」

2 Show Examples｜提供範例（Few-shot Learning）

用範例示範你想要的輸出風格或格式。「一個範例」的效果往往遠優於「長篇描述」。這在術語表裡叫 Few-shot prompting——你提供幾個例子，AI 就能理解你要的模式。

✅ 範例應用：
「請用這個格式幫我寫產品描述：
【範例】MacBook Air：輕薄設計、長達 18 小時電池續航、M3 晶片、適合創作者與學生。
現在請用同樣格式描述我們的新款耳機。」

3 Specify Constraints｜設定限制條件

明確指定格式、長度、結構或其他輸出要求。告訴 AI 你「不要」什麼，和告訴它你「要」什麼一樣有效。

✅ 限制條件範例：
「請摘要這篇文章，限制在 5 個重點以內，每點不超過 20 字，不要用技術術語，不需要結論段落。」

4 Break Complex Tasks into Steps｜拆解複雜任務

把多步驟的複雜任務拆成小步驟，引導 AI 一步一步完成。這對應術語表裡的 Chain-of-thought prompting——讓 AI 跟著你的思路走，而不是一口氣猜你要什麼。

✅ 拆解任務範例：
「請幫我準備這場會議的討論方向。步驟如下：
1. 先列出三個可能的討論主題
2. 針對每個主題，列出一個支持論點和一個反對論點
3. 最後建議最適合這次會議的主題，並說明理由」

5 Ask the AI to Think First｜讓 AI 先思考

明確要求 AI 在給出最終答案之前先整理思路。這在術語表裡叫 Think-first approach，對複雜問題和需要推理的任務特別有效，能讓 AI 的回應更全面、更有考量。

✅ 讓 AI 先思考：
「這個定價策略值得採用嗎？請先列出你的分析思路，再給出你的建議。」

「在回答之前，先說說你是怎麼理解這個問題的。」

6 Define Role or Tone｜定義角色或語氣

指定 AI 扮演的角色、專業程度或溝通風格。這在術語表裡叫 Role / Persona Definition——從廣泛角色（「以 UX 設計師的視角」）到具體人物風格（「用費曼的方式解釋」）都有效。

✅ 角色設定範例：
「請扮演一個嚴格的編輯，重點挑出我文章中邏輯跳躍的地方。」

「請用一個向十歲小孩解釋的方式，告訴我量子糾纏是什麼。」

🔑 秘密武器：請 AI 幫你改進提示詞

課程特別強調這個「秘密武器」：當你不確定怎麼把需求說清楚，直接問 AI。

你可以說：

「我的提示詞是：『幫我寫一份報告』。這個提示詞哪裡不夠清楚？你需要我補充什麼資訊，才能給我更好的輸出？」

AI 往往能精準指出你忽略的資訊，幫你把提示詞補完整——這本身就是一種 Augmentation 模式的協作。

成功提示詞的共同模式

課程整理出幾個讓提示詞成功率高的共同特徵：

模式	說明
清楚的任務概述	一開始就說清楚你要做什麼，不要讓 AI 從對話中拼湊
格式規格	明確說明你要的輸出格式（長度、結構、語言）
明確的限制條件	說清楚什麼不要、什麼要避免，和說要什麼同樣重要
相關背景資訊	提供 AI 需要知道的脈絡——你的角色、受眾、目的

提示詞除錯策略

當 AI 的輸出不符合你的期望時，不要只是「重問一遍」。先診斷問題在哪裡：

輸出格式不對？ → 補充 Product Description，說清楚你要的格式和長度

AI 的做法不是你要的？ → 補充 Process Description，明確說明步驟和順序

語氣或風格偏了？ → 補充 Performance Description，設定溝通風格

AI 誤解了你的意圖？ → 補充背景脈絡，說明為什麼你需要這個

不知道哪裡出了問題？ → 直接問 AI：「我的提示詞哪裡不清楚？」

💡 記住： 提示詞工程本質上是迭代的。第一版提示詞不完美是正常的，根據 AI 的回應調整、改進，這個過程本身就是 Augmentation 模式的核心。

六個技巧和 Description 框架的對應

技巧	對應的 Description 類型
Give Context（提供背景）	Product + Process Description
Show Examples（提供範例）	Product Description
Specify Constraints（設定限制）	Product Description
Break into Steps（拆解步驟）	Process Description
Ask to Think First（先思考）	Process Description
Define Role or Tone（定義角色）	Performance Description

✏️ 課後反思

六個技巧中，哪一個你認為對你目前的 AI 使用方式提升最大？
回想一次 AI 沒給你想要結果的對話——用哪個技巧修正可能最有幫助？
這六個技巧如何和 Lesson 8 的 Description 框架連結？

如果你想繼續練習，可以回到 Lesson 8 的 Bad Prompt Makeover 練習，這次用六個技巧來改寫那些糟糕的提示詞。

🔜 下一課預告

完成 Description 單元，你現在有了清楚的溝通框架和實用的提示詞工具箱。

接下來進入 Discernment 單元。如果說 Description 是「對話的輸入端」，Discernment 就是「輸出端」——當 AI 回應之後，你怎麼評估它的品質、找出問題、決定接受或重新要求？Lesson 10 會深入拆解這個「批判性評估」的能力。

← Lesson 8：深入認識 Description

Lesson 10：深入認識 Discernment →

📖 延伸閱讀

❓ 常見問題 FAQ

六個技巧每次都要全部用到嗎？

不需要。這六個技巧是工具箱，不是清單。簡單任務可能只需要一兩個；複雜任務才需要多個組合。判斷方式是：如果 AI 之前給的輸出不夠好，思考哪個技巧能填補那個缺口。

「讓 AI 先思考」（技巧 5）和「拆解步驟」（技巧 4）有什麼不同？

技巧 4（拆解步驟）是你幫 AI 規劃執行步驟，AI 照著走；技巧 5（先思考）是讓 AI 自己先整理思路再回答，更像是讓它做「內部預算」。前者你主導流程，後者你給 AI 空間自己思考。兩者都有效，適合不同情況——你很清楚步驟時用 4，你想讓 AI 發揮判斷力時用 5。

「秘密武器」（請 AI 幫我改提示詞）真的有效嗎？

非常有效，而且被低估了。AI 往往能指出你忽略的資訊——受眾是誰、成功標準是什麼、有什麼限制條件。這個做法特別適合你知道想要什麼結果、但不知道怎麼描述的情況。試試看：把你的原始提示詞給 Claude，問它「這個提示詞還缺什麼資訊？」

提示詞工程需要技術背景嗎？

完全不需要。課程的定義已經說得很清楚：Prompt Engineering 是清楚的人類溝通原則加上 AI 特定考量的組合。你在學的這六個技巧，本質上都是「把需求說清楚」的不同面向，不需要任何程式或技術知識。

提示詞寫得越長越好嗎？

不一定。長度不是關鍵，精準才是。一個長但模糊的提示詞，不如一個短而具體的。如果你已經說清楚了 Product、Process、Performance，提示詞自然夠長；如果你是為了「感覺比較詳細」而加字，那些字反而可能稀釋掉重要的資訊。

📬 喜歡這篇文章？訂閱電子報不錯過任何更新

生成式 AI 時代，最珍貴的資產不是工具本身，而是你的提問力與協作思維。
每週精選 AI 實戰技巧、官方課程更新與 AI 工作流攻略，直接寄到你的信箱！

免費訂閱電子報 →