什麼是 Prompt Engineering？
Prompt Engineering（提示工程）是 AI 時代最重要的新興技能之一。簡單來說，它是一門「如何跟 AI 有效溝通」的學問。
好的 Prompt 不只是問對問題，更是幫 AI 建立正確的思考框架。
為什麼 Prompt Engineering 重要？
隨著 ChatGPT、Claude、Gemini 等大型語言模型的普及，會寫 Prompt 的人和不會寫的人，工作效率差距可以達到 10 倍以上。
這不是誇飾——當你學會結構化地跟 AI 溝通，你能在幾分鐘內完成過去需要幾小時甚至幾天的工作。
Prompt 的五個核心要素
1. 角色設定 (Role)
告訴 AI 它應該扮演什麼角色，能顯著提升回答的專業度：
你是一位有 10 年經驗的資深 Python 開發者，
專精於資料處理和機器學習。
2. 任務描述 (Task)
清楚描述你希望 AI 完成什麼任務：
請幫我撰寫一個 Python 函數，
用來清洗 CSV 檔案中的缺失值和異常值。
3. 上下文 (Context)
提供必要的背景資訊，讓 AI 理解完整的場景：
這個函數會用在每日的資料管線中，
資料來源是電商平台的訂單記錄，
平均每天處理約 50 萬筆資料。
4. 格式要求 (Format)
指定你期望的輸出格式：
請使用 Markdown 格式回答，包含：
- 程式碼區塊（附上註解）
- 使用範例
- 效能考量說明
5. 約束條件 (Constraints)
設定限制條件，避免 AI 偏離主題：
- 只使用 Python 標準庫和 pandas
- 程式碼需要支援 Python 3.9+
- 函數的時間複雜度不超過 O(n log n)
進階技巧：Chain-of-Thought Prompting
Chain-of-Thought（思維鏈）是目前最有效的進階 Prompt 技巧之一。核心概念是引導 AI 展示推理過程，而不是直接給答案。
實際範例
一般 Prompt：
台灣的人均 GDP 是多少？
Chain-of-Thought Prompt：
請一步步分析台灣的經濟狀況：
1. 首先，列出台灣 2024 年的 GDP 總量
2. 然後，查看台灣目前的人口數
3. 計算人均 GDP
4. 與亞洲其他經濟體比較
5. 總結台灣的經濟定位
後者不僅答案更準確，你還能在每一步驗證 AI 的推理是否正確。
Few-Shot Prompting：用範例教 AI
Few-Shot Prompting 是透過提供幾個範例，讓 AI 學會你期望的輸出模式：
請依照以下格式，為技術文章生成摘要：
【範例 1】
標題：Docker 入門教學
摘要：🐳 用 5 分鐘學會容器化部署，從安裝到推上生產環境。
【範例 2】
標題：Git 進階工作流
摘要：🌿 掌握 Git Flow 和 Trunk-Based Development，告別合併衝突。
請為以下文章生成摘要：
標題：Kubernetes 叢集管理
常見的 Prompt 反模式
❌ 模糊不清
幫我寫程式
✅ 具體明確
用 Python 寫一個 FastAPI 端點，接受 POST 請求，
驗證 JSON payload 中的 email 和 password 欄位，
並回傳 JWT token。
❌ 一次問太多
幫我學 Python、做一個網站、還有分析數據
✅ 分步驟來
第一步：請推薦學習 Python 的路線圖，
我的背景是有基礎程式概念但沒寫過 Python。
實戰工作坊推薦
如果你想更系統地學習 Prompt Engineering，我開設了AI 問題定義與 Prompt 戰術一日工作坊。工作坊中會帶你從真實商業場景出發，練習設計高效的 Prompt 策略。
本文持續更新中。最後更新：2025 年 3 月。
