提示工程基礎

什麼是提示？

對 Generative AI Leader 考試而言，提示就是你給生成式 AI 模型的指令，告訴模型你想要什麼。當你在 Gemini app 輸入問題、將段落貼到 Vertex AI Studio 並要求摘要，或在商業應用程式中設定 AI 功能時，你所提供的文字就是提示。模型讀取提示後產生回應。沒有提示，什麼都不會發生——提示是每一次生成式 AI 互動的方向盤。

身為 Generative AI Leader，你不需要撰寫程式碼、訓練模型或理解神經網路數學。你需要理解的是：提示是商業用戶能掌控的最重要槓桿。同一個 Gemini 模型，若給予模糊的提示，就會產出模糊的結果；若給予精確、結構完整的提示，就能產出團隊真正能用的成果。提示工程是一門設計提示的學問，目的是讓提示穩定地產生高品質結果。

「提示工程」這個詞聽起來令人望而生畏，好像需要工程學位。其實不然。提示工程是一種溝通技巧，而不是程式設計技巧。 它更接近為承包商撰寫清楚的工作說明書，而非撰寫軟體。這個區別對考試和真實組織都很重要：提示品質是每位員工——行銷、法務、人資、財務、營運——都能學習並精進的能力。將提示工程視為商業技能而非小眾技術專長，正是這個章節所測試的核心領導理念之一。

在 Generative AI Leader 考試中，你會遇到描述商業問題並詢問團隊如何改善 AI 輸出的情境題。答案很多時候是「改善提示」——加入上下文、範例或明確的輸出格式——而不是「換用更大的模型」或「微調模型」。認識到提示品質決定輸出品質，是這整個章節的基礎技能。

白話文解釋

提示工程有時令人感到抽象，因為底層模型就像黑盒子。但撰寫好提示這件事，其實是人類每天在把任務交辦給他人時都在做的事。以下類比說明提示如何運作，以及在 Gemini 或 Vertex AI Studio 中為何結構如此重要。

類比一——給新進員工的工作交辦單

想像某位員工第一天上班，你告訴他「去處理那份報告」。他根本不知道是哪份報告、用什麼格式、給哪位受眾、什麼時候要交。他只能猜——而且很可能猜錯。現在換一種方式：你遞給他一張清楚的交辦單：「將附件的第一季業績試算表濃縮成一頁備忘錄，給區域經理參閱，標出業績最佳的三家分店，使用條列格式，字數在 200 字以內。」新員工現在清楚知道成功長什麼樣子。

像 Gemini 這樣的生成式 AI 模型，就是這位能力出眾的新員工：知識淵博、反應快速，但若你不說清楚意圖，它對你的具體需求一無所知。提示就是工作交辦單。模糊的提示（「寫些關於我們產品的東西」）得到模糊的通用答案。詳細的提示——任務、上下文、受眾、格式、字數——第一次就能得到可用的成果。在 Vertex AI Studio 中，商業用戶可以儲存並重複使用這些「交辦單」，作為提示範本，讓整個團隊以一致的方式指揮 Gemini，就像公司統一內部表單格式一樣。教訓是：模型不會讀心術，它只讀你的交辦單。交辦單愈清楚，產出愈好。

類比二——在便利商店訂購指定餐點

走進一家便利商店，只說「我要吃東西」，店員只能給你最普通的選項——可能是你不喜歡的口味、份量，或是你完全不想要的東西。換個方式：「我要一個加熱的雞腿便當，不要湯，加一瓶無糖綠茶，放在提袋裡，我要外帶。」這樣你就會拿到你真正想要的東西。店員完全有能力準備這兩種情境，差別完全在於你說得清不清楚。

向 Gemini 提示的道理完全相同。模型能力強大，但若你不說明規格——語氣、字數、語言、受眾、要包含什麼、排除什麼——它就會退回到通用預設值。「寫一封客服信件」產出一封通用信件。「用正體中文撰寫一封語氣有禮但堅定的客服信件，為兩天的出貨延誤致歉，提供九折折扣，以客服團隊名義簽署，字數不超過 120 字」，產出一封主管幾乎可以直接發送的信件。在 Vertex AI Studio 中，回應還取決於溫度和輸出長度等設定，就像告訴店員你想要多固定或多有驚喜感的餐點選擇。對 Generative AI Leader 的啟示：鼓勵團隊「清楚說明規格」，而不是期望模型猜出你想要的結果。

類比三——交給設計公司的 design brief（設計簡報）

當一家公司委託設計公司製作活動海報，不會只說「幫我做一張海報」。公司會準備一份 design brief：品牌規範、目標受眾、核心訊息、必要元素（Logo、標語、聯絡資訊）、風格調性（高端、活潑、值得信賴）、交付格式與尺寸，再附上幾張公司喜歡的參考海報。有了這份簡報，設計公司就能交出符合預期的作品。沒有它，設計公司還是會交東西——但幾乎不符合期望，接下來就是一輪又一輪昂貴的修改。

一份強大的 Gemini 提示，就是給 AI 的 design brief。指令說明任務；上下文提供模型所需的背景知識；範例就像附上的參考海報，展示你想要的風格；輸出格式要求則定義了交付物的形狀。給模型一到兩個你想要的輸入輸出範例——也就是所謂的少樣本提示——就像在 brief 裡附上參考設計圖。在 Generative AI on Vertex AI 中，結構完整的提示能減少用戶與模型之間的「修改來回」，節省時間，並在整個部門產出更一致的結果。領導洞見：模糊的委託浪費了一家有能力的設計公司；模糊的提示同樣浪費了一個有能力的模型。

優質提示的構成要素

高品質的提示很少只有一句短短的話。最可靠的提示包含最多四個不同的構成要素。你不一定每次都需要全部四個，但了解它們能讓你診斷出提示表現不佳的原因。

指令——你希望模型做什麼

指令是核心任務：「摘要」、「翻譯」、「分類」、「起草」、「擷取」、「比較」。應該是一個清楚、具體的動詞。「告訴我關於這個的事」是弱指令；「將這份合約摘要成五個條列重點，標出付款條款」是強指令。指令是每個提示中不可或缺的部分——沒有它，模型不知道被要求執行什麼工作。

上下文——模型需要的背景資訊

上下文是模型應該考量的輔助資訊：待摘要的文件、客戶的訂購歷史、公司的語氣規範，或相關限制條件。模型只知道訓練期間學到的知識，加上你放進提示裡的內容。如果你的業務有私有或最新資訊，必須以上下文的方式提供。提供實際的來源文字，並要求模型只根據該文字回答，也能降低產出捏造答案的風險——這個問題在幻覺與模型限制章節有詳細說明。

範例——展示你想要的模式

範例示範你期望的輸入輸出模式。給模型看兩三個樣本配對（「輸入：……　期望輸出：……」），比用文字描述格式和風格更可靠地讓模型理解。這是少樣本提示的核心，詳見下方說明。

輸出格式——答案應呈現的樣貌

輸出格式規定回應的外觀：條列式清單、JSON 物件、表格、單一段落、特定字數，或特定語言。商業系統通常需要可預測的結構，因此明確要求——「以 JSON 物件回應，包含 'summary' 和 'sentiment' 兩個鍵值」——讓輸出能被後端工具或人工審查者直接使用。

為何提示品質決定輸出品質

考試的核心概念之一，常以「垃圾進、垃圾出」來總結。生成式 AI 模型無法獨立得知你的商業目標——它只能回應你給它的內容。提示的品質、具體性與結構，決定了回應品質的上限。兩位用戶使用完全相同的 Gemini 模型於 Vertex AI Studio，可能因為一位撰寫精確的提示、另一位撰寫模糊的提示，而得到截然不同的結果。

這對組織有直接影響。當團隊抱怨「AI 不夠好」，根本原因往往是提示，而非模型。在花錢購買更大模型或進行微調之前，最便宜、最快速的改善方案幾乎永遠是更好的提示。對 Generative AI Leader 而言，這意味著在全體員工中投資提示素養——短期培訓課程、共享提示範本、內部最佳實踐庫——往往比技術升級帶來更多價值。提示工程是任何業務單位都能建立的低成本、高槓桿能力。

這也意味著提示工程是反覆迭代的過程。第一個提示只是草稿；你閱讀輸出，看看缺少什麼，再加以精煉。Vertex AI Studio 正是為這個循環而設計：你可以快速測試提示、調整措辭、比較回應，並儲存有效的版本。把提示視為實驗與精煉的循環，而非一次性指令，是有效 AI 用戶與沮喪用戶之間的分野。

零樣本與少樣本提示

這個章節中最常出現在考題的區分，就是零樣本提示與少樣本提示的差異。「樣本」指的是你在提示中包含的範例數量。

零樣本提示

零樣本提示是指給模型一個指令，完全不附任何範例。你只需描述任務，信任模型的通用訓練來處理：「將這則客戶評論分類為正面、中性或負面。」像 Gemini 這樣的現代模型，因為在訓練期間見過類似任務，在零樣本模式下能夠處理許多常見任務。零樣本快速、簡單，是自然的起點——Gemini app 中大多數日常提示都是零樣本。

少樣本提示

少樣本提示是指在說明真正的要求之前，包含少量範例（通常二至五個），示範你想要的確切輸入輸出模式。例如，你先給模型三則已標注的評論樣本，再要求它標注第四則。當任務較為細緻、需要非常特定的輸出格式，或零樣本結果不一致時，少樣本提示是首選技巧。範例提供模型一個可模仿的模式。

考試的實用原則：從零樣本開始；若輸出品質不夠好，加入範例並改用少樣本。 少樣本提示能引導模型走向一致性與精確風格，無需任何模型訓練或程式設計。更進階的精煉技巧集合，請參閱提示優化技巧章節。

角色提示與人設提示

角色提示（又稱人設提示）是告訴模型應扮演什麼角色的技巧。你在提示開頭加上「你是一位經驗豐富的財務分析師」或「扮演一家台灣電商公司的親切客服人員」這樣的陳述。賦予角色能啟動模型採用該人設所對應的詞彙、語氣、深度和視角。

為什麼這有效，對商業又為何重要？模型可以用無數種方式回答同一個問題。問「解釋雲端運算」而不指定角色，會得到通用答案。問「你是一位老師，向十歲的孩子解釋雲端運算」，會得到簡單、友善的答案。問「你是一位向董事會報告的財務長：解釋雲端運算」，會得到聚焦在成本與風險的答案。角色將模型廣大的可能回應範圍，縮限到受眾真正需要的那一種。

人設提示與一致的品牌語氣

對組織而言，人設提示是讓 AI 生成內容符合品牌調性的實用方法。公司可以定義一個標準人設——「你是〔品牌〕的發言人：語氣溫暖、簡潔，絕不使用術語」——並將它嵌入 Vertex AI Studio 的每個提示範本中。這樣一來，即使跨部門，每位員工生成的內容都具有一致的語氣。

人設提示與受眾定向

人設提示也有助於將同一份來源素材轉化為不同受眾所需的版本。同一則產品更新，只需在提示中更換人設與受眾，就可以轉化為給工程師看的技術版本說明、給業務看的效益摘要，以及給客戶看的白話公告。這讓一份知識可在整個企業中重複使用。

系統指令與使用者提示

考試預期你能區分系統指令與使用者提示。兩者都是模型的輸入形式，但扮演不同的角色。

什麼是系統指令

系統指令是一組獨立的、層級較高的方向，定義模型在整個對話或應用程式中的整體行為、角色與規則。在 Vertex AI Studio 中，有一個專屬的系統指令欄位，與主要提示框分開。典型的系統指令包括：「你是一家銀行的客服助理。請始終保持有禮。絕對不要提供具體的投資建議。若被問及帳戶餘額，請告知用戶登入安全入口網站。只用正體中文回應。」

什麼是使用者提示

使用者提示是終端用戶在對話中逐次輸入的個別訊息或問題，例如「你們分行幾點開門？」或「我要如何重設密碼？」每個使用者提示都在系統指令所設定的邊界內處理。

為何這種區分很重要

這種區分之所以重要，是因為系統指令由業務方或開發者一次性設定並保持一致，而使用者提示則隨每次互動而改變。當公司將 AI 功能建置到產品中，系統指令是領導者編入政策、語氣、安全防護和範圍的地方——終端用戶無法輕易覆寫它。對 Generative AI Leader 而言，關鍵洞見是：系統指令是治理與管控的要點——它是組織如何讓 AI 功能在數千次不可預測的使用者提示中，始終保持安全且符合品牌調性的方式。

思維鏈提示（概念介紹）

思維鏈提示是一種技巧，你要求模型在給出最終答案之前，逐步推理問題，而不是直接跳到結論。簡單的版本是在提示中加入「讓我們一步一步思考」或「在給出最終答案之前，請先說明你的推理過程」這樣的句子。

從概念層面來說，這很重要，因為某些任務——多步驟推理、數學應用題、邏輯謎題、有多個條件的決策——當模型被鼓勵列出中間步驟時，會產生更好、更可靠的答案。強迫模型展示推理過程，往往能減少粗心錯誤，就像在考試中寫出作答過程的學生，比只寫最終數字的學生更容易發現自己的錯誤。

思維鏈的適用情境

思維鏈最適合用於有多個步驟或條件的問題：「一位客戶訂購了三件商品，退回一件，並使用了一張折價券——退款金額是多少？」要求模型逐步推理，能產出更值得信賴的結果。對 Generative AI Leader 而言，重點在於概念理解：複雜的推理任務受益於要求明確推理過程的提示。

額外的好處——透明度

當模型展示其步驟時，人工審查者可以看到它如何得出答案，並找出有問題的假設。這種可見性對需要稽核性的商業流程很有價值。它不能讓模型完美無誤——模型仍然可能推理錯誤——但可見的推理鏈遠比一個光禿禿的答案更容易查核。思維鏈在此以概念層次介紹；更深入的精煉方法屬於提示優化技巧章節的範疇。

提示發生的場景——Gemini app 與 Vertex AI Studio

Generative AI Leader 考試預期你了解 Google 環境中進行提示的主要場所。

Gemini app

Gemini app 是面向消費者的對話介面，個人可以用自然語言輸入提示並獲得回應。它是任何員工開始實驗提示最簡單的起點——無需設定、無需技術知識。對許多商業用戶而言，Gemini app 是他們最初練習提示技能的地方。

Vertex AI Studio

Vertex AI Studio 是 Generative AI on Vertex AI 中的環境，供團隊以更結構化、更專業的方式設計、測試和精煉提示。它提供專屬的提示區域、獨立的系統指令欄位、模型與參數控制（如溫度和輸出長度），以及儲存和版本管理提示範本的能力。Vertex AI Studio 是組織從隨意實驗，過渡到可重複、受治理的提示設計，再將提示建置進產品之前的必經環境。

Gemini for Google Workspace

提示也發生在熟悉的生產力工具中。Gemini for Google Workspace 將提示功能帶入 Gmail、Docs、Sheets 和 Slides，讓員工在每天使用的工具中就能撰寫提示。無論在哪個介面，提示技能都是相同的。

提示工程作為商業技能

這個章節反覆出現的領導主題是：提示工程並非工程師或資料科學家的專屬領域。因為提示是用白話自然語言撰寫的，組織中的任何人都能學會撰寫有效的提示。行銷團隊撰寫提示來起草活動文案；法務團隊撰寫提示來摘要合約；人資撰寫提示來起草職缺說明；財務撰寫提示來解釋報表中的差異。

這對領導者推行生成式 AI 的方式有策略性影響：

• 培訓比工具更重要。 讓每位員工都能使用 Gemini，若沒有人知道如何有效提示，效益甚微。短期的提示素養課程，能成倍放大 AI 投資的回報。
• 共享提示庫能讓良好實踐規模化。 當某位員工發現一個能產出優質月報摘要的提示，將該提示範本儲存在 Vertex AI Studio 中，讓整個部門都能重複使用。好的提示成為可重用的組織資產。
• 提示工程是迭代且可改善的。 團隊應期望隨時間精煉提示，將提示品質視為隨實踐和回饋而提升的能力，就像任何其他商業技能一樣。

更好的提示帶來的投資報酬

這個算盤很划算。改善一個提示只需幾分鐘的時間，卻能將無法使用的 AI 輸出轉變為隨時可用的成果。與取得更大模型、建立微調流水線或聘用專家的成本相比，提示工程是企業能夠建立的最高槓桿、最低成本的能力。認識到這一點的領導者，會優先提早投資提示素養。

提示與負責任的使用

提示品質也與負責任的 AI 息息相關。提供可信賴的來源上下文，並要求模型只根據該上下文回答的清晰提示，能降低產出捏造答案的機率。指定尊重語氣和適當受眾的提示，有助於讓 AI 生成的內容適合商業使用。要了解底層模型如何運作，以及為何它以特定方式回應提示，請參閱Transformer 模型與 LLM章節。

常見的提示錯誤

知道不該做什麼，和知道技巧本身同樣重要。留意以下常見錯誤：

• 過於模糊。 「寫些關於我們產品的東西」讓模型無從下手。請說明任務、受眾和格式。
• 在單一提示中塞入過多要求。 一次要求十件不相關的事，會得到混亂的答案。將複雜工作拆解成聚焦的提示。
• 忘記提供上下文。 模型無法得知你的私有或最新資訊，除非你在提示中提供。缺少上下文會導致通用或捏造的答案。
• 沒有指定輸出格式。 若你不說「以條列式清單呈現」或「以 JSON 物件回應」，你得到的是模型的預設格式，後端工具可能無法接受。
• 把第一次提示當作最終版本。 提示工程是迭代的。期望一次就得到完美結果，只會讓團隊感到沮喪。

迭代與精煉提示

提示工程從根本上是一個循環，而非一次性行動。商業用戶遵循的實作循環如下：

1. 撰寫第一版提示草稿，包含清楚的指令和任何顯而易見的上下文。
2. 執行提示，在 Gemini app 或 Vertex AI Studio 中讀取回應。
3. 診斷差距——語氣不對？缺少資訊？格式錯誤？太長？太通用？
4. 精煉提示——加入上下文、加入範例、指定角色、說明格式，或拆分任務。
5. 重複直到輸出穩定符合需求，然後將有效的提示儲存為範本。

這個循環正是 Vertex AI Studio 存在的原因：它讓測試—精煉—儲存的循環快速且清晰可見。對團隊的心態轉變是：將第一次提示視為起點，將精煉視為正常、預期中的工作。運作良好的提示，將成為整個組織都能重複使用的耐久資產。

常見問題

用白話說，提示究竟是什麼？

答： 提示是你給生成式 AI 模型的輸入，告訴它你想要什麼——也就是你在 Gemini app 或 Vertex AI Studio 中輸入的問題、指令或文字。模型完全根據那個提示產出回應。一個強大的提示通常包含四個構成要素：清楚的指令（任務）、上下文（背景資訊）、範例（輸入輸出配對樣本），以及輸出格式（答案應呈現的樣貌）。沒有提示什麼都不會發生，這也是為什麼提示是商業用戶能掌控的最重要槓桿。

零樣本提示和少樣本提示有什麼差別？

答： 零樣本提示給模型一個指令，完全不附範例——你只描述任務，依靠模型的通用訓練來處理。少樣本提示在說明真正的請求之前，包含少量範例（通常二至五個），示範你想要的確切輸入輸出模式。實用原則是：從零樣本開始，若輸出不一致或格式錯誤，加入範例並改用少樣本。少樣本提示能在不需要任何模型訓練、程式碼或額外費用（只是略長的提示）的情況下提升一致性。

系統指令和使用者提示有什麼差別？

答： 系統指令是層級較高的方向，定義模型在整個對話或應用程式中的整體角色、行為、語氣和規則——通常由業務方或開發者一次性設定，在 Vertex AI Studio 中有專屬欄位。使用者提示是終端用戶在對話中逐次輸入的個別變動訊息。系統指令扮演治理與管控要點的角色：它們編入人設、安全邊界和範圍，讓 AI 在數千次不可預測的使用者提示中，始終保持一致且符合政策的行為。

我需要會寫程式才能做提示工程嗎？

答： 不需要。提示工程是溝通技巧，不是程式設計技巧。提示是用白話自然語言撰寫的，組織中的任何人——行銷、法務、人資、財務、營運——都能學習撰寫有效的提示。它更接近撰寫清楚的工作說明書，而非撰寫軟體。對 Generative AI Leader 而言，這意味著提示素養是值得投資的全員能力，而非小眾技術專長。

我的 AI 輸出品質很差——應該換用更大的模型嗎？

答： 通常不應，至少不應該先這樣做。在大多數情況下，輸出品質差或過於通用，是由於提示弱，而不是模型不足。成本最低、速度最快的解法是改善提示：加入上下文、提供二至三個範例（少樣本提示）、指定清楚的角色、強化指令，並說明輸出格式。升級到更大的模型或建立微調流水線成本高昂，應在窮盡提示改善後才考慮。

什麼是思維鏈提示？

答： 思維鏈提示要求模型在給出最終答案之前逐步推理問題，通常是加入「請一步一步說明你的推理過程」這樣的句子。它對多步驟任務（如數學應用題、邏輯謎題和有多個條件的決策）能提升準確度，因為模型不易跳過步驟。它也能讓模型的推理過程可見，方便人工審查者確認答案的得出方式。這裡以概念層次介紹；更深入的精煉方法屬於提示優化技巧章節的範疇。

商業用戶實際上在 Google Cloud 的哪裡撰寫提示？

答： 主要環境有兩個：Gemini app——適合個人實驗的簡單對話介面；以及 Vertex AI Studio，Generative AI on Vertex AI 的一部分，是設計、測試、版本管理和儲存提示範本的專業環境，並包含獨立的系統指令欄位。提示也在 Gemini for Google Workspace 中進行，它將提示功能帶入 Gmail、Docs、Sheets 和 Slides。在這些介面上，提示技能都是相同的。

摘要：Generative AI Leader 的提示工程

對 Generative AI Leader 而言，提示工程是決定生成式 AI 投資是否能產生價值的基礎技能。提示是引導每一次模型互動的指令，而一個強大的提示結合四個要素——指令、上下文、範例和輸出格式。請記住零樣本與少樣本提示的差別，理解角色提示如何維持一致的品牌語氣，認識思維鏈作為改善多步驟推理的方式，並區分系統指令（穩定的治理層）與使用者提示（變動的請求）。最重要的是，深刻理解提示品質決定輸出品質，改善差劣輸出的第一步是更好的提示而非更大的模型，以及提示工程是每個部門都能學習的商業溝通技能。在 Gemini app 中實踐、在 Vertex AI Studio 中精煉，優質提示是組織能夠建立的最高槓桿、最低成本的能力。