#01
Few-Shot/One-Shot (範例模仿)
Few-Shot（少樣本）與 One-Shot（單樣本）其實被歸類在完全同一個技法中，也就是資料裡的第 4 項「範例模仿 (Few-Shot/One-Shot)」
。
它們的核心運作邏輯與目的完全一樣，都是在「輸出格式極度固定，或需要模仿特定風格時」使用
。
這兩者唯一的差別僅在於**「提供範例的數量」**：
One-Shot (單樣本提示)：只提供 1 個標準範例讓 AI 模仿
。
適用時機：當任務結構相對簡單、規則非常明確時。例如您只需要 AI 模仿特定的排版（如：「[日期] 標題」），給一個例子就足夠了
。
Few-Shot (少樣本提示)：提供 2~3 個範例讓 AI 模仿
。
適用時機：當任務的邏輯比較複雜，或者您希望 AI 抓到某種特定的「感覺與語氣」（例如幽默口吻、業務話術的痛點推演）時
。給予多個範例，能幫助 AI 更好地去比對並歸納出背後的隱藏規律。
#02
Chain of Thought (思維鏈)
**思維鏈（Chain of Thought, 簡稱 CoT）**是一種強迫 AI 寫出完整內部推理過程的提示詞技巧
。簡單來說，就是要求 AI 在給出最終答案前，必須「一步步推導」出結論。
思維鏈的核心目的與應用場景：
提升推理智商：這個技巧專門用來解決複雜的計算與邏輯難題，適用於邏輯推理、數學計算、程式 Debug 等需要極度嚴謹思考的任務
。
降低 AI 幻覺：透過要求 AI 寫出推導過程，能有效強化內部的邏輯控管，是防範 AI 胡說八道（幻覺）的核心防線之一
。
具體操作範例： 在下達指令時，加入**「請一步步...」**的關鍵字。例如：
在給出數位轉型策略前，請先一步步分析現狀、瓶頸與機會點
。
比較兩家雲端服務商的成本方案時，請一步步列出計算邏輯
。
在寫出程式邏輯前，請先一步步推理所有可能的邊界情況
。
#03
Role Playing (角色扮演)
角色扮演（在資料中主要被稱為「角色指定 Role」或「角色框架」）賦予 AI 特定的專業身分
。
核心目的與作用： 透過設定明確的角色，可以有效啟動 AI 在特定領域的知識庫與專屬觀點
。當您的任務需要特定的專業深度、精準的溝通風格，或是需要從特定角度切入分析時，使用這個技法非常實用
。
具體應用範例： 在下達指令時，您可以直接告訴 AI 它現在是誰。例如：
「你是一位資深品牌行銷顧問。請為這款新出的環保印刷服務寫一段吸引人的 Slogan。」
「你是一位專業的職涯教練與資深 HR，請分析這份履歷...」
其他常見的角色設定還包含：行銷總監、工程師、產品經理、分析師等
#13
Output Formatting (輸出格式化)
又稱為**「結構化輸出 (Structured)」或是圖表中的「結構框架」**
核心目的與作用： 這個技法是指在下達指令時，明確指定 AI 必須以特定的資料格式（例如 JSON、Markdown 表格、CSV 或程式碼）來呈現最終結果
。當您的產出結果需要直接匯入 Excel、製作成簡報，或是要交由另一個程式/軟體（如 API）讀取時，這個技巧非常關鍵
。
具體應用範例：
整理比較資訊：「請將這 10 家競爭對手的優缺點分析，整理成 Markdown 表格格式。」
代碼或系統分析：「請將代碼審查結果整理成 JSON 格式，包含『風險等級』與『建議方案』兩個欄位。」
專案進度追蹤：「將本月客戶進度整理成表格，並包含後續行動。」
#14
Iterative Refinement (迭代優化)
對模型的初稿提出修改意見（如「語氣再溫柔一點」），逐步打磨結果。
#15
Meta-Prompting (元提示)
讓模型幫你寫提示詞，或優化你目前的提示詞。
元提示（Meta-Prompting），簡單來說就是**「讓 AI 教你怎麼問問題」**的技巧
。
具體作法是讓 AI 扮演「提示工程師」的角色，由它來幫您分析、重構並優化您現有寫不好的指令
。
適用時機： 當您發現自己寫的指令產出效果不穩定，或是因為經過多次來回修改，導致指令中累積了許多互相衝突的邏輯時，就可以使用這個技法來重新梳理
。
具體應用範例：
優化文案指令：「我有一段關於 ESG 文案的提示詞，請分析其角色與情境，幫我重構成精煉版本
。」
優化程式碼指令：「我目前有一個重構代碼提示詞，請從層次分析並幫我優化它
。」
調整語氣指令：「分析我的開發信提示詞，是否過於強硬並優化
。」
總結來說，當您對如何精準下達指令感到卡關時，與其自己反覆盲測，不如直接利用「元提示」，把您原本的草稿丟給 AI，讓 AI 用它的專業來幫您把指令改得更好。
#16
Emotional Prompting (情感提示)
在提示詞中加入情感色彩（如「這對我的事業很關鍵」），有時能促使模型給出更高質量的回答。簡單來說，就是對 AI 施加情感壓力（軟硬兼施），來逼迫它突破常規的輸出極限。
適用時機： 當您發現 AI 給出的答案太過敷衍、流於表面，或是當您面臨「死線（Deadline）」、需要 AI 拿出最高品質的產出時，這個技巧非常有效
。
具體應用與範例（軟硬兼施）： 資料中列舉了幾種不同風格的情感刺激法：
強調重要性與急迫性：
「這份演講稿對我的職涯非常重要，請務必拿出你作為頂級撰稿人的實力。」
「這份工單系統對我明天演示至關重要，請務必拿出你作為頂尖工程師的實力。」
「簽約關乎本季達標，拿出最強說服力優化條款。」
裝可憐（訴諸個人意義）：
「這是我跟女友的求婚計畫，這是我人生最重要的時刻，我真的不想搞砸... 拜託你給我一個最浪漫的計畫。」
責罵與施壓：
「你之前的回答太敷衍了，這根本無法讓我學到東西。我要的是博士級別的深度分析，請認真重新回答一次！」
#19
Audience Targeting (目標受眾設定)
明確指出要說給誰聽（如「向 5 歲小孩解釋」），調整內容深淺。
#25
Perspective Taking (視角切換)
要求模型從不同利害關係人的角度（如買方、賣方）分析同一事件。
#30
Extreme Scenario Prompting (極端情境)
設定極端條件（如「預算為零」、「時間只有五分鐘」），尋求突破性方案。
請撰寫⼀份內部分析報告。 情境限縮) 這是在南台灣印刷產業背景下，
客戶正處於二代接班，對AI 有趣但擔心成本。
#32
Reverse Engineering (逆向工程)
核心概念： 這是一種「將感覺轉化為指令」的聰明作法。具體操作是丟入一個極佳的最終結果（範例文章或代碼），讓 AI 反向推導並產生能生成該結果的指令（Prompt）
。當您看到很棒的作品，想知道「它是怎麼被創造出來的」，或是想精準模仿某種模糊的「風格」時，就可以使用這個技法
。
具體應用與範例：
複製爆紅文案與寫作風格：您可以貼上一篇得獎文章或爆紅的廣告腳本，直接要求 AI：「分析這篇文章的語氣與結構（或前 3 秒的鉤子與節奏感），並寫出一個能生成類似風格文章的指令」
。
學習大神的程式碼：貼上一段優美的網頁特效或高手寫的代碼，要求 AI：「分析其記憶體管理與設計模式。如果我要寫出同樣水準的代碼，我該對你下什麼樣的 Prompt？」
。
破解商業話術：分析高成交的開發信，讓 AI 寫出能生成類似語氣的專屬指令
#34
多模態 (Vision)
打破純文字限制，讓 AI「看見」
核心機制：讓 AI 直接處理「非文字」的資料，也就是讀取圖片或手繪草圖
。
解決的痛點（差異點）：解決了過去只能用文字溝通的限制。當您手邊只有數據圖表、軟體截圖、實體照片或手寫草稿時使用
。
具體應用：上傳您目前冰箱內的照片讓 AI 給出食譜，或是上傳手寫的工單流程截圖，讓 AI 直接轉換成程式碼
#35
錨定原理 (Grounding)
畫出絕對邊界，讓 AI「有所本」
核心機制：提供外部資料作為 AI 產出內容的「唯一來源」，嚴格依據該來源作答
。
解決的痛點（差異點）：它是防禦型的技法，專門用來**解決 AI 幻覺（胡說八道）**的問題
。它剝奪了 AI 自由發揮的空間，要求內容必須極度嚴謹、事實準確
。
具體應用：提供一份健檢報告或 API 官方文檔，要求 AI「根據這份手冊回答，不可自行發揮」
#36
負面提示 (Negative)
核心概念： 這個技法的核心在於**「明確限制不想要的輸出內容、禁忌詞或格式」
。與其告訴 AI「要做什麼」，不如清楚劃定邊界，告訴它「絕對不能做什麼」**。
適用時機： 當您希望去掉 AI 產出內容的「罐頭味」、避開特定領域的陳腔濫調（禁忌詞），或是想避免 AI 講出冗長廢話時，這個技巧非常有效
。
具體應用與範例：
行銷文案避開俗套：要求寫一篇碳中和文案，但「絕對不要提到『節能減碳』或『綠色未來』等俗套詞」
。或者在寫科技文案時，明確「禁絕使用『革命性、賽道、巔峰、賦能』這類老掉牙的行銷詞彙」
。
產品介紹限制方向：在介紹產品時，規定「絕對不要提到『便宜』或『折扣』」，藉此強迫 AI 從其他價值切入
。
程式碼重構規範：要求 AI 重構代碼，但「絕對不要使用 var 關鍵字，也請移除所有不必要的冗長註釋」
#37
參數帶入 (Variables)
核心概念： 這個技法是指使用 {{變數}} 來建立標準化的模板，藉此快速生成內容
。它的概念就像是做「填空題」，您先把指令的框架寫好，再把每次會變動的關鍵資訊用大括號（或特定符號）標示出來，讓 AI 根據您代入的不同參數來產出結果。
適用時機： 當您**「需要大量重複產出結構相同、內容不同的內容時」**，這個技巧非常實用
。它能幫您把指令模組化，大幅省去每次都要重新寫一長串背景設定的時間。
具體應用與範例：
行政與公關文書：建立公告模板，只需替換參數即可產出：「受眾：{{全體員工}}、主題：{{年終獎金}}、語氣：{{激勵且正式}}、日期：{{12/31}}，請根據參數撰寫公司內部公告」
。
行銷文案量產：快速產出多組銷售文案：「產品：{{智慧手錶}}、功能：{{血壓偵測}}、客群：{{銀髮族}}、價格：{{4,990}}，請根據以上參數撰寫銷售文案」
。
程式碼與系統開發：標準化生成代碼模組：「語言：{{Java}}、功能：{{權限驗證}}、框架：{{Spring Boot}}、安全性：{{最高}}，請產出對應的代碼模組」
#38
視覺化流程 (Workflow)
核心概念： 這個技法指的是將複雜的任務拆解成明確的執行步驟（例如 1、2、3 階段）
。在撰寫指令的黃金架構中，這對應了 5W1H 裡的 How（規範執行路徑）
。透過強制 AI 按照 1-2-3-4 的既定順序走，可以讓產出結果變得更加穩定
。
適用時機： 當您面臨任務數量多、邏輯複雜的情境，擔心 AI 一次處理太多資訊會漏掉細節，或是您需要分步驗收時，使用這個技巧非常有效
。
具體應用與範例： 在下達指令時，您可以直接加上「Step-by-Step」或「請分X步」的關鍵字：
行銷社群任務：「請分三步：1. 搜集市場趨勢、2. 撰寫文案摘要、3. 轉成三篇社群貼文。」
行政會議處理：「請按照以下流程處理會議：1. 整理會議發言逐字稿、2. 歸納出 3 個決議點、3. 生成下週追蹤代辦清單。」
程式系統開發：「請分三步：1. 定義資料結構、2. 撰寫存取邏輯、3. 生成 SQL 遷移腳本。」
業務開發流程：「請依序執行：1.潛在開發、2.需求訪談、3.報價議價。」
#39
上下文剪枝 (Pruning)
核心概念： 這個技法的核心在於**「僅提供與當前任務強相關的資訊，並移除所有冗餘的背景」**
。簡單來說，就是幫 AI「抓重點」並「去除雜音」，避免給予過多不必要的上下文歷史資訊去干擾 AI 的判斷。
核心目的： 當對話越來越長，或是輸入的背景資料過於龐雜時，透過主動剔除無關的資訊，可以大幅提升 AI 產出結果的穩定性
，確保它能完全聚焦在您當下真正需要處理的核心任務上。
具體應用範例：
寫作與企劃聚焦：在經過一長串的發想與討論後，直接指示 AI 根據**「最終選定標題」來撰寫內文**，要求它忽略前面討論過的棄用提案
。
程式碼與技術聚焦：在一個複雜的系統開發對話中，明確告訴 AI：「現在只保留與 SQL 效能優化相關資訊」，請它先忘掉其他不相關的前端或 UI 討論
。
業務與合約聚焦：在處理複雜文件時，特別指示 AI 專**「注分期付款條件」**，將注意力限縮在特定條款上
。
#40
顯式上下文注入
核心概念： 這個技法的核心在於**「手動摘要先前的討論結論」，主要目的是為了對抗 AI 模型的「遺忘」**
。
適用時機： 這是在處理龐大、極度複雜任務時的重要心法
。當對話流程過長，或是您需要重啟一個新的對話視窗時，AI 很容易因為處理太多資訊而忘記最初的設定或中間達成的共識。此時，透過主動把之前的重點「注入」給 AI，能確保資訊的連貫性，讓 AI 保持在正確的軌道上
。
具體應用與範例： 操作方式通常是在下達新指令前，先加上一段明確的「先前摘要」或前提：
行銷企劃與寫作：「【先前摘要】目標對象為傳產老闆，語氣要莊重。請根據此前提撰寫講稿
。」
系統與程式開發：「【先前摘要】我們已解決資料庫連線問題。現在請專注優化 UI 渲染流暢度
。」
業務與談判情境：「【摘要】客戶已對價格共識，但擔心售後
。（接著再請 AI 根據此現狀給出下一步策略）」