你是否有過這樣的經驗？打開ChatGPT或Claude，滿心期待地輸入問題，結果AI給你的答案卻像在「說廢話」——要嘛太籠統、要嘛完全偏離重點、要嘛看起來很有道理但仔細一想根本沒幫助。
如果你覺得AI有時候「笨笨的」，別急著怪工具。真相是：90%的問題出在提問方式。
今天這篇教學，就是要幫你破解「AI答非所問」的魔咒。我會用最白話的方式，教你5個超實用的提示工程（Prompt Engineering）心法。這些技巧不需要任何程式背景，只要你看得懂中文，今天就能讓AI的回答品質直接翻倍。
準備好了嗎？讓我們開始吧。
為什麼你問AI總是得不到好答案？
先說個殘酷的事實：AI不是讀心機。
很多人以為AI像Google一樣，打幾個關鍵字就能找到答案。但大型語言模型（LLM）的運作方式完全不同——它是在「推測」你最有可能想要的答案，而不是「搜尋」你問題的答案。
舉個例子，如果你只問「寫一篇關於減肥的文章」，AI可能會給你一篇非常通用的內容，講「少吃多運動」這種你早就知道的廢話。但如果你告訴它「我是35歲上班族，每天坐辦公室8小時，沒時間運動，想找適合忙碌族群的飲食控制方法」，AI給你的建議就會具體到讓你驚喜。
這背後的原理很簡單：AI的輸入品質直接決定輸出品質。你給的資訊越模糊，AI就越需要「猜」，而猜錯的機率自然就高。
心法一：給AI一個「角色」——讓它瞬間變專家
你有沒有發現，當你問AI「幫我寫一封辭職信」時，它給的內容總是太過正式或太過隨便？問題出在：AI不知道你是誰、要寫給誰、什麼場合用。
破解方法：給AI一個「角色設定」。
這是最簡單也最有效的技巧。你只需要在問題開頭加上一句話：「你現在是[某個角色]，請以這個身份回答我的問題。」
來看真實對比：
❌ 爛問題：「幫我寫一封行銷郵件」
✅ 好問題：「你現在是香港一間中小企的行銷總監，擅長寫給本地客戶的電子郵件。請幫我寫一封推廣新產品的郵件，目標是30-45歲的香港上班族，語氣要親切但不失專業。」
看出差別了嗎？當你給了AI明確的角色和受眾，它就不再是「亂猜」，而是像一個真正的專家一樣思考。這個技巧也可以用在工作報告、文案撰寫、甚至程式除錯上。
實戰案例： 我的一位讀者用這個技巧，請AI扮演「資深HR」，幫他修改履歷和模擬面試。結果他成功拿到面試機會，還說AI給的建議比真人HR還實用。
心法二：用「格式指令」鎖定你想要的形式
另一個常見痛點是：AI給的答案「太長了」或「太短了」。你想要條列式，它給你一段落；你想要一段落，它給你列十點。
破解方法：在問題結尾加上「輸出格式指令」。
這招簡單到不行，但效果驚人。你只需要在問題最後加上一句話，告訴AI你希望答案長什麼樣子：
- 「請用三點摘要回答」
- 「請用表格比較A和B的差異」
- 「請用200字以內說明」
- 「請用條列式列出步驟，每個步驟附上範例」
真實對比：
❌ 爛問題：「說明什麼是區塊鏈」
✅ 好問題：「請用三個重點說明什麼是區塊鏈，每個重點不超過50字，並附上一個生活中的比喻。最後用一句話總結。」
看到沒？當你給出格式限制，AI的答案就會變得乾淨俐落、容易閱讀。這對寫筆記、做簡報、整理資訊的人來說超級實用。
進階技巧： 如果你要AI寫程式碼，可以指定語言和風格。例如：「請用Python寫一個爬蟲，並加上詳細中文註解，每行不超過80個字元。」
心法三：給「範例」——讓AI複製你的標準
有時候，AI不是不懂你的需求，而是「標準不同」。你覺得好的文案，AI覺得普通；你覺得專業的回答，AI覺得太生硬。這時候，給範例就是最好的溝通方式。
破解方法：在問題中附上一個你喜歡的範例，然後說「請按照這個風格/格式回答」。
實戰對比：
❌ 爛問題：「幫我寫一個IG貼文宣傳新產品」
✅ 好問題：「這是我之前覺得效果很好的IG貼文風格：[附上範例]。請用同樣的語氣和結構，幫我寫一篇宣傳我們新出的環保水壺的貼文。產品特色是：不鏽鋼材質、保溫12小時、可客製化刻字。」
這個技巧特別適合需要「品牌一致性」的場景。無論是社群小編、內容創作者、還是電商賣家，只要給AI一個「模板」，它就能批量生產出風格統一的內容。
為什麼這招有效？ AI本質上是模式匹配機器。你給的範例越具體，它就越能抓到你想要的「模式」。這比用文字描述「我要活潑一點、不要太正式」有效一百倍。
心法四：用「連鎖提問」逐步深化，別想一步登天
很多人問AI時，都期待一個問題就能得到完美答案。但現實是：越複雜的問題，越需要「分步問」。
破解方法：把大問題拆成小問題，一個一個問，讓AI逐步幫你深化。
錯誤示範：「幫我規劃一個完整的數位行銷策略」（AI會給你一個很籠統、無法執行的答案）
正確做法：
- 先問：「我是一家香港的獨立書店，想提升網路知名度。請給我5個低成本的行銷點子。」
- 根據AI的回答，再追問：「第二個點子『辦線上讀書會』聽起來不錯，請幫我規劃具體執行步驟，包括時間表、所需工具、宣傳方式。」
- 繼續深化：「請幫我寫一封邀請讀書會講者的郵件，語氣要誠懇，並附上我可以修改的模板。」
這個過程就像剝洋蔥——你每問一層，AI就給你更深入的資訊。到最後，你得到的不是一個「空洞的策略」，而是一套可以立刻執行的行動方案。
小技巧： 每次追問時，可以複製AI的上一個回答當作背景資訊，這樣它就不會「失憶」。例如：「根據你剛才給的5個行銷點子，我想深入執行第二個。請幫我規劃…」
心法五：用「負面指令」避開地雷——告訴AI不要做什麼
很多人不知道，告訴AI「不要做什麼」和告訴它「要做什麼」一樣重要。
常見的地雷包括：AI愛說廢話、愛用過度華麗的形容詞、愛編造不存在的資料（幻覺問題）。
破解方法：在問題中加入「負面指令」，明確說出不要的內容。
實戰範例：
- 「請用白話文說明，不要使用任何專業術語」
- 「請只基於事實回答，不要編造數據或引用不存在的來源」
- 「請保持客觀中立，不要加入個人觀點或情緒」
- 「請直接給答案，不需要開場白或結尾的客套話」
真實案例： 一位工程師朋友請AI幫他除錯，結果AI每次回答都先來一段「這是一個很好的問題…」的廢話。他直接在提示詞加上「不要說廢話，直接給解決方案」，從此AI的回答變得乾淨俐落。
進階用法： 如果你要用AI寫學術文章或報告，一定要加上「請在每個論點後附上引用來源，不要虛構引用」。這樣可以大幅減少AI胡說八道的機率。
總結：讓AI為你工作的關鍵
今天學了5個提示工程心法，讓我們快速回顧：
- 給角色設定：讓AI變成專家，回答更有針對性
- 加格式指令：鎖定答案形式，不再答非所問
- 提供範例：讓AI複製你喜歡的風格和標準
- 連鎖提問：拆解複雜問題，逐步深化答案
- 負面指令：避開地雷，減少廢話和幻覺
這些技巧都不需要任何技術背景，只要你願意花30秒多想一下「怎麼問」，AI的回答品質就能從「普通」變成「驚艷」。
我強烈建議你今天就打開ChatGPT或Claude，隨便找一個你之前問過但不滿意的問題，用今天學到的技巧重新問一次。你會驚訝地發現，AI其實一直都很聰明，只是你過去沒有用對方法跟它溝通。
如果你試了之後覺得有用，歡迎分享給你的朋友。讓更多人知道：不是AI不夠強，而是我們還沒學會怎麼「駕馭」它。
延伸閱讀
常見問題
Q: 這些技巧對免費版的ChatGPT也有效嗎？ A: 完全有效。提示工程技巧跟模型版本無關，無論是免費的GPT-3.5、付費的GPT-4、還是Claude或Gemini，這些方法都能顯著提升回答品質。差別只在於高階模型對複雜指令的理解力更好，但基本心法是通用的。
Q: 我用了角色設定，但AI還是給很籠統的答案，怎麼辦？ A: 可能是你的角色設定不夠具體。試著加入更多細節，例如：年齡、行業、專業領域、甚至說話語氣。與其說「你是醫生」，不如說「你是有10年經驗的香港家庭醫生，擅長用白話跟病人解釋複雜的醫學知識」。越具體，效果越好。
Q: AI的回答有時候會「忘記」我前面的指令，該怎麼解決？ A: 這是大型語言模型的常見限制。解決方法有兩種：第一，在同一個對話中盡量不要切換話題太多次；第二，如果AI偏離了，可以直接說「請回到我原本的要求」或重新貼一次你的提示詞。另外，把最重要的指令放在提示詞的開頭和結尾，AI通常會更注意。
Q: 我該怎麼知道AI給的資訊是真的還是假的？ A: 這是AI使用中最需要注意的問題。建議養成「交叉驗證」的習慣：對於重要的事實或數據，請AI提供來源（雖然它可能會編造），然後自己手動去確認。對於不確定的事情，可以在提示詞中加上「如果你不確定，請直接說不知道，不要猜測」。對於專業領域（醫療、法律、財務），永遠不要完全相信AI的建議，一定要諮詢真人專家。
Q: 這些技巧對寫程式也有幫助嗎？ A: 幫助非常大。程式開發是提示工程發揮最大價值的領域之一。你可以指定語言、框架、程式風格、註解方式、錯誤處理方式等。例如：「請用Python寫一個函數，使用Type Hint，加上Google風格的Docstring，並處理Edge Case。不要使用第三方套件。」這樣AI給出的程式碼品質會遠高於隨便問的結果。