AI提示詞完整教學
AI提示詞完整教學：7大原則+10個實戰範例
同樣一個ChatGPT，為什麼有人用它寫出破萬互動的貼文，有人只能得到一堆罐頭廢話？差別從來不是模型，是你丟進去的那段文字。這篇是AI Agent大師學院創辦人Harry Lee寫給華語圈零基礎使用者的提示詞完整教學，從7大原則、10個可直接複製的實戰範例，到新手最常踩的5個坑，一次講完。
作者：Harry Lee · 更新日期：2026年4月23日 · 閱讀時間：約15分鐘
立即報名AI Agent大師學院為什麼同樣用ChatGPT，結果差這麼多？
2025年11月，Collins English Dictionary把「vibe coding」選為年度詞彙。同一年，和AI溝通的方式從工程師專屬的冷知識，變成行銷、業務、老師、家庭主婦都在學的技能。Google Trends資料顯示，「AI提示詞」、「ChatGPT提示詞」、「prompt engineering」這類關鍵字自2025年1月以來的搜尋量，累計成長超過6700%。
但問題是，真正學會的人非常少。OpenAI官方的Prompt Engineering Guide是一份20頁的技術文件，Anthropic的版本更長。多數人點開看兩眼就關掉，回去繼續打「幫我寫一篇文章」，然後抱怨AI寫的東西像機器人。
我在AI Agent大師學院帶過500位以上的華人學員，其中89%順利完成課程。我看過最誇張的案例是一位40歲的房仲經理，第一週還在問「ChatGPT是什麼」，第四週已經用同一個工具，靠對的提示詞，拿下第一個$3000美金的AI自動化案子。差別不在天份，在提示詞。
Stanford大學2024年的AI Index報告直接寫明：在相同模型下，設計良好的提示詞與隨手打的提示詞，在專業任務上的表現差距可以達到3倍以上。換句話說，你不是需要更貴的訂閱，你是需要更精準的指令。
更重要的是，這不是短期技能。Gartner預測到2026年底，會有40%的企業應用內建AI Agent。未來三到五年，「和AI溝通的能力」會像今天的「用Excel的能力」一樣，是每一個白領工作者的基本配備。現在學，你走在曲線前面；兩年後才學，你只是追平。
這篇教學不是教你炫技，是教你在每一次按下Enter之前，多一個念頭：我給的資訊，夠讓它猜中嗎？
提示詞為什麼現在爆紅：五個你該知道的數字
以下數據全部附原始出處。不是我說的，是Collins、Gartner、GitHub、Coursera、Google Trends說的。
Word of the Year
「vibe coding」 獲Collins Dictionary 2025年度詞彙
來源：Collins English Dictionary
6,700%
自2025年1月以來提示詞相關搜尋成長率
來源：Google Trends（Second Talent整理）
46%
2026年新產生的程式碼中，由AI生成的比例
來源：GitHub Octoverse報告
8M+
Coursera單一AI課程學習者數，年增195%
來源：Coursera 2025年6月官方數據
40%
到2026年底將導入AI Agent的企業應用比例
來源：Gartner 2026企業AI預測
AI提示詞7大黃金原則
這七個原則不是我發明的，是從OpenAI、Anthropic、Google三家官方文件中抽取出來的共識。次序有意義：從角色開始，到語氣結束，每一層都在減少模型猜測的空間。
指定角色（Role）
第一句就把模型放進你要的位置。「你是有十年經驗的SEO顧問」、「你是台灣本土品牌的文案總監」，比單純丟問題強十倍。角色決定了它會調用哪一層的語料。
講清楚任務（Task）
動詞開頭、結果具體：「幫我寫三個臉書廣告標題」、「把這段英文翻成繁體中文並保留口語感」。不要寫「幫我處理一下這個」。
餵足上下文（Context）
你的產品是什麼、受眾是誰、現在卡在哪、目標是什麼。上下文愈完整，模型就愈少自由發揮。Anthropic官方文件指出，完整背景資料可以讓輸出相關性提升40%以上。
指定格式（Format）
要表格就講表格，要JSON就講JSON，要三段話就講三段話。「用Markdown列點，每點不超過30字」這種敘述會直接改寫輸出結構。
給範例（Few-shot）
一個好範例勝過十句描述。想要某種語氣？貼兩段你寫過的真實內容給它學。這招叫few-shot prompting，是OpenAI官方指南排名第一的技巧。
設限制（Constraints）
不要超過200字、不要使用專業術語、不要編造統計數據、不要出現句點結尾。明確的禁止比模糊的鼓勵更有效。
定語氣（Tone）
口語、正式、幽默、銳利、溫暖？講白。「像對信任的朋友說話」、「像《經濟學人》社論」，比「自然一點」有用一百倍。
10個可直接複製的實戰範例（壞 vs 好）
每組範例的「壞」版本都是我真的在Skool社群看到學員問過的原句。「好」版本是套用7大原則後的改寫，你可以直接改成自己的脈絡使用。
範例 01 · 寫一封冷開發email
壞示範
「幫我寫一封陌生開發信」
好示範
「你是B2B SaaS的業務總監。我們賣AI排程工具給10–50人的房仲團隊，痛點是帶看時間撞期。幫我寫一封80字內的冷開發信給多倫多房仲經理，第一句不要提產品，結尾要一個低壓力的問句（不是「你有興趣嗎」），語氣像Jeremy Miner的NEPQ框架。」
範例 02 · 整理會議逐字稿
壞示範
「幫我摘要這個會議」
好示範
「以下是60分鐘產品會議的逐字稿。請輸出三個區塊：(1) 三個最重要的決議（一句話）(2) 待辦事項表格（欄位：負責人／任務／截止日）(3) 尚未達成共識的爭議點。全程繁體中文，不要加任何評論或建議。」
範例 03 · 翻譯保留語氣
壞示範
「翻成中文」
好示範
「把下面這段英文翻成台灣網路世代的繁體中文（不是中國用語）。保留原作者自嘲的幽默感，句子長度盡量和原文接近，專有名詞維持英文不要硬翻。翻完後列出三個你覺得翻譯最有挑戰的地方和你的處理邏輯。」
範例 04 · 生成SEO部落格大綱
壞示範
「幫我寫一篇關於AI的部落格」
好示範
「目標關鍵字：「AI副業」（月搜尋量800，台灣+香港）。搜尋意圖：想找2026年能實際開始做的AI副業的上班族。輸出格式：一個H1、六個H2（其中至少三個取自Google台灣的People Also Ask）、每個H2底下列2–3個H3。不要寫內文，只要大綱。全程繁體中文。」
範例 05 · Debug一段程式碼
壞示範
「這段程式不能跑，幫我修」
好示範
「以下是Next.js 15的API route，跑起來回傳500錯誤。終端機錯誤訊息我貼在後面。請依序：(1) 指出最可能的三個根本原因（按機率排序）(2) 每個原因給一個最小可驗證的測試方法 (3) 先不要改程式碼，等我確認問題再動手。」
範例 06 · 擬定商業決策
壞示範
「這個生意值得做嗎？」
好示範
「你是連續創業者兼財務顧問。以下是我正在考慮的SaaS生意：[貼上簡報或描述]。請用下面框架分析：(1) 市場規模估算（TAM/SAM/SOM，附來源假設）(2) 前六個月最可能讓我放棄的三個風險 (3) 在不融資的前提下，要做到月MRR一萬美金最合理的路徑。請誠實，不要安慰。」
範例 07 · 把長文變短文
壞示範
「幫我縮短」
好示範
「把這篇3000字的文章壓縮成LinkedIn貼文（繁體中文，200–280字）。開頭第一行必須是一個反直覺的觀察，第二段給兩個具體數據，結尾一個能引發留言的問題。不要用emoji，不要用#hashtag。」
範例 08 · 整理研究資料
壞示範
「這三篇文章在講什麼」
好示範
「以下是三篇關於台灣2026年AI就業市場的報告。請輸出一個比較表，欄位為：來源／調查樣本數／關鍵結論／最高薪AI職缺／我認為最可信的一個數字（附原因）。如果三篇之間有矛盾的數據，單獨列出並標註「矛盾」。」
範例 09 · 模擬客戶訪談
壞示範
「幫我想客戶會問什麼」
好示範
「你是35歲、住台北、年薪120萬新台幣的行銷經理，剛被主管要求導入AI工具但沒預算。我現在要向你推銷一個$99/月的AI文案工具。請丟五個你真的會問的懷疑性問題（不要是軟球），每個問題一行，不要附答案。」
範例 10 · 規劃學習路徑
壞示範
「我想學AI，該怎麼開始」
好示範
「背景：我是32歲的產品經理，每週可投入8小時，目標是6個月內能獨立用AI工具做出可商業化的自動化工作流程。請輸出一個週度學習計畫表（欄位：週次／主題／具體產出／評估標準），並標註哪些週可以和工作任務結合。不要推薦超過兩個付費平台。」
新手最常犯的5個提示詞錯誤
如果你最近對AI感到失望，很大機率是踩到下面這五個坑之一。改掉就好，不用換工具。
問得太泛
「幫我寫一篇文章」等於給模型一張空白支票。它會拿出最安全、最普通的範本，結果讀起來像維基百科。補上主題、受眾、字數、角度、語氣，立刻不一樣。
沒設角色
「請分析這份財報」和「你是有十五年經驗的CFO，請分析這份財報」，調用的語料層級完全不同。角色是最便宜的品質升級開關。
一次塞十件事
一個提示詞同時要它翻譯、摘要、評論、延伸、產圖。模型會顧此失彼。拆成多輪對話，每輪只解決一件事，品質會翻倍。
沒給範例
要某種語氣、某種格式、某種風格，最快的作法是貼兩三個真實範例。描述一百字不如範例兩行。
不會迭代
第一版答案永遠不是最好的。「這一段太教科書，換成實際案例」、「第三點擴充兩倍」、「語氣再銳利一點」。提示詞工程本質是對話，不是一次性指令。
進階技巧：讓模型自己變聰明
Chain-of-Thought（逐步思考）：在提示詞最後加一句「請一步一步思考」，模型在回答前會先把推理過程寫出來，答案準確率大幅提升。Google研究團隊2022年的原始論文顯示，這一句話可以讓數學題正確率從18%跳到57%。
Few-shot範例：想要某種特定語氣或格式，貼兩三個範例給它看。OpenAI官方指南把這個排在第一優先。一個具體範例勝過十句抽象描述。
角色疊加：「你是Ogilvy等級的文案大師」比「你是文案」有力。具體到能叫出名字的典範，會觸發模型調用那個典範相關的語料。
自我批評：拿到第一版答案後，直接丟回去：「以一位嚴苛編輯的角度，找出這個答案的三個弱點，然後重寫一次。」這招效果驚人。
一個完整提示詞長什麼樣
[角色]
你是有12年經驗的台灣B2B SaaS成長行銷顧問，服務過91App、KKday等品牌。
[任務]
幫我寫一封給餐飲業老闆的冷開發email，長度80字內。
[上下文]
產品：AI排班工具，省時60%。目標客：台北5–20人的早午餐店老闆。
[格式]
主旨一行（15字內）+ 內文三段 + 結尾一個問句。
[範例]
（貼兩封你過去寫過、回覆率高的真實信件）
[限制]
不要用「革命性」、「賦能」、「無縫整合」這類空話。不要一開頭就自我介紹。
[語氣]
像熟人介紹熟人，直接、有溫度、帶一點自嘲。
常見問題（People Also Ask）
AI提示詞到底是什麼？為什麼寫法會影響結果？
AI提示詞（Prompt）就是你丟給ChatGPT、Claude、Gemini這類大型語言模型的文字指令。模型看到的不是你的意圖，而是你打出來的每一個字。指令含糊，它就給你含糊的答案；指令具體，它就能給出接近可用的成果。OpenAI官方文件明確指出，清楚的上下文和範例可以讓同一個模型的輸出品質差距達到數倍之多。
ChatGPT提示詞和Claude提示詞寫法一樣嗎？
核心原則一樣：角色、任務、上下文、格式、範例、限制、語氣，七個要件缺一不可。細節上Claude對長文結構化輸入（XML標籤）反應特別好，ChatGPT對逐步思考（step-by-step）指令反應好，Gemini則對明確的輸出格式敏感。同一份提示詞大多能通用，頂多微調20%。
一段好的AI提示詞大概要多長？
沒有固定字數，但實務經驗是：簡單任務50到150字，進階任務300到600字，專業工作流程800到1500字甚至更多。關鍵不在長度，而是每一句話都在減少模型的猜測空間。許多人以為愈短愈聰明，其實是把模糊度丟給模型，結果得到一堆通用廢話。
新手最常犯的提示詞錯誤是什麼？
最常見的是「問得太泛」：「幫我寫一篇文章」、「給我一些行銷建議」。模型沒有你的背景資料，只能給教科書等級的回答。第二常見是「沒有設定角色」，第三是「沒給範例」，第四是「沒指定輸出格式」，第五是「一次塞十件事」。修正這五點，輸出品質通常能直接翻倍。
學AI提示詞需要寫程式嗎？
完全不需要。提示詞工程本質是用自然語言溝通，會中文、會英文就能開始。真正重要的是邏輯清晰度和任務拆解能力。我們AI Agent大師學院的學員中，超過六成來自行銷、業務、教育、設計背景，沒有任何程式基礎，一樣能在四週內把AI接進日常工作流程。
免費版ChatGPT夠用嗎？還是一定要訂閱Plus？
如果只是寫email、整理筆記、翻譯，免費版GPT-5 mini完全夠用。但如果要做長文件分析、程式碼生成、研究報告，建議用Plus（$20/月）解鎖GPT-5完整版。Claude Pro（$20/月）在長上下文和寫作品質上更強，兩個搭配使用是目前CP值最高的組合。
關於作者
Harry Lee
AI Agent大師學院（Visionary Academy）共同創辦人，華語AI教育者。YouTube頻道@HarryLee擁有超過百支深度AI教學影片，專注於把矽谷最新的AI工具翻譯成華人職場能直接使用的工作流程。
帶領超過500位華人學員完成AI實戰訓練，課程完成率89%，畢業生平均月收入$12,000美元，最快4週內拿下第一位付費客戶。本篇教學中的所有範例，都來自他和學員在Skool社群內真實交流過的場景，不是憑空想像。
本文資料來源
- · Collins English Dictionary 2025年度詞彙公告
- · Stanford HAI AI Index Report 2024
- · OpenAI Prompt Engineering Guide（官方）
- · Anthropic Prompt Engineering Documentation
- · Gartner 2026企業AI導入預測
- · GitHub Octoverse 2025
- · Coursera 2025年6月學習者報告
會寫提示詞只是第一步
把它變成可以月月收錢的專業能力，需要一套完整的工作流程、實戰案例，以及一群能互相盯著彼此執行的人。AI Agent大師學院每週兩場直播、500+學員、89%完成率，等你加入。
立即報名加入後可以先看一週內容再決定是否留下。