全場景 AI Prompt 指令工程萬能百科全書
為什麼 Prompt Engineering 是 2026 年必備的變現技能？
如果你曾經覺得 AI 「很笨」「答非所問」「給出的內容不能用」，問題很可能不在模型，而在你給它的指令。
2026 年的大型語言模型（如 GPT-4o、Claude 3.5 Sonnet、Gemini 2.0）已經具備極強的理解與生成能力，但它們本質上是「高度依賴脈絡的模仿者」——你給什麼輸入，它就往那個方向發揮。給模糊的輸入，得到模糊的輸出；給精準的輸入，得到精準的輸出。
這份指南的目標，是幫你建立一套「全場景通用」的 Prompt 工程能力：
- 不管是寫文章、寫程式、做圖、做影片，都能套用同一套底層邏輯
- 不管是用 ChatGPT、Claude、Gemini、Midjourney、Sora，都知道如何微調
- 從新手常犯的錯誤，到 2026 最新的進階技巧，一次掌握
閱讀後，你應該能獨立設計出「讓 AI 產出商業等級成果」的指令，而不是只能得到罐頭回覆。
第一部分：核心底層邏輯——萬能 Prompt 公式
1. BROKE 框架：背景、角色、目標、關鍵、評估
無論面對哪種 AI，最穩定的輸出都來自「結構化指令」。BROKE 框架提供了一個簡單但強大的思考順序：
| 字母 | 代表 | 說明 | 實際應用範例 |
|---|---|---|---|
| B | Background（背景） | 提供脈絡。為什麼要執行這個任務？ | 「我們正在為一個針對港台職場人的 AI 趨勢網站撰寫內容」 |
| R | Role（角色） | 賦予 AI 特定身份 | 「你是一位在科技圈深耕 10 年的數位遊牧專家」 |
| O | Objectives（目標） | 明確最終產出是什麼 | 「撰寫一篇 1200 字的 Perplexity 實測報告」 |
| K | Key Constraints（關鍵限制） | 字數、口吻、禁止事項 | 「全文繁體中文，嚴禁『打工人』等詞彙，語氣專業且具啟發性」 |
| E | Evaluation（評估標準） | 告訴 AI 什麼樣的結果才是完美的 | 「讓讀者讀完後覺得這是一個可執行的技術方案，而非雞湯文」 |
BROKE 框架的核心價值在於「強迫你思考清楚需求」。很多時候寫不出好 Prompt，不是因為不會用詞，而是因為自己對「到底想要什麼」還很模糊。
2. 少樣本提示（Few-Shot Prompting）
AI 是模仿大師。給予 2–3 個「範例（Example）」，能大幅提升回答的精準度，尤其是處理複雜格式或特定口吻時。
範例：轉換商務郵件語氣
請將以下句子轉換為專業的商務電子郵件語氣：
範例 1：
輸入：老闆，我需要請假
輸出：親愛的經理，我想申請一天的休假...
範例 2：
輸入：這個價格太貴了
輸出：感謝您的報價，經過內部評估後...
現在請轉換：
輸入：這個 deadline 不合理
輸出：
透過提供範例，你讓 AI 看到「什麼是好的」，而不是只用文字描述「我想要好的」。
3. 思維鏈（Chain of Thought, CoT）
在指令末尾加入「請一步步思考（Let's think step by step）」，能強制 AI 開啟邏輯推理鏈條。這在處理代碼、數學及法律邏輯時至關重要。
範例：數學問題
請解決這個數學問題，並展示你的思考過程：
如果一個商店在早上 9 點開門，每小時有 15 位顧客，
每位顧客平均消費 $25，請計算一天 8 小時的總收入。
請一步步思考，然後給出答案。
CoT 的價值不只是「得到正確答案」，而是「看到 AI 的思考過程」，方便你發現哪裡出錯、哪裡需要修正。
第二部分：不同場景的深度實戰指令
1. 角色代入與專業寫作（Text Generation）
針對不同對象，你需要調整「語氣」與「專業深度」。
場景 A：行銷文案（側重變現）
請以社群媒體經營者的身份，撰寫 3 篇關於「如何利用 Perplexity 提升工作效率」的推廣貼文。
受眾：港台地區的職場新手
風格：專業且具啟發性
重點：「節省時間」與「精準搜索」
限制：嚴禁使用「打工人」或「平民」等詞彙
場景 B：深度角色代入（數位副業導向）
你現在是一位在港台科技圈深耕 10 年的數位遊牧專家與 AI 變現教練。
你的文字風格既專業又接地氣，像是在跟老朋友分享賺錢密技。
任務：撰寫一篇關於「Perplexity 如何取代 Google 成為職場效率神器的實測報告」
結構要求：
1. 痛點開頭：描述現代人被 SEO 垃圾資訊淹沒的痛苦
2. 核心優勢：重點介紹「連結引用」與「Copilot 模式」
3. 實戰場景：模擬一個「尋找最新副業市場數據」的過程
4. 總結與金句：給讀者一個立即行動的理由
關鍵限制：
- 全文使用繁體中文
- 嚴禁出現「打工人」、「平民」、「性價比」等詞彙，改用「職場人」、「大眾」、「CP值」
- 加入 3 個符合台灣或香港職場情境的例子
- 使用 No-code 工具加速流程
2. 資料處理與自動化（Coding & Automation）
針對需要寫程式或處理資料的任務，指令需具備「原子化」與「可執行性」。
場景 A：整理與分析資料
你現在是一位資料整理專家。
背景：我有一份上個月的銷售資料，是 CSV 格式，包含日期、產品名稱、銷售額、客戶地區。
任務：
1. 幫我整理成一份簡潔的月度摘要
2. 計算總銷售額與最暢銷的 3 個產品
3. 按地區分類，指出哪個地區貢獻最多收入
4. 用表格呈現結果
輸出：Markdown 格式，包含表格與簡短分析
場景 B：撰寫程式碼片段
你是一位資深 Python 開發者。
背景：我需要一個簡單的腳本來處理重複性工作
任務：寫一個 Python 函數，功能是把資料夾內的所有 .txt 檔案合併成一個檔案，並在每個檔案內容前加上檔案名稱作為標題。
要求：
- 包含錯誤處理（例如檔案不存在的情況）
- 加上註解說明每一行在做什麼
- 提供一個使用範例
輸出：完整的 Python 程式碼，以 Markdown 程式碼塊格式呈現
場景 C：修復與優化現有內容
我寫了一段文案，但覺得語氣太生硬。
請先：
1. 分析這段文字目前的語氣與問題
2. 改寫成溫暖、親切的風格，同時保持專業感
3. 提供 2 個不同版本的改寫，讓我選擇
原文：
[貼上你的文字]
場景 D：批次處理任務
我需要批次處理一批資料。
任務：寫一個簡單的處理流程
功能：幫我把 20 個產品名稱轉換成適合 SEO 的網址格式（slug），並檢查是否有重複
輸入範例：
產品 A：無線藍芽耳機 Pro
產品 B：Type-C 快充線 1.5m
要求：
- 全部轉成小寫
- 空格與特殊符號改為連字符 -
- 輸出為表格，包含原名稱與 slug 對照
輸出：Markdown 表格
3. 圖像生成（Image Generation）
針對 Midjourney 與 DALL-E 3，重點在於「光影、材質、構圖」的敘事邏輯，而不是形容詞堆砌。
通用公式
[主體] + [動作/狀態] + [場景/背景] + [構圖/鏡頭] + [光影/色彩] + [藝術風格] + [參數]
實戰範例 A：拒絕 AI 感的專業人像
一位 30 歲的亞洲女性專業人士坐在現代化的辦公室內，
背景是台北信義區的黃昏景色，落地窗反射微光。
照片風格，極其寫實，4k 解析度，
使用 35mm 鏡頭拍攝，自然光影，避開過度飽和的色彩。
不要任何卡通感，不要出現機器人元素。
--ar 16:9 --v 6.0
實戰範例 B：商業攝影等級產品圖
主體：一個極簡風格的高質感工作桌場景，畫面中心是一台銀色筆電，螢幕上顯示複雜的神經網路示意圖。
環境：位於東京市區高樓中的開放式攝影棚，時間為「藍調時刻」，透過大面落地窗可以隱約看到遠處新宿的城市燈光，但背景略為散景模糊。
光線：柔和的電影級打光，略帶鏡頭耀光效果，主要光源來自窗外自然光，桌面與白色牆面形成自然的反射補光。
相機設定：模擬使用 Sony A7R IV 全片幅相機，85mm f/1.4 鏡頭，對焦精準落在筆電螢幕，背景呈現柔和的奶油散景（bokeh）。
風格：高級商業攝影風，8K 級解析度，照片級寫實，構圖乾淨，色調以低飽和的藍灰與白色為主，營造專業、安靜、理性的科技氛圍。
負向提示（Negative Prompt）：不要出現卡通風格、不要 3D 渲染感、不要過度飽和的顏色、不要雜亂的電線與雜物。
參數：--ar 16:9 --v 6.0 --style raw --s 50
實戰範例 C：電影感光影敘事
主體：一款極簡主義的 AI 智慧音箱
環境：充滿自然光的北歐風客廳
光影指令：
- Rembrandt lighting (林布蘭光)
- Volumetric fog (體積雲/丁達爾效應)
- Golden hour tone
技術細節：Fujifilm XT4, 35mm lens, f/1.8
氛圍：溫暖、平靜、高端
--ar 3:2 --v 6.0
2026 新範式：材料科學與微觀光學
主體為 [產品名稱]
環境：環境光遮蔽 (Ambient Occlusion) 設為高對比
材質要求：
- 呈現「拉絲鋁合金」的各向異性反射 (Anisotropic Highlights)
- 表面要有細微的指紋痕跡以增加真實感
光影：採用「焦散效果 (Caustics)」模擬光線穿過玻璃杯後的折射水紋
4. 影片生成與分鏡（Video Generation）
針對 Sora、Kling、Runway 等工具，需要描述「動態過程」與「鏡頭運動」。
實戰範例 A：科技感產品展示
鏡頭由遠及近（Zoom-in），展示一個懸浮在空中的銀色金屬方塊。
隨著方塊緩緩旋轉，表面流動著藍色螢光線條。
背景是純黑色的虛無空間。
電影級質感，慢動作，微距攝影，120fps。
實戰範例 B：商業宣傳片分鏡
鏡頭 1 (開場)：
Extreme Close-up (特寫)。鏡頭對準一個正在高速運算的處理器核心，
藍色的電流像脈搏一樣在電路板上跳動。
鏡頭 2 (轉場)：
Fast Zoom-out (快速拉遠)。隨著拉遠，畫面從微觀電路轉變為繁華城市的俯瞰夜景
（如香港維多利亞港），城市燈火與剛才的電路圖完美重疊。
鏡頭 3 (核心動作)：
一個金色的數位圖標「$」在城市上空緩緩升起，並散開成無數的數據粒子落下。
光影與節奏：
電影級調色，高對比度，快節奏剪輯感。
背景音樂需伴隨電子合成器的低音。
畫質要求：Photorealistic, 4K, 60fps, fluid motion.
實戰範例 C：導演分鏡語言
場景：快速切換的蒙太奇
畫面 A：
一位開發者在黑暗中敲代碼，螢幕光反射在眼鏡上（鏡頭：特寫）
畫面 B：
隨著手指按下 Enter，螢幕瞬間爆發出無數發光的程式碼線條，
飛出窗外覆蓋城市（鏡頭：大遠景，快速拉升）
動態要求：
畫面之間的銜接要使用「物體遮擋轉場」
色彩：
從冷色調（孤獨感）轉向暖色調（希望感）
指令重點：
寫實質感，流暢動作，120 幀慢動作捕捉細節
5. 商業分析與變現策略（策略大腦）
實戰範例：AI 字典商業化方案
你現在是一位頂尖的 SaaS 產品經理與增長駭客。
背景：
我們團隊正在開發一個針對港台市場的「AI 趨勢百科字典」，
目前已有 300+ 核心術語。
任務：
請幫我規劃一個三階段的「變現藍圖」：
1. 流量獲取期 (0-3個月)：
如何利用 SEO 和社群媒體（Threads/FB 群組）將這部字典推向大眾？
請給出 5 個具體的內容選題。
2. 產品化時期 (3-6個月)：
字典除了網頁版，還可以轉化為什麼樣的數位產品？
（例如：Notion 模板、付費電子書、Chrome 插件？
請評估其開發成本與回報率）
3. 商業轉化期 (6個月後)：
如何與 AI 工具廠商（如 VPN、AI 繪圖工具）達成 B2B 合作？
請撰寫一段專業的合作邀請信草稿。
輸出要求：
請使用表格形式對比這三階段的重點工作、預期目標與所需資源。
第三部分：針對不同 AI 工具的微調建議
| AI 工具 | 指令側重點 | 獨家技巧 |
|---|---|---|
| ChatGPT (GPT-4o) | 邏輯性與多功能性 | 使用「自定義指令 (Custom Instructions)」來固定你的語言習慣 |
| Claude 3.5 Sonnet | 文學性與代碼精準度 | 適合處理長文本。輸入時可加上「請保持邏輯嚴密，並在 Artifacts 窗口顯示」 |
| Gemini | 信息檢索與時效性 | 指定來源，例如：「請僅參考最近 3 個月的繁體中文科技新聞」 |
| Midjourney | 視覺藝術美學 | 使用 --s 250 (Stylize) 調整藝術化程度，使用 --no 排除不要的元素 |
第四部分：進階技巧——自動化與組合拳
1. 負向提示（Negative Prompting）
明確告知 AI「不要什麼」。
生成一篇關於副業的文章，
但不要提到任何關於詐騙、博弈、或需要大量前期投入的項目。
2. 變量注入（Variables）
如果你需要批次生產內容，可以使用變量標籤。
請根據 [主題] 撰寫文案。
主題 = {AI 繪圖、AI 寫作、AI 自動化}
3. 多輪反饋循環（Iterative Refinement）
永遠不要期望第一時間就得到完美答案。
策略：
- AI 生成初稿
- 你提供回饋：「這部分的技術細節太淺了，請加入關於 Vector Database 的解釋」
- AI 修正
- 重複直到滿意
4. 蘇格拉底式反詰（Self-Correction Loop）
用途：確保輸出的內容邏輯嚴密，無懈可擊。
在我給你任務後，請先不要執行。
請先列出 5 個你認為需要釐清的潛在問題，
以確保最終產出最符合我的需求。
當我回答完這 5 個問題後，
請你根據我的回答，撰寫一個「最終執行版本」的指令給我確認，
最後再開始執行。
5. 逆向工程指令（Reverse Prompting）
用途：當你看到一篇寫得很好的文章或一張精美的 AI 圖，讓 AI 拆解其 Prompt。
請分析這篇關於 [AI 副業] 的文章（或這張圖片）。
分析其：
- 寫作結構
- 情緒煽動點
- 受眾定位
- 使用的專業術語
接著，請根據分析結果，
還原成一個高品質的 Prompt，
讓我可以生成風格完全一致但主題不同的新內容。
6. 多重人格專家小組（The Expert Panel）
用途：針對複雜決策進行全方位評估。
請分別代入三個角色：
1. 犀利的數位行銷專家
2. 嚴謹的技術架構師
3. 精打細算的終端用戶
針對「[某款 AI 工具] 的變現潛力」進行辯論。
每個角色提出 3 個觀點。
最後由你作為主編，
綜合三方意見，給出一份最客觀的執行方案。
第五部分：錯誤 vs 正確示範對比
1. 角色代入與內容創作（文案篇）
❌ 錯誤示範：過於籠統
幫我寫一篇關於 ChatGPT 怎麼賺錢的文章，要 800 字，繁體中文。
問題：
- 沒有角色、沒有受眾、沒有具體案例
- AI 會給出一堆廢話（如：做自媒體、寫代碼等泛泛而談的建議）
✅ 正確示範：結構化賦能
你現在是一位專注於 AI 自動化流程的資深顧問，說話風格簡潔、充滿實操感。
任務：
撰寫一篇針對「港台自由職業者」的 AI 變現指南。
具體要求：
- 核心觀點：不要只說「寫文章」，請聚焦在「利用 AI 工具自動生成電商產品描述」
- 實作步驟：詳細拆解從資料採集、Prompt 處理到自動發布的邏輯
- 語氣限制：專業且具啟發性。嚴禁使用「平民、小白、逆襲」等情緒煽動詞
- 在地化：使用台灣/香港職場常用詞彙（例如：SEO 優化、轉化率、專案管理）
目標：
讓讀者讀完後覺得這是一個可執行的「技術方案」而非「雞湯文」。
2. 程式開發與數據庫（技術篇）
❌ 錯誤示範：缺乏約束
幫我寫一個 SQL，建立一個存儲 AI 字典術語的表格，要有 id 和內容。
問題：
- 沒考慮擴展性、沒考慮安全性（RLS）、沒考慮索引
- 這在生產環境中是危險的
✅ 正確示範：生產環境標準
你是一位資深 Database Architect (DBA)，正在為一個高併發的 AI 字典項目設計架構。
背景：資料庫使用 PostgreSQL
任務：建立 ai_glossary 表格
技術規格：
- id: 使用 uuid 並設為預設值 gen_random_uuid()
- term: 唯一索引 (Unique)，不得為空
- definition: text 格式
- category: 使用 enum 類型（包含：Prompt, Model, Tool）
- created_at: 帶時區的 timestamp
安全性：
- 開啟 RLS
- 建立 Policy：匿名用戶僅可讀取 (SELECT)，只有管理員（特定 UID）可寫入
效能：
- 針對 term 和 category 建立 B-Tree 索引
輸出：
請提供完整的 SQL 腳本並附上各步驟的註釋。
3. 圖像生成（設計篇）
❌ 錯誤示範：關鍵詞堆砌
一個漂亮的 AI 機器人，科技感，高清，8k。
問題：
- AI 會隨機生成，通常會出現廉價的 3D 渲染感或卡通感
- 不符合專業團隊需求
✅ 正確示範：攝影敘事邏輯
主體：
一台半透明的量子計算機核心，內部流動著如神經網路般的淡紫色螢光。
環境：
極簡主義的實驗室，背景是深灰色的清水模牆面。
構圖：
近距攝影 (Close-up)，對角線構圖，焦點聚焦在核心的晶片紋路。
光影：
丁達爾效應 (Volumetric lighting)，從側面射入的一束自然冷光，形成強烈明暗對比。
風格：
現代商業攝影。拒絕任何卡通、過飽和、或五顏六色的廉價 AI 風格。
參數：
--ar 16:9 --v 6.0 --style raw --no cartoon, saturation
4. 變現策略分析（商業篇）
❌ 錯誤示範：問法太軟
AI 字典怎麼賺錢？給我幾個主意。
問題：
- 回答會很片面，通常是：接廣告、賣會員
✅ 正確示範：競爭戰略分析
你現在是一位 SaaS 增長駭客 (Growth Hacker)。
請針對「港台 AI 趨勢百科」項目進行商業化拆解。
前提：
我們已有 300+ 專業術語，且具備技術開發能力。
分析維度：
1. 工具化變現：
如何將字典封裝成一個「AI 術語速查助手」或「Prompt 模板生成器」供讀者付費使用？
2. B2B 合作：
針對 VPN 供應商或 AI 工具商，我們可以提供什麼樣的「精準流量置換」方案？
3. 內容矩陣：
在 Threads 和 LinkedIn 上，如何將字典術語拆解成「每日一詞」進行引流？
格式：
請用 SWOT 分析模型（優勢、劣勢、機會、威脅）總結，
並給出一個優先級清單。
5. 影片分鏡腳本（動態篇）
❌ 錯誤示範：描述不清
做一個 AI 改變世界的影片，要很酷。
問題：
- 無法給 AI 提供具體的動態指令
- 生成出的影片通常畫面閃爍且無主題
✅ 正確示範：導演分鏡語言
場景：快速切換的蒙太奇。
畫面 A：
一位開發者在黑暗中敲代碼，螢幕光反射在眼鏡上（鏡頭：特寫）。
畫面 B：
隨著手指按下 Enter，螢幕瞬間爆發出無數發光的程式碼線條，
飛出窗外覆蓋城市（鏡頭：大遠景，快速拉升）。
動態要求：
畫面之間的銜接要使用「物體遮擋轉場」。
色彩：
從冷色調（孤獨感）轉向暖色調（希望感）。
指令重點：
寫實質感，流暢動作，120 幀慢動作捕捉細節。
第六部分：Prompt 工程的三大核心維度
1. 具體度（Specificity）：從「模糊」到「精準」
AI 是一個強大的執行者，但它沒有靈魂，如果你不給它具體的座標，它就會在平均值的泥淖中打轉。
數值化需求：
- 不要說「寫長一點」
- 要說「全文約 1200 字，分為 5 個大段落，每段配一個小標題」
格式化輸出：
- 不要說「給我一些代碼」
- 要說「請以 Markdown 程式碼塊格式輸出，並使用 TypeScript 編寫，附上 JSDoc 註解」
提供範例 (Few-Shot)： 這是提升具體度最快的方法。給 AI 一個你滿意的舊案例，告訴它：「請參考這個語氣和結構來撰寫新內容。」
腦中檢查清單：
- 我是否有要求特定的清單數量（例如：給出 7 個建議）？
- 我是否有指定特定的關鍵字或專業術語（例如：一定要包含「向量資料庫」）？
- 我是否有指定排版方式（表格、JSON、還是 Bullet points）？
2. 約束力（Constraints）：劃定「禁區」
約束力是為了防止 AI 的「幻覺」或「過度發揮」。在商業寫作中，不說什麼往往比說什麼更重要。
負向指令（Negative Constraints）： 明確列出禁止使用的詞彙。例如：「嚴禁出現『平民』、『打工人』」或是「禁止使用過於誇張的感嘆號」。
邏輯邊界： 告訴 AI 不要推測不確定的事實。例如：「如果搜尋不到相關數據，請直接告知，不要自行編造」。
風格過濾： 排除不想要的風格。例如：「這是一篇技術文檔，請刪除所有煽情、類比不當或幽默的語句」。
腦中檢查清單：
- 我是否有告訴 AI 避開哪些敏感話題或過時術語？
- 我是否有規定句子的長度（例如：避免長難句，句子長度不超過 20 字）？
- 我是否有要求 AI 不要重複我提問中的原話？
3. 脈絡（Context）：賦予「靈魂」與「目的」
脈絡決定了 AI 產出的「適配性」。同樣是解釋「提示詞工程」，發在 Threads 和寫在正式教學文章中的寫法就會完全不同。
受眾畫像： 你的讀者是誰？是技術小白、資深工程師，還是正在尋找副業的家庭主婦？
平台屬性：
| 平台 | 需求特徵 |
|---|---|
| 社群媒體 | 需要鉤子（Hook）、表情符號、短句、互動性 |
| 官方網站/字典 | 需要權威感、SEO 佈局、中立視角、清晰的階層（H1/H2/H3） |
| 資料庫/代碼 | 需要邏輯結構、嚴謹性、標準化格式 |
前因後果： 為什麼我們要寫這個？例如：「我們需要這篇文章來引流到我們的 AI 課程，所以結尾必須引導讀者點擊連結」。
腦中檢查清單：
- AI 知道它是為哪個品牌說話嗎？（例如：代表 Easy Earn AI 團隊）
- AI 知道這份內容產出後會被放在哪裡嗎？
- AI 知道讀者在讀完後應該產生什麼行動嗎（CTA）？
第七部分：2026 最新進階技巧
1. 思考緩衝（Thinking Buffer）
2026 年的模型具備極強的內省能力。最新的技巧是要求 AI 在輸出結果前，先建立一個「隱藏的思考空間」。
在回答我的問題之前，
請先在 <thought> 標籤內進行多維度分析：
包含潛在的邏輯漏洞、多種可能的解決方案、
以及對受眾（港台職場人）的心理預期分析。
完成後，再輸出正式內容。
價值： 這能強制 AI 執行深度推理，大幅減少「幻覺」並提升回答的深度。
2. 結構化工作流（Structured Workflow / Prompt Chaining）
現在主流的複雜任務處理，更強調將大問題拆解為多個小指令，而不是把所有要求都塞進一個巨大的 Prompt。
我們將進行一個三步工作流：
分析階段：
先讀這 50 則顧客回饋，找出最常被提到的 3 個抱怨點。
優化階段：
根據第一步的結果，重寫產品頁的常見問題與保證條款。
驗證階段：
檢查新版本是否仍有模糊承諾、空泛句子或重複內容。
請先執行第一步，等我確認後再進行下一步。
價值： 確保每一步都精確無誤，適合處理複雜的開發或大型文章撰寫。
3. 逆向心理學 Prompt（去 AI 味最強招式）
請撰寫關於 [主題] 的文章。
要求：
請模仿人類寫作者的「突發性 (Burstiness)」——
即句子長短交錯，有時使用長句進行深度解釋，
有時使用短句進行情感點綴。
避免使用 AI 常用的過渡詞（如：首先、此外、總之）。
請在文中加入一個具備爭議性的觀點，引發港台讀者的討論。
4. 流程設計師 Prompt（針對複雜任務）
你現在是一位內容流程設計顧問。
請在不改變品牌語氣的前提下，
為這套「每週文章審稿流程」加入可追蹤的檢查節點。
我需要這套流程能夠：
- 記錄每篇文章的校對狀態與截止時間
- 在發現錯字、重複段落或關鍵資訊缺漏時提醒編輯
- 讓不同寫手都能按照同一標準交稿
請先提供流程圖描述，再給出可直接執行的 SOP。
第八部分：綜合實踐範例
範例：從模糊到精準的改進過程
❌ 缺乏三指標的 Prompt：
幫我寫一篇關於時間管理的文章。
問題分析：
- 沒有指定角色 → AI 不知道要用什麼語氣
- 沒有指定受眾 → 不知道要寫給誰看
- 沒有指定長度與結構 → 可能得到太長或太短的內容
- 沒有指定風格限制 → 可能出現不想要的用詞
✅ 應用三指標的進階 Prompt：
（脈絡 Context）：
你現在是一位職場效率顧問，專門幫助自由工作者與遠距工作者提升生產力。
（具體度 Specificity）：
請撰寫一篇關於「自由工作者如何管理時間」的實用指南。
內容必須包含：
- 3 個自由工作者常見的時間管理陷阱（附具體例子）
- 5 個立即可用的實戰技巧（每個技巧控制在 100 字內）
- 1 個簡單的每日時間表模板
全文約 800–1000 字，使用繁體中文。
（約束力 Constraints）：
語氣要親切、實用，避免過度理論或學術詞彙。
不要出現「打卡」「上班族」等只適用於傳統辦公室的用詞。
結尾要有明確的行動呼籲，鼓勵讀者從明天開始嘗試第一個技巧。
第九部分：2026 核心檢查指標
當你寫完 Prompt，請在腦中快速掃描這張「2026 效能表」：
| 指標 | 2026 強化要點 | 檢查問題 |
|---|---|---|
| 具體度 (Specificity) | 數據化與結構化 | 我有給出 JSON 格式範例或具體字數區間嗎？ |
| 約束力 (Constraints) | 負向排除與邊界 | 我有明確禁止 AI 使用那些過時或低質量的流行語嗎？ |
| 脈絡 (Context) | 終端場景模擬 | AI 知道這段話是要在手機端閱讀還是作為後端 API 響應嗎？ |
延伸閱讀：把 Prompt Engineering 變成真實收入與工作流
結語：從「會用 AI」到「精通 Prompt Engineering」
掌握 Prompt Engineering 的核心，不在於背誦多少框架或技巧，而在於建立「精準溝通」的思維習慣：
- 先想清楚自己要什麼（BROKE 框架幫你梳理）
- 給 AI 具體的座標與邊界（具體度 + 約束力）
- 讓 AI 理解場景與目的（脈絡）
- 持續迭代優化（多輪反饋循環）
當你能為不同 AI 工具（ChatGPT、Claude、Gemini、Midjourney）設計出精準的指令，並持續產出商業等級的成果時，你就已經從「會用 AI」進化到「精通 Prompt Engineering」。
這項能力在 2026 年，將成為數位工作者最核心的競爭優勢之一。