提示詞怎麼寫？5 個要素、10 個台灣範例與可複製範本

提示詞（prompt）是你提供給生成式 AI 的輸入，用來說明要它完成什麼、根據哪些資料、遵守哪些限制，以及如何呈現結果。最小結構可寫成：角色＋任務＋背景＋限制＋輸出格式。它能減少模型猜測，卻不保證答案正確；重要內容仍要由人查證。本文適合想把 AI 用於寫作、會議、研究、學習與專案規劃的台灣讀者。

重點整理

• 好提示詞不是咒語，而是一份清楚的工作說明。先說明任務，再補上必要背景、限制與交付格式。
• 回答不理想時，先診斷缺少哪一項資料，不必每次都重寫整段 prompt。
• 實用做法是「先出骨架、再補內容、最後核對」，把大任務拆成可檢查的小回合。
• 提示詞不要放入未公開企劃、客戶個資、帳號密碼或可識別的敏感資料。
• AFFiNE AI可在文件與白板脈絡中協助寫作、摘要與整理，但 AI 輸出仍需人工判斷，不是自動保證正確的答案。

目錄

• 提示詞是什麼？Prompt 與 prompt AI 有何關係？
• 好提示詞怎麼寫？五個必要部分
• 先診斷：你的需求為什麼太模糊？
• 提示詞如何逐步優化？
• 實測：改寫前後的提示詞差在哪裡？
• 10 個台灣職場與學習提示詞範例
• 可複製的提示詞範本與檢查清單
• 資料隱私與事實核對
• 常見錯誤與修正方式
• 如何把 AI 輸出接回工作流？
• 常見問題

提示詞是什麼？Prompt 與 prompt AI 有何關係？

Prompt 是你和模型溝通時提供的輸入，可以是一句問題、一段指令、參考資料、圖片，或多項要求組成的工作說明。「提示詞」是台灣常見的中文說法；有些人也會直接搜尋 prompt 或 prompt AI。本文統一以「提示詞」說明，英文詞只在有助理解時保留。

模型會依照你給的內容、目前對話脈絡與自身能力產生回應。提示詞越清楚，越能減少它自行補空白；但即使 prompt 寫得完整，模型仍可能誤解、遺漏、使用過時資料，甚至生成看似合理但無法驗證的敘述。因此，提示詞的目標是讓任務更可控、結果更容易檢查，不是找到一套「萬用公式」。

好提示詞怎麼寫？五個必要部分

最容易上手的做法，是用五個欄位整理需求。不是每次都要寫滿，但任務越重要、背景越複雜，就越值得補齊。

角色不是角色扮演遊戲，而是幫模型選擇觀點與用語。任務應使用明確動詞，例如「比較」「摘要」「列出風險」，避免只寫「幫我看看」。背景只放會影響答案的資料；限制則要能驗收，例如字數、語氣、禁止事項與來源範圍。最後指定表格、條列、電子郵件或 Markdown，能省下大量來回整理時間。

先診斷：你的需求為什麼太模糊？

看到不理想的回答時，先別急著說「AI 不好用」。把原提示詞放進下列四題檢查，通常能找到問題：

1. 不知道要做什麼：只有主題，沒有動作。把「永續報告」改成「從以下資料整理三項管理層需決定的風險」。
2. 不知道寫給誰：缺少受眾、程度或使用情境。國中生、主管與第一次接觸產品的客戶，需要的解釋深度不同。
3. 不知道依據什麼：沒有提供原文、數據或來源範圍。若任務需要引用，明確要求「只根據附上的三份資料；找不到就標示待確認」。
4. 不知道何謂完成：沒有字數、欄位、格式或品質標準。加入「以表格列出主張、證據、風險與下一步」，結果會更容易驗收。

若你自己也還不確定需求，可以先叫 AI 反問：「在開始前，請先提出最多 5 個會影響結果的問題。」但回答完仍要由你確認方向，不能把決策責任一併交出去。

提示詞如何逐步優化？

有效的 prompt 通常是迭代出來的。與其一次塞入二十條規則，不如用四個回合逐步收斂。

第 1 回合：先要結構

先請模型提出大綱、分類或處理步驟，不急著完成全文。例如：「先列出這份研究簡報的 6 個段落，以及每段需要哪些證據。」你可以先修正方向，避免模型在錯誤架構上寫得很完整。

第 2 回合：補上具體資料

把必要原文、日期、受眾與專有名詞加進去，並用標題或分隔線區分「指令」和「參考資料」。OpenAI 的提示工程文件也建議用 Markdown 標題、清單或 XML 標籤標示不同區塊，讓指令與脈絡的邊界更清楚；Google Cloud 的提示設計指南同樣把明確目標、逐步指令與背景資料列為核心做法。

第 3 回合：提供一個好範例

若語氣或格式很重要，貼上一個你認可的短範例，再說明要保留哪些特徵。範例的作用是示範模式，不是讓模型逐字模仿。涉及品牌內容時，也要先確認範例有權使用。

第 4 回合：要求自我檢查與標示不確定處

最後不要只叫它「再優化」，而要指定檢查項目：「逐項確認是否符合 120 字、台灣繁中、沒有新增未提供的數字；不確定的地方標記為『待確認』。」這能幫你找錯，但不能取代人工核對原始來源。

實測：改寫前後的提示詞差在哪裡？

為避免把主觀感受寫成模型效能，本次只做「提示詞可驗收性測試」，不比較 ChatGPT、Claude 或 Gemini 的回答品質。測試日期為 2026 年 7 月 30 日，任務固定為撰寫產品說明會後續信，逐項檢查提示詞是否交代收件人、可用資料、長度、語氣、禁止事項與輸出格式。

改善前：

幫我寫一封產品說明會後續信。

改善後：

你是熟悉台灣 B2B SaaS 的客戶成功經理。請只根據下方會議重點，寫一封給已參加 7 月產品說明會之資訊主管的後續信。使用台灣常用的商務繁體中文，正文 180 字內；不得新增折扣、日期或產品承諾。輸出 3 個主旨選項、信件正文與一個明確下一步。資料未提供的內容請標示「待確認」。

結果是改善前 0／6 項可直接檢查，改善後 6／6 項都有明確條件。這個結果只證明第二版更容易驗收，不代表它在所有模型、所有任務都一定產生更好的答案；真正上線前仍要用自己的資料與模型重跑。

10 個台灣職場與學習提示詞範例

以下範例可以直接複製，再把中括號內容換成你的真實資料。不要把範例中的數字或情境當成既定事實。

寫作

1. 客戶後續信

你是熟悉台灣商務溝通的客戶成功經理。請根據下方會議重點，寫一封給〔客戶角色〕的後續信。語氣專業、友善，不超過 180 字；不得新增折扣或承諾。輸出：3 個主旨選項、信件正文、明確下一步。資料：〔貼上已去識別的重點〕。

2. 社群貼文初稿

把以下活動資訊改寫成 LinkedIn 貼文，受眾是台灣的新創團隊主管。先用一句話說明痛點，再列 3 個可帶走的重點，全文 350 字內。避免誇大成效與空泛口號；活動日期、地點與報名連結必須逐字沿用原資料。

會議

3. 會後整理

你是專案協調者。請只根據這份已完成的逐字稿，整理「已決定、待確認、行動項目、負責人、期限」五欄表格。沒有明確負責人或期限時填「待確認」，不要自行推測。最後列出 3 個需要主持人核對的矛盾點。

這個流程要先有逐字稿或筆記；AI 筆記工具可以協助整理，但不能代替你確認姓名、決策與行動項目。

4. 會議議程

根據以下專案狀態，設計一場 30 分鐘週會議程。目標是決定〔決策題〕，與會者包含產品、設計與工程。輸出每段分鐘數、主持問題、需要的資料與會後交付物；總時間必須等於 30 分鐘。

研究

5. 來源比較

你是研究助理。只使用我提供的 4 個來源，建立「主張、支持證據、反例、方法限制、發布日期」比較表。每一格附來源編號；資料不足就寫「來源未提供」。最後提出 3 個下一步查證問題，不要生成不存在的引用。

若要把來源、閱讀筆記與研究問題放在同一脈絡，可使用AI 研究助理整理來源地圖與研究簡報；發布前仍需逐一核對引用、主張與方法。

6. 訪談大綱

為台灣 20–35 歲通勤族設計 8 題半結構式訪談題目，研究目標是理解〔問題〕。題目不得誘導答案，也不要詢問不必要的敏感個資。依暖身、行為、痛點、取捨、收尾排序，並為每題附一個追問。

學習

7. 概念教學

你是高中公民老師。用台灣高二學生能理解的方式解釋〔概念〕：先用 60 字定義，再給一個校園情境、一個容易混淆的反例，最後出 3 題不直接揭露答案的自我測驗。若涉及法規，提醒我核對最新條文。

8. 筆記轉複習題

只根據下方課堂筆記產生 10 題複習題：4 題基本概念、4 題應用、2 題比較。每題附答案與筆記中的依據句；筆記沒有提到的內容不得補寫。請把不清楚或可能抄錯的段落另列成「需問老師」。

若你需要先保留完整課堂脈絡，再慢慢整理成題目，可以把原始內容放進可搜尋的筆記軟體，避免只留下無法回溯的 AI 回答。

專案規劃

9. 校園活動計畫

你是大學社團專案顧問。為一場 200 人職涯講座建立 6 週計畫，已知預算〔金額〕、場地〔狀態〕、講者〔狀態〕。輸出每週里程碑、負責角色、依賴、風險與備案。不要假設已取得校方或講者同意。

10. 功能上線檢查

根據以下功能規格與測試紀錄，建立上線前檢查清單，分成產品、設計、工程、客服與法務。每項包含驗收條件、證據、負責角色與阻擋等級。若資料不足以判定是否可上線，列為阻擋上線的問題（blocker），並說明缺少什麼。

可複製的提示詞範本與檢查清單

先用這個短範本處理多數文字任務：

角色：你是〔專業角度／工作角色〕。
任務：請完成〔一個明確動作〕。
背景：受眾是〔對象〕，目的為〔目的〕；可用資料如下：〔資料〕。
限制：必須〔要求〕；不得〔禁止事項〕；不確定時標示「待確認」。
輸出格式：請用〔表格／條列／電子郵件／Markdown〕呈現，長度為〔字數或項目數〕。
完成前檢查：〔3 個可驗收條件〕。

送出 prompt 前，用 30 秒確認：

• 一次只有一個主要任務；若有多步驟，已說明順序。
• 受眾、目的與使用情境足夠清楚。
• 原始資料與指令已分區，不會混在一起。
• 字數、格式、語氣與禁止事項可以驗收。
• 沒有放入密碼、個資、機密或未授權內容。
• 重要主張要求標示來源或「待確認」。
• 已安排人工核對，而不是把 AI 回答直接發布。

資料隱私與事實核對

寫得更詳細，不代表應該把所有資料都貼給 AI。行政院及所屬機關使用生成式 AI 參考指引明確提醒，不得提供應保密、個人或未經同意公開的資料，也不可完全信任生成資訊。一般企業、學校與個人雖不一定直接適用同一行政規範，仍可把這些原則當成實務底線。

輸入前先做三件事：移除姓名、電話、電子郵件、身分證字號與可回推身分的細節；確認公司或學校是否允許使用該服務；閱讀工具的資料使用、儲存與第三方處理條款。AFFiNE 是本地優先工作區，但AFFiNE AI 官方頁面說明 AI 功能目前透過 AFFiNE Cloud 執行，使用 AI 時相關內容會交由第三方 AI 供應商處理，因此不能把「本地優先」直接等同於「AI 輸入不離開裝置」。

核對輸出時，先圈出姓名、日期、數字、引文、法規與因果主張。逐項回到原始來源，確認頁面、版本與發布日期；找不到來源就刪除或標示待確認。需要醫療、法律、財務或人事決策時，AI 只能協助整理問題，不能取代合格專業人員的最終判斷。

常見錯誤與修正方式

把角色寫得很華麗，任務卻不清楚

「你是世界頂尖專家」不會自動帶來正確答案。保留真正影響語氣與判斷的專業角度，接著把任務、資料與驗收條件寫清楚。

一次要求太多互相衝突的事

又要完整、又要 50 字內，又要涵蓋十個面向，模型只能猜優先順序。把任務拆成大綱、草稿、查證、潤飾四回合，或明確寫出優先順序。

只說「更專業」「再優化」

這些形容詞沒有驗收標準。改成「刪除口號、每段先寫結論、保留所有數字、使用台灣常用的商務繁體中文」，修改方向才清楚。

要求來源，卻沒有提供可用範圍

模型可能產生無法查到的引用。重要研究應提供來源清單，要求逐項附編號；若工具能連網，也要自己打開原頁核對作者、標題、日期與內容。

把一次成功的 prompt 當永久範本

模型、資料與工作目標都會變化。保留日期、用途與測試案例，定期用相同輸入比較輸出，確認格式、事實與語氣是否漂移。

如何把 AI 輸出接回工作流？

Prompt 完成後，真正的工作才開始。不要讓答案停在一次性聊天裡：把可用段落移到文件，把待查證主張連回來源，把行動項目交給負責人，並保留修改紀錄。AFFiNE PageDoc可用來建立筆記、Wiki 頁面、會議記錄與結構化知識，也能把文件與白板脈絡放在同一工作區。

一個可重複的流程是：先在文件儲存原始資料與 prompt，再請 AI 產生大綱；人工調整後生成草稿；接著建立來源核對表與待辦；最後把確認過的內容連到專案頁。這樣下次修改時，你看得到資料、指令、輸出與決策，而不是只剩一段不知道如何產生的文字。

常見問題

提示詞一定要很長嗎？

不一定。簡單任務可能一句話就夠，重要或複雜任務才需要補上背景、限制與格式。判斷標準不是字數，而是模型是否還得猜受眾、資料範圍與完成條件。先寫最小版本，看到缺口再補，比一次堆滿規則更有效。

Prompt 一定要用英文嗎？

不一定。多數主流模型能理解繁體中文。若交付物面向台灣讀者，直接指定「使用台灣繁體中文與自然用語」通常更容易檢查。只有特定工具、專有名詞或模型在英文指令下表現較穩定時，才需要測試英文版本。

為什麼同一個提示詞每次答案不一樣？

生成式 AI 不是固定查表系統；模型版本、對話脈絡、取樣設定與服務更新都可能影響輸出。重要工作要保留 prompt、輸入資料、日期與理想輸出範例，並用多個案例測試，不能因一次成功就假設永遠一致。

提示詞中加入角色真的有用嗎？

角色可協助限定觀點、受眾與語氣，例如「台灣高中公民老師」比「專家」具體；但它無法賦予模型真正資格，也不能取代資料。若角色與任務無關，就省略，把篇幅留給背景、限制與輸出格式。

如何要求 AI 不要亂編資料？

明確限定來源範圍，並要求「資料沒有提供就寫待確認，不得補寫」。輸出後仍要逐項開啟原始來源，核對數字、日期、引文與因果關係。提示詞只能降低亂編風險，無法保證模型永遠不產生錯誤內容。

可以把公司文件直接貼進 prompt 嗎？

先不要。確認公司政策、服務條款、資料儲存方式與處理地區，再判斷文件能否使用。移除個資、商業機密、帳密與未公開內容；若無法確認權限，就只提供去識別摘要，或改用經組織核准的封閉環境。

同一個提示詞可以用在 ChatGPT、Claude 與 Gemini 嗎？

可以把同一份提示詞當成起點，但不同模型、版本、工具設定與可用功能可能讓結果不同。保留共同的任務、資料與驗收條件，再針對各工具調整格式或功能指令；重要工作應用相同測試案例分別檢查，不能假設一份 prompt 在所有服務上都會得到相同答案。

結論：把提示詞當成可檢查的工作說明

提示詞怎麼寫，沒有一條永遠正確的咒語。先用「角色＋任務＋背景＋限制＋輸出格式」建立最小版本，再透過大綱、資料、範例與查證逐輪改進。只要結果能回到原始來源、符合可驗收條件，並由人負責最後判斷，prompt 才真正幫你把工作往前推。

若你想長期儲存有效 prompt、輸出與修正紀錄，可把它們接到第二大腦實作指南的擷取、整理與回顧流程。範本負責加快開始，持續查證與迭代才讓內容可靠。

編輯、測試與利益關係說明

本文由 AFFiNE 內容團隊編製；AI 協助初稿整理、範例草擬與配圖，發布內容以編輯制定的檢查條件及下列官方來源逐項核對。前文的 0／6 與 6／6 是提示詞可驗收性比較，不是特定模型的效能測試，也沒有把單次生成結果包裝成普遍結論。

AFFiNE 是本文發布者，文中提及 AFFiNE AI、PageDoc 與相關工作流屬自家產品說明。這些段落沒有進行付費排名或宣稱 AFFiNE 在模型品質上優於 ChatGPT、Claude、Gemini 或其他服務；讀者仍應依資料政策、功能需求與實際測試自行選擇。資料與產品頁查閱日期：2026 年 7 月 30 日。

參考資料

• OpenAI：Prompt engineering（查閱日期：2026-07-30）。用於核對指令分區、範例與脈絡的提示設計方式。
• Google Cloud：Overview of prompting strategies（查閱日期：2026-07-30）。用於核對明確目標、逐步指令與背景資料等原則。
• 經濟部中小及新創企業署：行政院及所屬機關（構）使用生成式 AI 參考指引（查閱日期：2026-07-30）。用於核對機密、個資、人工判斷與生成資訊風險。
• AFFiNE AI：AI note taking, writing, and presentation workspace（查閱日期：2026-07-30）。用於核對 AFFiNE AI 的雲端執行方式與第三方處理邊界。