一句話定義

Prompt（提示詞）是你送進 AI 模型的那整段輸入內容，包含指示、背景資料、範例與輸出格式要求，它決定了模型這一次要做什麼、怎麼做。

30 秒看重點

  • 是什麼：Prompt 是你交給 AI 的完整輸入，不只是那句問題，還包含你貼的資料、給的範例、指定的格式。
  • 為什麼重要：模型能力固定的情況下，輸入品質幾乎是唯一你還握得住的變數。
  • 跟誰相關：每天用 ChatGPT 的上班族、串 API 的工程師、想導入 AI 客服的中小企業老闆都躲不掉。
  • 最常見的誤解：以為提示詞就是「問話的技巧」，其實你貼進去的參考資料，往往才是決定成敗的那一半。
  • 記住這件事就夠了：把 AI 當成一個很聰明但今天才報到的新同事，你講得多清楚，它就做得多對。

Prompt 到底是什麼？

Prompt（提示詞）就是你送給 AI 模型的那一整段輸入。它不只是你打的那句問題，還包括你順手貼進去的會議紀錄、你要求的格式、你給的示範答案，全部加起來才叫一個 prompt。

Google Cloud 的說明把一個結構良好的提示詞拆成四塊：指示或背景（要它做什麼）、輸入資料（要它處理的東西）、輸出格式（你想拿到什麼樣子）、範例（可有可無）。所以「幫我寫一篇文章」是 prompt，「以下是我的訪談逐字稿，請整理成三段式重點，每段不超過 50 字，語氣輕鬆」也是 prompt，差別只在後者把四塊都填好了。

題外話，prompt 這個英文字本來就是「提示、提詞」的意思，劇場裡在旁邊小聲提詞的那個人就叫 prompter。這個詞會被拿來用在 AI 上，其實滿貼切的。

生活比喻：想像你走進便當店。「一個排骨便當」老闆聽得懂，但你拿到的東西完全看老闆習慣。換成「排骨便當，飯少一半、不要酸菜、醬汁另外裝，外帶」，你要什麼就是什麼。Prompt 就是這張點餐的嘴，模型的廚房再厲害，你講得含糊，端出來的還是老闆的預設值。

為什麼提示詞這麼重要？

因為對絕大多數使用者來說，模型本身動不了，能動的只有輸入。你沒辦法重新訓練 GPT 或 Claude，但你可以改你寫的那 200 個字。

Anthropic 官方文件講得很直白：把模型想成一個很聰明、但剛到職、完全不了解你們公司規範的新同事。它不知道你們的簡報要用哪種格式、不知道客戶忌諱什麼、不知道「照舊」是什麼意思。它的判斷力有，但脈絡沒有，而脈絡只有你能給。

官方甚至給了一條檢查法，我覺得比什麼模板都好用：把你的提示詞拿給一個不熟這件事的同事看，如果他會困惑，模型也會困惑。

還有一個很多人沒想到的理由是錢。以 Anthropic 的提示詞快取（prompt caching）為例，重複使用的前綴內容再次讀取時只算原價的 0.1 倍，Claude Opus 5 的輸入從每百萬 token 5 美元降到 0.5 美元。前提是那段內容要固定、要夠長（Opus 5 至少 512 個 token）。換句話說，提示詞寫得結構化，連帳單都會不一樣。

Prompt 是怎麼組成的？

一個好的提示詞通常是四種東西疊起來的，順序比你想像中重要。

  1. 角色與規則：先講清楚它是誰、遵守什麼原則。Anthropic 文件說，光是在系統提示詞放一句「你是專精 Python 的程式助理」就會有差別。
  2. 背景資料：把它需要的文件、資料、對話紀錄貼進去。官方建議長文件放在提示詞的最上面，問題和指示放後面，這個順序對所有現行模型的表現都比較好。
  3. 明確指示：要它做什麼、輸出成什麼格式、有什麼限制。步驟有先後就用編號列出來。
  4. 範例：給幾個「輸入長這樣、輸出應該長這樣」的示範，也就是常聽到的 few-shot（少樣本）。Anthropic 建議 3 到 5 個效果最好，而且要涵蓋邊緣狀況，不然模型會學到你沒打算教的規律。

名詞小教室：zero-shot（零樣本）是一個範例都不給，直接下指令；few-shot 是先給幾組示範再問。這個講法是 2020 年 OpenAI 的 GPT-3 論文《Language Models are Few-Shot Learners》帶起來的，重點在於不用重新訓練模型，光靠輸入裡的示範就能讓它學會新任務。

系統提示詞跟使用者提示詞差在哪？

系統提示詞（System Prompt）是設定 AI 整場對話的角色與規則，使用者提示詞（User Prompt）是你這一次要它做的事，兩者作用的層級不同。

比較項目系統提示詞 System Prompt使用者提示詞 User Prompt
誰寫的開發者、產品方使用者本人
存在多久整場對話都生效只針對這一輪
典型內容身分、語氣、不能碰的紅線這次的問題與資料
在 API 裡的位置頂層 system 欄位messages 陣列裡 role: user
一般使用者改得到嗎多半改不到完全由你決定

拿便當店比喻繼續講：系統提示詞是牆上貼的公告（本店不代客加辣、內用不外帶），使用者提示詞是你當下點的那份餐。公告不會因為你換點一份雞腿飯就消失。

從這張表可以看出來，如果你是一般使用者，你能施力的其實只有下面那一欄。老實講，坊間那些「複製貼上就變神」的萬用模板，賣的就是系統提示詞的替代品 以及你不想自己想的懶。有用嗎？有一點。但模板不知道你的資料長什麼樣，這部分永遠得你自己補。

順帶一提，在 Anthropic 的 Messages API 裡，系統提示詞是獨立的頂層 system 參數，沒有 system 這個 role 可以塞進 messages 陣列，這是很多人第一次串 API 都會踩到的雷 QQ

你會在哪些地方碰到提示詞？

只要你用過生成式 AI，你就已經在寫提示詞了，只是沒人這樣叫它。

  • ChatGPT、Claude、Gemini 的對話框：你打的每一句都是使用者提示詞，背後還有一段你看不到的系統提示詞在管它的語氣與界線。
  • AI 繪圖工具：一樣是提示詞，只是輸出從文字換成圖片，描述得越具體越不會抽到你不要的東西。
  • 公司內部的 AI 客服或摘要工具：系統提示詞通常被工程師寫死在後端，使用者只負責提問那一段。
  • AI 寫程式工具：專案根目錄那些設定檔（像 CLAUDE.md 這類），本質上就是被自動塞進每次對話的系統提示詞。

如果你是工程師，你碰到的還會多一層：把提示詞當成程式碼來管。Anthropic 建議用 XML 標籤（例如 <instructions>、<context>、<input>）把不同性質的內容分區包好，模型才不會把你的參考資料誤讀成指令。

學提示詞最常見的 3 個誤解

  1. 誤解一：提示詞就是「會問問題」 — 真相是，問題只佔一小塊。你貼進去的資料、你給的範例、你指定的格式，這些通常比問句本身更能決定結果。
  2. 誤解二：越長越詳細一定越好 — 真相是，長度不是重點，清楚才是。Anthropic 特別提到，與其寫「絕對不准用刪節號」，不如寫「這段文字會被語音朗讀，語音引擎不知道刪節號怎麼念」，模型理解了理由才會舉一反三。
  3. 誤解三：任何問題都能靠改提示詞解決 — 真相是不行。Anthropic 的官方指南開頭就說，有些目標（像延遲跟成本）換一個模型會比調提示詞更快達成，而且動手改之前應該先定義好「什麼叫成功」跟怎麼測。

想深入提示詞，從哪開始？

沒有技術背景的話：從你最常做的那件事開始改一句就好。下次請 AI 幫你寫東西時，多加一句「輸出成三個重點，每點不超過 30 字」，你會立刻感覺到差別（這個真的超有感）。接著再練習把參考資料整段貼進去，而不是憑記憶描述。

有技術背景的話：去看 Anthropic 的 Prompting best practices 那頁，把角色設定、XML 分區、few-shot 範例、長文件置頂這四招各試一次，順便建立一組自己的測試題來比對前後差異。官方也強調，先有評測標準再調提示詞，不然你只是在憑感覺換句話。

常見問題 FAQ

Prompt 跟 Prompt Engineering 有什麼不同？

Prompt 是那段輸入本身，Prompt Engineering（提示詞工程）是有系統地設計、測試、修改提示詞的方法與流程。寫一句話問 AI 是前者；建立一套範本、跑評測、比較不同寫法的效果並固定下來，才是後者。

為什麼同樣的問題，別人問得到比較好的答案？

多半不是因為對方會用什麼神秘咒語，而是對方給的脈絡比較完整。清楚的任務描述、貼上實際資料、指定輸出格式、附上一兩個範例，這四件事做齊，一般模型的表現就會明顯拉開差距。

我不是工程師，也需要懂提示詞嗎？

需要，而且投資報酬率很高。如果你每天用 AI 處理信件、摘要、簡報，光是學會把背景資料貼齊、把輸出格式講清楚，就能省下大量來回修改的時間，不需要碰任何程式。

Prompt 的中文翻譯有沒有統一？

沒有完全統一。台灣常見的譯法是「提示詞」，也有人寫「提示語」或直接說「指令」，中國大陸則多半用「提示詞」搭配「提示工程」。本站統一採用「提示詞」對應 Prompt、「提示詞工程」對應 Prompt Engineering，並在第一次出現時附上英文原文，方便讀者對照原始文件。

學會提示詞之後，下一個該學什麼？

建議往三個方向走：先了解 Token 怎麼算，你才知道提示詞塞太多會發生什麼事；接著看上下文視窗，理解模型一次到底看得下多少內容；最後一定要認識提示詞注入，因為只要你的 AI 會讀外部資料，這就是它最常被攻破的地方。

延伸閱讀

參考來源

  1. Prompting best practices｜Claude Platform Docs — 新同事比喻與「拿給同事看」黃金法則、說明理由比下禁令有效、範例 3 到 5 個、XML 標籤分區、系統提示詞角色設定、長文件置頂。
  2. Prompt engineering overview｜Claude Platform Docs — 調提示詞之前要先有成功標準與評測，以及不是所有問題都該用提示詞解決（換模型可能更省）。
  3. Messages API｜Claude Platform Docs — 系統提示詞是頂層 system 參數，messages 陣列裡沒有 system 這個 role。
  4. Prompt caching｜Claude Platform Docs — 快取讀取為原價 0.1 倍、Claude Opus 5 輸入每百萬 token 5 美元對應快取讀取 0.5 美元、Opus 5 最低可快取長度 512 個 token。
  5. What is prompt engineering？｜Google Cloud — 提示詞的四個組成（指示與背景、輸入資料、輸出格式、範例）與 zero-shot、few-shot、chain-of-thought 三種技巧。

整理一下重點：Prompt 真的不是「問話技巧」，它是你把任務、資料、格式一次交代清楚的完整輸入，也是模型固定之後你唯一還握得住的東西。

希望這一篇有讓你對 Prompt 有比較具體的理解哩～如果發現事實錯誤、定義不準、或翻譯卡卡的，歡迎透過聯絡頁指正，看到我們會盡快修。

我們下篇文章見囉～

本條目由 Array 報報 AI 編輯部根據上方「參考來源」整理，文末已揭露 AI 生成 + 公開資料引用。