Google本月發布由資深開發者Lee Boonstra撰寫的《提示工程》（Prompt Engineering）白皮書，詳細說明了如何撰寫高品質指令，並強調只需多花30秒琢磨提示，就能讓 Gemini、ChatGPT 等生成式 AI 大幅提升回應品質。
隨著AI進入職場，學習提示工程可說是像Excel、PowerPoint一樣的必備職場技能。這份白皮書歸納出10項基本的提示工程技巧，讓使用者在使用AI時，能夠更快速地上手並提升互動品質：
1.具體明確，避免含糊不清
例如，不要只是輸入：「寫一篇關於氣候變遷的文章」，而是試著這樣寫：「撰寫一篇300字的文章，向高中生解釋海洋溫度上升如何影響珊瑚礁」。明確地為AI設定清楚的文章界限和方向，減少無關的內容。
2.零樣本提示 v.s. 少樣本提示
零樣本提示（zero shot）是簡單直接的指令（例如：「用一句話總結這篇文章」），而少樣本提示（few shot）則提供範例（例如：「這裡有三個產品描述，請用相同的風格再寫一個」）。
白皮書指出， 少樣本提示通常能產生更好的結果 。舉例來說，兩個產品描述：「這款人體工學鍵盤採用15°傾斜設計，可減少手腕壓力」和「我們的降噪耳機可阻擋95%的環境噪音」，然後要求AI為智慧手錶撰寫類似的描述。透過少樣本提示提供範例，AI能更精確地模仿使用者偏好的風格。
3.讓AI角色扮演
例如：「你是一位審查這段 Python 程式碼的資深工程師。找出三個潛在的安全漏洞。」透過角色扮演的方式，能讓AI更專注於「專業知識」，並使回應更符合專業標準。
4.要求AI以「思維鏈」逐步推理
對於複雜的查詢和生成，可以在提示中輸入：「在回答之前，請逐步思考。」，也就是「思維鏈」（Chain of Thought）的提示方法，讓AI在提出解決方法之前，從各種資訊中具有邏輯地推理、查核等。
5.調整溫度來控制AI創造力
透過溫度值的差異，可以讓AI以不同風格和類型回應。若需要嚴謹的事實查核，在設定中調整為較低的溫度值（0-0.3），例如：「產生5個寫實的新創公司名稱［溫度=0.2]」；若想要更有創意的回答，則調到較高的溫度（0.7-1），例如：「產生5個富有想像力的奇幻城市名稱［溫度=0.8]」。
6.將AI輸出結構化
對於需要大量數據的請求，可以使用JSON、XML或表格等結構化格式的資料表示，防止AI冗長敘述，並方便從中提取數據。例如：「以 JSON 格式列出市值前五名的加密貨幣，包含名稱、價格和24小時變動欄位。」
7.使用正面指令而非負面
與其說「不要提及競爭對手」，不如說「專注於我們產品的功能」。白皮書指出，AI更擅長處理「做這個」的指令，負面指令有時會產生反效果。
8.活用「退一步思考」技巧
對於抽象概念，避免直接要求AI解決問題。活用「退一步思考」（step-back）技巧，讓AI從一般原則或模式進行思考，再進一步引導特定任務。
先詢問「良好的使用者介面設計的關鍵原則是什麼？」，然後再輸入「應用這些原則來評論這個網站的佈局」。兩步驟的作法能在處理具體問題之前，引導AI生成更深層次的知識內容。
9.透過自我一致性進行驗證
為了在各種輸出中獲得一致的結果，可以重複執行相同的提示3到5次。對於事實查詢，採納最常見的答案；對於創意任務，則挑選最佳的想法。這種「多數決」能讓讓最終答案更可靠，並過濾隨機產生的幻覺錯誤資訊。
10.將提示視為一場對話
在和AI對話時，須從一個基本的提示開始，然後分析回應，再根據結果加入更多細節或限制進行改進，直到獲得滿意的結果。白皮書中以Google 的 Vertex AI Studio為例，提供了儲存和比較不同提示版本的功能。
Boonstra在白皮書中提到，提示是一種工程，而不是猜測或欺騙，無論是編寫Python或是對於電影評論進行分類，使用者在提示時，都需要具有邏輯、結構並清楚地向AI表達需求，才能引導AI做出精準回應。
資料來源：Prompt Engineering、The Daily Star
本文初稿為AI編撰，整理．編輯/ 蘇柔瑋
