

很多人已經習慣每天使用 AI 聊天工具處理大小事,例如整理筆記、改寫文章、構思行程、寫電郵、做簡報大綱,以及把一段資訊濃縮成重點。然而,AI 的成效往往不取決於工具本身,而取決於你「如何提問」。
Prompting 與其說是一種科技學知識,不如把它理解為一種溝通能力。它和與人溝通很相似:當提問過於籠統,AI 只能猜測並反覆追問;相反,當你提供清晰的背景、目標與限制條件,AI 更容易產出可直接使用的內容,亦能減少後續修改時間。
本文用 4 個簡單提問習慣,教你把需求一次說到位,減少來回成本;並在文末提供一套通用 Prompt 模板,之後遇到任何情境都可以直接套用(建議收藏)。
以下例子展示了「資訊密度」如何直接影響 AI 的輸出品質。
不理想的提問:
「幫我整理呢篇文章。」
在缺乏用途、讀者、格式與篇幅要求的情況下,AI 可能輸出過長、過短,或重點不合你需要,最後仍要花時間重做。
較理想的提問:
「以下是一篇文章。請用廣東話整理成 6 個重點,以點列式呈現,每點不多於兩句;最後加一段 60 字以內的總結,語氣中性,適合用作會議前閱讀。」
當你一次過交代用途、格式、篇幅與語氣,AI 通常能更快交到可用版本。
AI 不會自動理解你的情境、對象與偏好。要提升輸出可用度,你需要把關鍵資訊說清楚,例如:你要用來做什麼、給誰看、已有什麼資料、希望什麼風格或參考。
對比示例(寫電郵)
對比示例(改寫文章)
在文字工作上,「設定角色」亦很有效。你可以用一句話開場,例如「你是一位社交媒體小編」、「你是一位產品經理」或「你是一位老師」,讓 AI 更快對齊語氣、深淺與結構。
沒有框架的輸出容易離題、篇幅失控,或與你的用途不符。更有效的做法,是同時說清楚「你要什麼」與「你不要什麼」。
你可以指定「要什麼」:字數、段落結構、重點數量、是否需要例子、語言與語氣。
你亦可以指定「不要什麼」:不要術語、不要行銷式語氣、不要加入未經核實的數字或來源、不要加入與題目無關的延伸。
對比示例(寫社交平台貼文)
AI 有時會直接給結論,但背後的判斷依據或推理步驟未必正確。對分析判斷、建議選擇、資料整合等任務,建議要求 AI 清楚交代其判斷依據與理由,讓你能判斷可靠性並快速修正。
你可以加入簡單指令,例如:
「請先說明判斷準則,再給結論。」
「請把風險、限制與不確定性寫清楚。」
「請先說明分析邏輯,再提出建議。」
例子(回覆訊息)
「我需要回覆對方訊息:想婉拒一個邀請,但希望維持良好關係。請先提供兩個版本(較直接/較委婉),每個版本 60 字以內。請把風險、限制與不確定性寫清楚:例如各版本可能引起的誤解、較適用的關係與情境(熟悉/不熟悉、正式/非正式),以及你仍需要我補充哪些背景資訊(我與對方的關係、邀請內容、婉拒原因)才能寫得更貼近需要。」
AI 的常見風險之一,是它可能以很肯定的語氣提供不正確資訊。尤其當內容涉及數據、引用、法律/醫療建議、政策或具體產品規格時,更需要核對。
建議優先核對以下類型內容:
更安全的做法,是把 AI 視為「起稿與加速」工具,而不是最終答案。凡是準備公開發佈、用作正式文件或會影響他人決策的內容,都應由使用者完成核實與修訂。
你可以複製及分享以下模板並替換括號內容,作為日常提問的標準格式:
「你是(角色)。我的目標是(目的),使用場景是(用途/對象)。
背景或材料如下:(貼上內容)。
請用(語言)以(語氣)輸出,格式為(格式),篇幅為(字數/段落)。
請避免(不希望出現的內容)。
最後請標註哪些內容是根據我提供的資料、哪些仍需要補充資料才能確認;並提出三個你需要我補充的問題,以便把答案做得更準確。」
良好的提問能力,本質上是一種把需求說清楚、把問題拆解清楚的能力。當你能提供足夠背景、設好框架、要求交代推理結果並做好核對,AI 才更可能成為可靠的助力,協助你更快完成工作,同時提升內容的可用度與準確度。