AI 提問祕訣：如何使用提示工程優化 ChatGPT、Gemini 和 Claude 的回答

「提示工程」（Prompt Engineering）是近兩年新出現的名詞，它的概念其實就是：如何向 ChatGPT、Gemini、Claude 這類工具提問，讓它們能夠產出更精確的回應。

對我來說，「提示工程」這個詞還挺幽默的。生成式 AI 的一大優勢就是能夠理解自然語言的提問，並基於龐大的數據資料來回答問題，且它能夠給出提問者認知領域以外的答案。也就是說不需要事先設定好確定的規則才能提供服務，這是它最大的優勢。但提示工程的目標，卻是讓 AI 產生更「確定」的回答。這不是很矛盾嗎？而且，在搜尋引擎時代，也從沒聽過『搜尋工程』（Search Engineering）這樣的名詞。

當然，背後有技術上的理由。AI 雖然擁有龐大的數據資料，但當我們提出像這樣模糊的要求時：

「幫我寫一個簡報大綱。」

它可能無法給出令人滿意的答案。這就像是與一個「燒瓶內的小人」對話，AI 生活的世界與我們的現實世界完全不同。儘管它擁有巨大的數據，但它無法「通靈」來理解我們的具體需求。因此，雖然 AI 理論上能完成各種已知知識的任務，但我們人類卻經常不知道該怎麼問問題，結果導致 AI 的回答可能不如預期。

為什麼 AI 的回答不如預期？

和我們日常生活中的人類對話不同，人類之間的對話可以從背景、環境、語調等多種因素來推斷彼此的意思。例如，當商業顧問和你談到「Pitch」，你能理解對方指的是商業提案；但當航空工程師提到「Pitch」，你會判斷對方可能指的是飛機的俯仰角度。人類具備這種自行收集上下文補全資訊的能力，可以依據對方的年齡、性別、國籍、職業等來猜測對方的想法。

然而，AI 並不具備這種能力。它只能基於你提供的資訊進行回答。如果你的問題不夠具體，它沒辦法填補那些空白，這也是為什麼我們需要「提示工程」。

提示工程的出現

提示工程就是針對生成式 AI 設計具體的提示或提問，使得 AI 能夠根據你提供的線索，給出最符合預期的回答。這個過程有點像和一個遠距工作的跨國同事合作，對方不認識你，也不了解你的背景，因此你需要給出非常清楚的指示，才能保證對方做出正確的回應。

提示工程的目標，就是提供一個框架或模板，讓你都能明確地指派任務給 AI，不用再依賴運氣或冗長的溝通。OpenAI 在文件中提供了提示工程指南，Google、AWS、微軟也都有類似的文件。另外，也有一些眾人淬鍊過的高效框架，讓我們可以更快速上手。

常見的提示框架

以下是幾個在提示工程中常見的框架，這些框架能幫助你讓 AI 更精準地回應你的問題：

1. CO-STAR 框架

CO-STAR 框架（Context, Observation, Specifics, Task, Action, Results）是2024年四月，新加坡政府科技局（GovTech）舉辦的首届 GPT-4 提示工程大赛冠軍所使用的框架。著重於提供明確的背景描述、關鍵觀察、具體要求、任務指派、行動步驟和期望結果。這個框架能讓 AI 更清楚的理解問題的各個面向，並提供明確的回應。

• 背景（Context）：描述問題的背景或情境，讓 AI 理解目前的環境。

• 觀察（Observation）：提供當前情境下的重要觀察或事實，幫助 AI 理解挑戰或機會。

• 具體要求（Specifics）：列出具體需求或期望，讓 AI 明確知道你需要它專注在哪些方面。

• 任務（Task）：清楚指派 AI 需要完成的具體任務。

• 行動（Action）：說明應該如何完成任務，提供具體的行動步驟。

• 結果（Results）：設定期望的結果，讓 AI 知道成功的衡量標準。

範例：

我們公司即將推出一款新的運動應用程式，目標是吸引年輕用戶並增加應用下載量。我們注意到競爭對手的應用程式通過用戶生成內容和社群參與在社交媒體上取得了成功。我們需要一個能夠吸引年輕用戶的行銷活動。請提出三個創新的行銷活動概念，並提供具體的行動步驟及社交媒體上的實施方法。我們希望在三個月內將應用下載量提高 20%。

這個範例展示了如何使用 CO-STAR 框架，完整涵蓋了背景、具體需求、行動步驟和期望結果，幫助 AI 產生具體的解答。缺點就是它相對地複雜，要一次性提出高品質的提問，通常需要領域知識支持。

2. RTF 框架

RTF 框架（Role, Task, Format）是一個通用的簡易框架，不需具備太多領域知識也能得到高品質的回應。它強調明確地指派 AI 扮演的角色、需要完成的任務以及輸出的格式。這個框架幫助 AI 聚焦於專業知識，並提供結構化的回應。

• 角色（Role）：指定 AI 應扮演的角色，例如行銷專家、產品經理等。

• 任務（Task）：清楚描述 AI 需要完成的具體任務。

• 格式（Format）：明確說明希望 AI 生成的輸出格式，例如清單、步驟、圖表等。

範例：

請扮演一位數位行銷專家。設計一個數位行銷活動，目的是在三個月內將公司的網站流量增加 20%。請以詳細步驟列表的形式呈現，每個步驟都應該附上解釋和預期效果。

RTF 框架能夠幫助 AI 聚焦於特定角色，並產出符合預期的結果。

3. RSIEN 框架

RSIEN 框架（Result, Situation, Implication, Expectation, Next steps）是一個專注於結果驅動的框架，幫助 AI 聚焦於期望的結果，並基於現狀、影響、期望和後續步驟提供具體回應。

• 結果（Result）：說明期望的結果或目標。

• 情境（Situation）：描述當前的情境或挑戰。

• 影響（Implication）：解釋當前情境的潛在影響。

• 期望（Expectation）：明確你希望 AI 提供的回應或建議。

• 下一步（Next steps）：根據 AI 的建議，要求具體的後續行動步驟。

範例：

我們的目標是將公司的銷售額在接下來的六個月內提高 15%。目前我們的市場份額正在萎縮，競爭對手推出了類似的產品並以更低的價格吸引了大量客戶。如果不採取行動，我們可能會失去更多市場份額。請提供三個具體的銷售策略，這些策略應該能幫助我們重新獲得優勢，並刺激銷售增長。請列出每個策略的具體行動步驟。

RSIEN 框架有助於 AI 產出更具邏輯性的解決方案，同時聚焦於結果導向。

4. CoT 思考鏈

CoT（Chain of Thought）框架幫助 AI 逐步推理，分步驟地解決問題。透過更多的思考步驟與時間，讓 AI 能夠得到品質更高的答案，這對於需要邏輯推理或多步驟計算的情境特別有用。

• 問題描述（Problem Statement）：清楚描述問題背景。

• 推理過程（Chain of Thought Process）：要求 AI 分步驟進行推理，並解釋每一步的邏輯。

• 最終解答（Final Answer）：基於推理過程，得出結論或最終答案。

範例：

公司正在尋找方法來減少運營成本，同時提高員工的工作效率。請逐步推理並說明公司可以採取哪些措施來同時降低成本和提升效率。請基於推理結果提供三個具體的行動建議。

這個框架引導 AI 逐步推理，幫助它更好地解決複雜問題。實施方法也最簡單，只要要求 AI 逐步推理就可以了。

提示工程的真正價值

不管你使用的是哪個框架，提示工程的核心目的都是讓 AI 更好地理解問題背景，並提供更精準的回應。這些框架不僅適用於 AI，也同樣適用於遠距工作或日常溝通，幫助我們達到更高效的協作。

下次與 AI 互動時，記得應用這些框架，讓你的提問更具結構和目的性。你會發現，AI 的回應品質將顯著提升！