你有沒有這樣的經驗？打開 ChatGPT 或 Claude，興致勃勃地問了一個問題，結果 AI 給你的答案卻像是「廢話生成器」——要嘛答非所問，要嘛太表面，甚至完全偏離方向。你開始懷疑：「這 AI 真的有傳說中那麼神嗎？」

事實上，AI 就像一個超級聰明但完全不懂你心思的新同事。你給的指示越模糊，它就越容易猜錯。反過來說，只要你學會「正確的溝通方式」，它就能瞬間變身成你的專屬分析師、文案寫手、程式教練，甚至商業顧問。

這不是什麼高深的程式技巧，而是每個人都能學會的 提示工程（Prompt Engineering） 。今天這篇教學，就是要帶你從零開始，用最生活化的方式，掌握 5 個讓 AI 效率翻倍的實用技巧。你不用懂程式碼，只需要準備好你的好奇心，和一個你真正想解決的問題。

為什麼你的 AI 總是不聽話？先搞懂「提示」的關鍵

很多人以為「問問題」就是打字送出那麼簡單。但 AI 的運作邏輯，其實更像是在玩「猜心遊戲」。你給的指令，決定了它從龐大資料庫中提取資訊的方向和深度。舉個例子，如果你只問「如何學程式？」，AI 可能會給你一本百科全書式的答案，從 Python 的歷史講到變數型態，但對你來說一點用都沒有。

真正的關鍵在於「框架化」你的需求。想像你要請一個頂尖顧問幫你解決問題，你一定會先說清楚：「我的背景是什麼？我手上有哪些資源？我最終想要達成什麼目標？有什麼限制條件？」這些資訊，就是餵給 AI 的「養分」。當你學會把問題從「開放式」變成「結構化」，AI 的表現會從「普通員工」直接升級到「部門主管」等級。

技巧一：角色設定——給 AI 一個「人設」，它就不再亂講話

這是最簡單也最容易被忽略的一招。很多人直接問「幫我寫一篇廣告文案」，AI 寫出來的可能像教科書，毫無吸引力。但如果你先說：「你現在是台灣最厲害的社群小編，專門幫電商品牌寫 FB 貼文，語氣要活潑、帶點幽默，目標是讓 25-35 歲的女性想立刻下單。」結果會完全不一樣。

為什麼？因為角色設定等於幫 AI 畫了一個「思考的邊界」。它會自動切換語氣、用詞和資訊篩選標準。你可以試試看這些角色：「你是資深的財務分析師，擅長用簡單比喻解釋複雜概念」、「你是一個耐心的國中數學老師，喜歡用生活中的例子教學生」、「你是一位香港的科技記者，文筆要簡潔、有批判性，喜歡用『呢啲』『嗰啲』等口語」。你會發現，同一個問題，換了角色，答案品質完全不是同一個檔次。

技巧二：範例引導——給它一個「樣板」，AI 就學會了

AI 其實很擅長「模仿」，但前提是你得給它一個好的參考。這就像你教小孩寫作文，光說「寫生動一點」沒用，但你給他看一篇「描寫颱風天」的滿分範文，他就知道該怎麼寫了。

這個技巧在商業場景特別好用。假設你每個月都要寫一份「市場分析報告」，格式固定：先寫市場趨勢、再寫競爭者動態、最後是建議策略。你可以直接丟一份你之前寫得最好的報告給 AI，然後說：「請參考這份報告的格式和語氣，根據以下最新的數據，寫一份新的市場分析報告。」AI 會立刻複製你的寫作風格、段落結構，甚至連你習慣用的轉折詞都學起來。這比你自己從零開始打草稿，快上至少 5 倍。

技巧三：分步驟思考——讓 AI 像人類一樣「想清楚再說」

你有沒有發現，有時候 AI 給的答案看起來很完整，但仔細看卻漏洞百出？那是因為它「急著回答」。一個超實用的技巧是，在指令中加入「請一步步思考」或「先列出你的思考過程，再給出最終答案」。這能強迫 AI 進入「推理模式」，而不是「猜答案模式」。

舉個實際例子：你問「我該不該買這支股票？」AI 可能會直接說「買」或「不買」，但如果你說：「請先列出這支股票的 3 個優點和 3 個缺點，然後根據我提供的風險承受度（保守型），最後給出建議並說明理由。」AI 就會像一個真正的分析師一樣，先蒐集資訊、再評估、最後下結論。這個方法在解決複雜問題、寫程式、或是做決策分析時，效果特別顯著。

技巧四：迭代優化——別指望一次就完美

很多人用 AI 的壞習慣是「問一次，不滿意，就放棄了」。其實，跟 AI 合作最有效的方式，是像跟同事討論一樣，不斷地「迭代」。第一次的回答太發散？那就說「請更聚焦在台灣市場」。第二次的回答太學術？那就說「請用更口語的方式，舉一個生活中的例子」。第三次的回答太長？那就說「請濃縮成 3 個重點，每個重點不超過 50 個字」。

你可以把這個過程想像成「雕刻」。先給 AI 一塊大石頭（初步指令），然後一鑿一鑿地修出細節（疊代指令）。每次修改，AI 都會根據你最新的反饋調整方向。到最後，你會得到一個完全符合你需求的答案。這種「對話式」的協作，才是 AI 真正強大的地方。

技巧五：設定輸出格式——把答案變成「可以馬上用」的資料

AI 給的答案，常常是一大段文字，你需要自己手動整理。但其實，你可以直接要求它「輸出成表格」、「用條列式呈現」、「產生 JSON 格式」或「用 Markdown 語法」。這在整理資料、製作簡報、或寫程式時，能省下超多時間。

例如，你正在研究「2026 年香港的零售業趨勢」，與其讓 AI 寫一篇 2000 字的文章，不如說：「請將以下資訊整理成一個表格，欄位包含：趨勢名稱、具體描述、對零售業的影響程度（高/中/低）、建議行動。」AI 就會立刻吐出一個乾淨的表格，你只需要複製貼上到 Excel 或簡報裡，連排版都省了。這個技巧，是專業使用者跟一般使用者最大的差別。

總結：AI 是你的超能力，但你需要「說明書」

學會正確的提示技巧，就像拿到了一本 AI 的「使用說明書」。你不需要學會寫程式，也不需要懂什麼深度學習，只要掌握「角色設定、範例引導、分步驟思考、迭代優化、設定輸出格式」這五個核心技巧，你就能讓 AI 從「玩具」變成「工具」，最後升級成你的「超級助手」。

不要害怕嘗試，每一次「不滿意的答案」，其實都是你學會「更好提問方式」的機會。從今天開始，打開你最常用的 AI 工具，挑一個你最近卡關的問題，用這五個技巧試試看。你會發現，原來不是 AI 不行，是你還沒學會怎麼「駕馭」它。

延伸閱讀

常見問題

Q: 我該用 ChatGPT、Claude 還是 Gemini？哪個比較好？

A: 其實沒有絕對的「最好」，只有「最適合」。ChatGPT 的強項是創意發想和一般問答，Claude 在長篇文章和程式碼分析上表現出色，Gemini 則與 Google 生態系整合最好（例如可以直接讀取 Google 雲端硬碟的檔案）。建議你先選一個最順手的，把提示技巧練熟，之後再根據需求切換。

Q: 我英文不好，可以用中文問 AI 嗎？

A: 當然可以！現在的頂尖 AI 模型對中文的理解能力已經非常強，特別是繁體中文。不過，如果你問的是非常專業的領域（例如最新的醫學論文或程式套件），用英文提問得到的答案可能會更準確。你可以先用中文問，如果覺得不夠好，再嘗試用英文關鍵字輔助。

Q: AI 給的答案會不會有錯？我需要再查證嗎？

A: 會，而且一定要查證！AI 有時會產生所謂的「幻覺」（Hallucination），也就是編造出看似合理但實際上錯誤的資訊。特別是關於數據、日期、人名等事實性資訊，你一定要用其他可靠來源（如官方網站、新聞報導）交叉比對。把 AI 當成「草稿生成器」或「靈感來源」，而不是「終極真理」。

Q: 提示詞寫越長越好嗎？

A: 不一定。提示詞的關鍵在於「精準」而非「長度」。一個好的提示詞應該包含：角色設定、任務目標、背景資訊、輸出格式限制。與其寫一大段廢話，不如把這四個要素清楚地寫出來。過長的提示詞反而可能讓 AI 失焦。

Q: 我可以用 AI 幫我寫履歷或 Cover Letter 嗎？會不會被看出來？

A: 可以，但一定要「個人化」。不要直接複製貼上 AI 生成的內容，而是要把它當成「草稿」，然後加入你自己的真實經歷、語氣和細節。你可以用 AI 幫你發想「如何描述某個專案」或「如何包裝你的技能」，但最終的成品一定要經過你的修改。人資專家通常一眼就能看出「AI 味」太重的履歷。