Prompt Engineering 進階完整實戰：上班族用 ChatGPT、Claude 不再得到爛回答的 7 種高階技巧

我問了 ChatGPT 二十幾次，每一次的回答都長得像同一份範本——我快要瘋了。

這是一位行銷主管上週傳給恆遠的訊息。她不是新手，她每天都用 AI，她也讀過幾十篇 Prompt 範本文。可她寫出來的東西，老闆看一眼就知道是 ChatGPT 寫的。問題不在她不會用，而在她卡在了「會丟問題」這一階，沒有再往上跨。

如果你還沒看過基礎 Prompt 公式，建議先回頭看 AI 提問技巧入門五大公式；想學自動化優化 Prompt 的工程做法，請看 DSPy 自動優化 Prompt 教學。這篇文章是給已經會寫基礎 Prompt、卻仍常常被 AI 餵爛回答的上班族——把產出從六十分推到九十分的進階實戰。

方法論不是憑空想出來。Anthropic 官方 Prompt Engineering 指南把寫好 Prompt 的功夫拆成了角色、結構、範例、思考鏈等幾個關鍵維度；OpenAI 對企業使用者的官方建議也指出 prompt 優劣的差距，可達到正確率三倍以上。下面 7 個技巧就是把這些研究成果壓縮成上班族版本，每個都附壞 Prompt 與好 Prompt 的對照範例，你照著套就能直接用。

為什麼你的 Prompt 越寫越長，AI 卻越答越爛

你以為「寫得越詳細，AI 回得越準確」——這個假設在 2023 年成立，今天不一定。今天的旗艦模型像 Claude Opus 4.8、GPT-5.5，注意力分配比早期模型聰明，但同時也對「混亂的長 prompt」更敏感。當你把目標、限制、範例、語氣、長度全塞在一段話裡，模型必須自己分類哪些是重點、哪些是裝飾，結果就是它選了它覺得重要的部分回答你——不一定是你真的要的。

常見三種失敗 Prompt 寫法：

• 「請幫我寫一份關於 X 的詳細報告，要專業、要有數據、要分段、不要太長也不要太短、最好有結論」——模型理解：請給我萬用範本一份。
• 「我是行銷，請寫一篇貼文，要吸引人，要有 hashtag，要符合 IG 風格，要可以複製去貼」——模型理解：請給我一篇平均水準的網路文案。
• 「我老闆要看報告，他很嚴格，請寫到他會喜歡」——模型不認識你老闆，只能猜什麼叫嚴格。

這三個 Prompt 共通的問題：每個要求都模糊、每個限制都沒上下限、沒有任何範例。AI 不是會通靈的助理，它需要可被量化的指令。底下的 7 個技巧，就是幫你把模糊的「我想要好的東西」翻譯成 AI 能執行的具體規格。

Prompt 進階的 7 個維度：角色、結構、範例、限制、CoT、迭代、上下文

先把全貌畫出來。這 7 個維度可以當成檢查清單使用，沒有固定順序——當你發現 AI 答得不對，回到清單上問自己「我漏了哪個維度」。

技巧一：用角色與受眾雙鎖定，逼 AI 換語氣

角色不只是「你是一位專業作家」這種空話。真正有效的角色 Prompt 同時鎖定三件事：身分、產業、受眾。Anthropic 的研究顯示，越具體的角色描述，模型的語氣切換就越明顯——這對需要把同一份內容改寫給不同對象的上班族特別有用。

看看下面這組對照。第一個是壞 Prompt，第二個是進階版：

壞 Prompt：
請幫我寫一段介紹我們公司新功能的文案，要專業一點。

好 Prompt：
你是一位資深 B2B SaaS 內容行銷顧問，過去八年都在寫給「非技術背景的中小企業老闆」看的產品介紹。
你的讀者特徵：
- 40-55 歲
- 公司 30-80 人
- 看到「API」「SDK」會直接跳過
- 在意「會不會省時間」「會不會被取代」

請用這個角色，幫我寫一段 250 字的新功能介紹，新功能是：「自動把 LINE 客服對話整理成週報」。
語氣：像在跟朋友推薦工具，不是廣告。
禁止用：賦能、優化、效率提升、解決方案 這四個詞。

技巧二：把輸出格式寫成範本，告別「請寫一份報告」式廢 Prompt

「請寫一份報告」這六個字是上班族最常踩的 Prompt 地雷。AI 不知道你要什麼欄位、什麼長度、什麼順序、要不要表格——它只能依照「平均報告」的形狀產出，你拿到就要再花二十分鐘改格式。直接給範本骨架，能省 80% 重整時間。

壞 Prompt：
請幫我寫一份本週銷售報告。

好 Prompt：
請依照下列範本產生本週銷售報告，所有欄位都要填，沒資料就寫「資料缺失」。

# 本週銷售報告（2026/W21）
## 一句話結論
[20 字內，結論 + 主因]
## 關鍵數字
- 本週營收：[X 元]（vs 上週 [+/-Y%]）
- 新客數：[N]（目標 [M]，達成率 [%]）
- 客單價：[X 元]
## TOP 3 賣得最好的品項
1. ...
2. ...
3. ...
## 異常與警訊
- [紅燈] [內容]
- [黃燈] [內容]
## 下週要做的 3 件事
1. [動詞開頭，可執行]
原始資料如下：
<貼進你的資料>

這種「先給模板、再貼資料」的寫法，是把 AI 從「自由創作者」降級成「填表員」。它的犯錯空間瞬間縮小一半，你拿到的格式還能直接複製貼進 Notion 或 Slack。

技巧三：Few-shot 範例的正反兩面教法，效果遠勝 zero-shot

Few-shot 是給 AI 看幾個範例讓它模仿。OpenAI 內部研究指出，提供 3–5 個對齊範例可讓格式正確率上升至 95% 以上。更進階的玩法是同時給「好範例」與「壞範例」，告訴 AI 哪些要學、哪些要避免——這比單純給好範例多了一層辨識感。

壞 Prompt：
請幫我寫五個 IG 標題，關於我的咖啡店。

好 Prompt：
我是台北一間小型獨立咖啡店老闆，要寫 IG 貼文標題。請依照下列範例風格產生 5 個新標題。

【好範例】
- 「下雨天的咖啡，比晴天的多一點甜」
- 「今天的豆子來自瓜地馬拉，但心情是台北」
【壞範例（不要這種風格）】
- 「來品嚐我們精心調製的咖啡吧！」
- 「全台最強精品咖啡，今日營業中」

請產生 5 個符合好範例風格、與壞範例完全不同的新標題。
每個標題 15 字內。

這種正反對照法在文案、客服話術、品牌語氣這類「品味驅動」的任務上特別有用——你光說「要有文藝感」AI 抓不到，但給兩組對照它就學會了。

技巧四：用負面限制告訴 AI 不要做什麼

AI 的預設行為偏向「有禮貌、保守、面面俱到」，這常讓回覆變得像免責聲明大集合。負面限制就是把這些預設行為一一關掉。Anthropic 的指南也建議：與其反覆叮嚀「要簡潔」，不如直接禁用某些詞、某些句型。

壞 Prompt：
請幫我把這封客戶投訴信回覆得專業一點。

好 Prompt：
請回覆下方客戶投訴信。

【限制】
- 不要使用：感謝您的回饋、我們深感抱歉、敬請見諒、為您提供更好的服務 這四種句型
- 不要以「親愛的客戶您好」開頭
- 不要超過 150 字
- 不要承諾任何「全額退費」「立即處理」這類具體補償（要由我決定）
- 必須在第一句就承認問題本身，第二句說明原因，第三句講解法
- 結尾留一句「如果您願意，我們再約個時間電話聊」

【投訴信內容】
<貼信件>

技巧五：思考鏈與 Tree of Thought 讓 AI 公開推理過程

思考鏈（Chain of Thought, CoT）是讓 AI 先把推理步驟寫出來，再給結論。Tree of Thoughts 原始論文更進一步——讓 AI 同時探索多條推理路徑、互相評分，再選最好的一條。在 Game of 24 這個數學題基準上，標準 prompt 成功率 7.3%、CoT 是 4%、Tree of Thought 衝到 74%。

對上班族來說，你不一定要玩到 Tree of Thought，但 CoT 用在「做決策」「分析數據」「跨步驟思考」的任務上效益最明顯。

壞 Prompt：
我該選哪一家供應商，A 是 80 萬交期 30 天、B 是 65 萬交期 45 天？

好 Prompt（CoT 版）：
我要在 A、B 兩家供應商之間做選擇，請依照下列步驟逐項推理，最後給結論。

【背景】
- 我們是電商，急著趕雙 11 檔期，11/1 必須上架
- 今天是 9/15
- A：80 萬、交期 30 天
- B：65 萬、交期 45 天

【請依序回答】
1. 算出兩家到貨的日期，並判斷是否來得及雙 11
2. 列出選 A 的三個風險、選 B 的三個風險
3. 假設預算只有 70 萬，這個約束會如何改變決定？
4. 假設可以延後 5 天上架（11/6），決定會如何改變？
5. 在「來得及」「預算內」「風險可控」三個維度為兩家各打 1-5 分
6. 結論：選哪家？為什麼？

技巧六：迭代式 Prompt——一次到位是迷思

很多人以為「進階 Prompt」就是要一次寫到完美。事實上，連 Anthropic、OpenAI 的官方建議都強調：好 Prompt 是迭代出來的，不是想出來的。重點是學會「修正型 Prompt」——當第一輪不滿意，第二句怎麼下指令才能精準修正、而不是整篇重來。

修正型 Prompt 有一個簡單句型：

好的修正 Prompt 三段式：
1. 保留：上面這版的 [X 部分] 我喜歡，不要動
2. 修改：請把 [Y 部分] 改成 [新指令]
3. 約束：其他部分維持不變，不要重寫整篇

範例：
保留：第一段的客戶痛點描述很到位，不要動。
修改：第二段太像產品官網文案，請改成像在跟朋友抱怨那種口氣，加入「你知道嗎」這種口語感。
約束：第三、四段不要動。標題也不要重寫。

這個技巧最大的效益是節省 token 與時間——你不需要每次都把所有背景重新講一遍，模型會接著前一輪的脈絡修。

技巧七：上下文管理——什麼該餵、什麼別餵

Claude 與 GPT 都支援 100K-1M token 以上的長上下文，但這不代表你應該全部塞進去。Anthropic 內部研究發現，當前 prompt 超過某個臨界點（多半在 30K token 後），模型對前段資訊的注意力會明顯下降——這就是 lost in the middle 現象。所以「餵什麼」比「餵多少」更重要。

壞 Prompt：
（直接貼一份 80 頁的 PDF）+ 「請幫我整理重點」

好 Prompt：
請依照下列順序處理這份 PDF：

【任務分階段】
階段 1：先用 100 字總結整份 PDF 的核心主張
階段 2：列出 PDF 中與「中小企業 AI 導入成本」相關的所有數字（含頁碼）
階段 3：找出三個與我的產業（B2B 物流）最相關的段落，原文引用
階段 4：根據前三階段，給我三條可在這週執行的行動建議

【PDF 內容】
<貼 PDF 內文>

請逐階段完成，每階段結束等我說「下一步」再繼續。

這種把長上下文切成幾個明確子任務的做法，Anthropic 官方稱之為 prompt chaining，被證實能讓複雜任務的準確率提升一倍以上。

三個上班族用這 7 個技巧改寫工作流的效果對比

方法談完，看實際效果。下面是恆遠近三個月接觸到的三個真實案例（部分細節去識別化），呈現「改前 vs 改後」對工作流的差異。

案例 A 的關鍵在於 Prompt 結構從一句變成有角色、範例、負面限制的三段式，跟模型本身強弱無關；案例 B 的關鍵在於把「報告長相」提前在 Prompt 裡寫好；案例 C 則是把「決策」這件事真的讓 AI 公開推理，而不是只要結論。若你想搭配 Claude 做日常場景，可進一步看 Claude 上班族 10 種場景應用。

7 個技巧 × 模型適用對應表

不是每個技巧在每個模型上都同等好用。下面是 2026 年 5 月實測過的對應參考表：

簡單結論：要寫長文與品味文，Claude；要做計算與推理，GPT；要處理超長文件，Gemini。完整模型挑選邏輯可看 ChatGPT、Claude、Gemini 三大模型比較。當你的 Prompt 已經很好但結果仍有幻覺，務必參考 AI 幻覺驗證 SOP 建立輸出驗證流程。

如何把 7 技巧排進你每天的工作流

會技巧不等於會用。下面這張流程圖，是建議你每次寫 Prompt 前的內心檢查順序——熟練後大概只需要 30 秒就能跑完。

初期建議印出來貼螢幕邊。三週後你會發現這條流程內化在腦袋裡，再也回不去從前那種「丟一句就送出」的寫法。如果整個團隊都要學 Prompt，恆遠提供 企業內部 AI 顧問導入服務，從工作流盤點到 Prompt 範本庫建立都可以協助。

進階 Prompt 最常見的五個誤區

最後提醒五個我們在客戶身上看到最常見的錯誤：

• 誤區一：以為「越長越好」。一個 800 字但結構亂的 Prompt，遠不如 200 字結構清楚的 Prompt。
• 誤區二：把角色寫成「你是世界第一」。誇張形容詞無助於模型校準，具體年資與產業才有效。
• 誤區三：Few-shot 範例風格不一致。三個範例三種調，AI 反而會混亂。
• 誤區四：負面限制下太多，把模型逼到無從產出。每次最多 4-5 條最有效。
• 誤區五：所有任務都用 CoT。簡單翻譯、整理條列不需要，反而拖慢與耗 token。

常見問題 FAQ

今天就動手：選一個任務套上 7 技巧

看完文章別只是收藏。打開你今天最頭痛的那個任務——可能是一封客訴信、可能是一份週報、可能是一個提案——把它的 Prompt 重寫一次，套上角色、範本、Few-shot、負面限制這四招就夠了。三十分鐘後再回來比較，你會看到差距。

如果你想為整個團隊建立 Prompt 範本庫、評估流程或內部教育訓練，恆遠數位行銷的 AI 顧問服務 提供從盤點、設計到落地的完整支援。另外，搭配 AI 時間管理 SOP 與 AI 寫週報 Prompt 範本 食譜，你會發現 AI 才終於開始幫你省時間，而不只是讓你花時間調 Prompt。