你是否有過這種經驗：打開 ChatGPT 或 Claude，打了一大串中文指令，結果 AI 回了一堆廢話，或是完全答非所問？你心想：「這 AI 也太笨了吧！」但其實，問題可能出在你的「提問技巧」上。

這篇文章不是要教你什麼高深的程式碼，而是用最生活化的方式，帶你掌握 5 個「一學就會」的提示詞技巧。這些技巧是從數千次測試中提煉出來的，無論你是要寫 email、做簡報、翻譯文件，還是分析數據，都能讓 AI 一次就到位，幫你省下至少五小時的修改時間。

為什麼你的 AI 總是聽不懂人話？

很多人把 AI 當作「萬能許願機」，覺得只要隨便丟一句「幫我寫一篇報告」，AI 就該吐出完美的成品。但現實是，AI 就像一個超級聰明但完全不懂「潛規則」的新人。你沒講清楚「報告要給誰看」、「重點是什麼」、「語氣要嚴肅還是輕鬆」，它就只能瞎猜。

舉個真實案例。一位台灣的社群小編想用 AI 生成 Facebook 貼文，他輸入：「幫我寫一篇介紹新手機的貼文。」結果 AI 生出一篇像科技網站評測的長文，落落長、沒重點，粉絲根本看不完。後來他改用我們等一下要教的技巧，只加了幾個關鍵字，AI 就產出「適合 IG 限動、有 emoji、有 hashtag、會讓人想按讚」的短文案。差別在哪？就在於他學會了「給 AI 設定角色和場景」。

技巧一：先給角色，再問問題

這是所有技巧中最重要的一招。你必須在提問前，先告訴 AI：「你現在是什麼身份。」因為 AI 的資料庫裡有醫生、律師、工程師、行銷專家、國中老師等各種角色的知識，你不指定，它就隨機切換，結果當然不穩定。

錯誤示範： 「幫我解釋量子力學。」

正確示範： 「你現在是一位擅長把複雜科學變簡單的科普作家。請用國中生也能聽懂的方式，解釋什麼是量子力學。」

你看，加了「科普作家」和「國中生也能聽懂」這兩個條件，AI 的輸出品質瞬間從「論文等級」降到「有趣小故事」。如果你是要寫給老闆看的商業簡報，就說「你是資深商業顧問，語氣專業但易懂，重點是讓老闆在 30 秒內抓到核心。」角色設定越具體，AI 越知道要穿哪件衣服來見你。

技巧二：給範例，不要只講規則

很多人喜歡對 AI 說：「請用正式語氣寫一封信。」但什麼是「正式語氣」？對香港人來說可能是「敬啟者」，對台灣人可能是「您好，打擾了」，對美國人可能是「Dear Sir」。AI 會困惑。

最有效的方法是「給它一個範本」。比如你想寫一封跟客戶道歉的 email，與其描述一堆規則，不如直接貼上一封你覺得「語氣對了」的舊信，然後說：「請模仿這封信的語氣和結構，寫一封給客戶的道歉信，原因是我們出貨延遲了三天。」

這個技巧背後有個原理：AI 對「模仿」的理解能力遠高於「抽象描述」。你給它一個好樣板，它就能舉一反三。香港的網友常用這招來翻譯正式文件，先貼一段「政府公文」當範例，再叫 AI 把另一份英文合約翻成「同樣格式的中文公文」，準確率超高。

技巧三：分步驟，別一次塞太多要求

「幫我分析這份銷售數據，然後寫一份報告，再做成簡報，最後寄給客戶。」——這種一次塞四個任務的指令，AI 通常會先做第一個，然後在第二個就開始亂掉。原因很簡單：AI 的「工作記憶」有限，指令越長，它越容易忘記前面講了什麼。

正確做法是把任務拆開，一步一步來。先說：「請分析這份 CSV 檔案的銷售趨勢，列出三個最重要的發現。」等它回完，再接著說：「根據這些發現，幫我寫一份給業務主管看的摘要報告，字數不超過 300 字。」最後再請它：「把這份報告轉成五頁 PowerPoint 的大綱。」

這樣做的好處是：每一輪你都可以檢查 AI 的輸出是否正確，有問題立刻修正，不會等到最後才發現整份東西都不能用。就像煮菜一樣，調味要分次加，一次加太多鹽就救不回來了。

技巧四：用「負面提示」避開地雷

這是最容易被忽略但極度實用的技巧。所謂「負面提示」，就是明確告訴 AI「不要做什麼」。例如：「請幫我寫一篇關於環保的文章。不要用『愛護地球』、『節能減碳』、『綠色生活』這些陳腔濫調。」

為什麼要這樣做？因為 AI 的訓練資料中有太多「環保文章」都是用這些老梗，它會不自覺地一直複製。你加了負面提示，就像在它面前畫一條紅線，逼它跳出舒適圈，去想一些更新鮮的寫法。

另一個常見場景是翻譯。如果你要翻譯一份科技新聞，可以說：「翻譯成繁體中文，專有名詞不要翻譯（例如 ChatGPT 就保持英文），不要用『筆者認為』這種主觀語氣。」這樣一來，AI 就不會自作主張幫你加料。

技巧五：要求 AI 反問你

這招是進階使用者的最愛。當你不確定自己的指令夠不夠清楚時，直接在結尾加上一句：「如果你覺得我的指令不夠清楚，請反問我三個問題，幫助我釐清需求。」

這樣做的妙處在於：AI 會主動幫你找出盲點。比如你想請它規劃一趟日本旅遊，它可能會反問：「你的預算多少？偏好自然景點還是城市逛街？有沒有帶小孩？」你回答了這些問題之後，AI 再規劃出來的行程，精準度會高到讓你驚訝。

台灣有一位 freelancer 分享過，他用這招請 AI 幫他寫接案報價單。AI 反問他：「你的服務項目有哪些？目標客戶是中小企業還是個人？你希望報價單看起來很專業還是很親切？」回答完後，AI 生出一份超完整的報價單，他只需要改幾個數字就能直接寄給客戶。

延伸閱讀

常見問題

Q: 提示詞越長越好嗎？ A: 不一定。提示詞的關鍵是「精準」而非「長」。重點是把角色、任務、格式、語氣、限制條件講清楚，而不是寫一堆廢話。通常 3 到 5 個關鍵條件就夠了，太長的提示反而會讓 AI 失焦。

Q: 同樣的提示詞，為什麼每次結果都不一樣？ A: AI 模型本身有「隨機性」的設計，目的是讓回答更多樣化。如果你需要穩定輸出，可以在提示詞中加入「請用一致的語氣和結構」或設定 temperature 參數為 0（如果平台有提供）。另外，不同 AI 模型（如 Claude、ChatGPT、Gemini）對提示詞的敏感度也不同，建議針對平台微調。

Q: 用中文寫提示詞，效果會比英文差嗎？ A: 不會。現代 AI 模型對中文的理解能力已經非常成熟，尤其是針對台灣和香港的繁體中文使用者，用中文寫提示詞反而更自然、更貼近當地語境。關鍵是「描述要具體」，而不是語言本身。

Q: 我可以在提示詞裡要求 AI 用台語或粵語回答嗎？ A: 可以，但效果因模型而異。部分模型（如 ChatGPT 和 Claude）對粵語和台語的支援較好，但口語化程度和用詞精準度可能不如標準中文。建議先測試一小段，如果結果不理想，可以改成「先用標準中文寫，再請 AI 轉換成台語口吻」。

Q: 提示詞技巧是不是只對 ChatGPT 有效？ A: 不是。這些技巧對所有大型語言模型（如 Claude、Gemini、DeepSeek、Copilot）都適用。差別只在於每個模型對特定指令的敏感度略有不同，但「角色設定、給範例、分步驟、負面提示、要求反問」這五大原則，是跨模型通用的最佳實務。