每個你從 Claude 得到的結果，都始於一件事：你的提示詞（prompt）。
把這篇存起來 :)
平庸的提示詞產生平庸的輸出。精準的提示詞產生精準的輸出。模型一樣，訂閱方案一樣，唯一的變數是你怎麼跟它溝通。
而大多數人在這方面表現得很糟。
不是因為他們笨，而是因為沒人教過他們。他們想到什麼就打什麼，按 Enter，然後祈禱結果不錯。當結果不理想時，他們怪罪模型，而不是怪提示詞。
提示詞工程（Prompt engineering）是當今 AI 領域中槓桿率最高的技能。學習成本為零，不需要任何技術背景。初學者等級的提示詞和專家等級的提示詞之間的差距，就像一個「還算有用」的工具和一個能徹底改變你工作方式的工具之間的差距。
這是完整的課程，從零到專家。每個重要的技巧，都有範例說明。
Level 1：基礎篇（90% 的人搞錯的地方）
最大的單一錯誤
大多數人寫提示詞是這樣的：
「幫我寫一篇關於 AI 趨勢的部落格文章。」
這就像走進餐廳說「給我食物」。你會得到東西，可能還能吃，但絕對不是你想吃的，因為你沒說你想要什麼。
解決方法是「具體化」。你每留下一個未指定的元素，Claude 就得去猜，而 Claude 的猜測不等於你的偏好。
以下是同一個請求，正確的寫法：
「寫一篇 1,500 字的部落格文章，探討 2026 年企業軟體中最重要的三個 AI 趨勢。我的讀者是中階市場 SaaS 公司的副總級決策者。語氣要有權威性但又要像聊天——就像一位知識淵博的同事，而不是教科書。每個趨勢都要列出具體的公司案例和數據。開頭要用一個鉤子挑戰常見的假設。結尾要提供三個可執行的下一步。不要使用『在今日快速變化的環境中』或『值得注意的是』這類詞句。」
同樣的模型，同樣的訂閱方案，完全不同的輸出。唯一的差別就是提示詞。
五大框架
每個專家級的提示詞都有五個組成部分。缺少任何一個，輸出品質就會下降。
1. 角色 — Claude 在這次互動中是誰？「你是一位擁有 10 年 B2B SaaS 經驗的高階產品行銷經理」能給 Claude 一個寫作的視角。沒有角色，Claude 就會預設成「通用助手」，這不是任何人理想的聲音。
2. 背景 — Claude 需要知道什麼？你的產業、你的讀者、你的專案、你的目標。Claude 擁有的相關背景越多，輸出就越有針對性。
3. 任務 — 你確切想要什麼？不是大概，是確切。「分析這個」太模糊。「找出這份合約中前三大風險因素，解釋每個因素為什麼重要，並建議具體的語言修改來降低每個風險」就很精確。
4. 格式 — 輸出應該長什麼樣子？條列式？流暢的散文？表格？電子郵件？有章節的報告？如果你不指定格式，Claude 會選一個，但未必符合你的需求。
5. 限制 — Claude 不應該做什麼？「不要超過 500 字。不要用行話。不要加備註或免責聲明。不要使用被動語態。」負面限制是消除 AI 聽起來像 AI 的最快方法。
記住這個框架，用在每個提示詞上。你的輸出品質會立刻提升。
Level 2：中級技巧
技巧 1：提供範例
一個範例勝過十段說明。
與其用抽象詞彙描述你想要的格式，不如給 Claude 一個具體的例子：
「這是我想要的輸出格式範例：
趨勢：邊緣運算採用
現況：企業將推論工作負載從雲端轉移到邊緣裝置，延遲從 200ms 降到 10ms 以下。
重要性：對於即時應用如自駕車和工業機器人，這種延遲降低是可行與不可行的關鍵。
誰在做：Tesla（Dojo 晶片）、Apple（神經引擎）、Qualcomm（AI Hub）。
值得關注：雲端供應商是否會以混合邊緣雲端方案回應，或放棄這個市場。
現在請按照這個確切格式再寫三個趨勢段落。」
Claude 比對範例的模式匹配比解讀抽象描述更準確。永遠要「展示」，不要只「告訴」。
技巧 2：串聯提示詞
複雜的任務拆成步驟會得到更好的結果。
不要讓 Claude 在同一個提示詞裡研究、分析、擬大綱、寫完整報告。拆成四個提示詞：
提示詞 1：「研究過去三個月 [主題] 的前五項發展。每個發展給我兩句摘要和來源。」
提示詞 2：「根據這些發現，找出三個最重要的趨勢。每個趨勢解釋驅動因素和潛在影響。」
提示詞 3：「為這些趨勢的報告建立大綱。包括執行摘要章節、每個趨勢的詳細章節，以及建議章節。」
提示詞 4：「根據這個大綱寫完整報告。符合我的寫作風格 [參考專案中的範例]。目標 2,000 字。」
每一步都建立在前一步的基礎上。品質隨著每一步累積，因為 Claude 處理的是精煉過的輸入，而不是從頭做起。
技巧 3：負面限制堆疊
有時候，快速獲得優質輸出的方法就是消除所有不好的東西。
「不要使用填充詞。不要用『值得注意的是』或『總而言之』開頭。不要使用『槓桿』、『協同』、『範式』、『生態系』這些詞。不要加不必要的備註或模糊用語。不要使用被動語態。不要重複已經講過的觀點。」
堆疊六到十個負面限制，輸出馬上聽起來不像 AI，更像一個有真實意見的人。
技巧 4：自我評估循環
「寫完回應後，用三個標準（準確性、清晰度、對我的特定讀者的有用性）從 1 到 10 評分。如果任何分數低於 8，請改進。只顯示改進後的版本。」
這個技巧在 Opus 4.7 上比早期模型有效得多，因為自我驗證能力提升了。Claude 會在自己看到之前就抓到弱點並修正。
技巧 5：背景優先排序
把參考資料放在你的指示「上面」，不是「下面」。
不好：「總結這份數據的主要發現。[500 行數據]」
好：「[500 行數據] 根據以上內容，總結與 B 輪募資最相關的三項關鍵發現。」
Anthropic 自己的測試顯示這種排序能產生更好的結果，因為 Claude 在接收指示之前先處理了背景，而不是要在閱讀背景時一直記住指示。
Level 3：專家技巧
技巧 6：XML 結構
Claude 是用結構化提示詞訓練的。XML 標籤是它的母語。
1<role>你是一位專注於 SaaS 指標的資深財務分析師</role>2<context>我正在準備下週二的董事會會議。董事會包括三位主要關心成長效率指標的投資人。</context>3<task>分析附上的財務數據，準備一份董事會可用的摘要</task>4<output_format>5 - 執行摘要（3 句）6 - 關鍵指標表（ARR、成長率、燒錢倍數、CAC 回收期、NRR）7 - 三項優勢領域及支持數據8 - 兩項需關注領域及建議行動9 - 附錄：方法論說明10</output_format>11<constraints>12 - 不得有推測或前瞻預測，除非標明為估計13 - 使用具體數字，而非概數14 - 總長度不超過 1,500 字（不含附錄）15</constraints>
XML 提示詞比自然語言提示詞產生更一致、更結構化的輸出，因為它消除了指示之間界限的模糊性。
技巧 7：多重角色辯論
「從三個角度分析這個商業決策：
角色 1：以成長為導向的 CEO，想要快速行動並搶佔市場。
角色 2：風險規避的 CFO，關心單位經濟效益和資金跑道。
角色 3：客戶倡導者，只關心這是否能改善使用者體驗。
每個角色用 3-4 句話提出最有力的論點。然後綜合所有三個觀點提出建議，並指出關鍵取捨。」
這個技巧產生的分析遠比單純請 Claude「分析」某件事來得豐富，因為它強迫考慮多個角度。
技巧 8：漸進式難度
先從簡單版本開始，然後逐步升級。
「首先，用一句話給我這份文件的三個要點。」[Claude 回應]
「好。現在把要點 2 擴展成一個完整段落，並附上具體支持證據。」[Claude 回應]
「現在為要點 2 寫一個反對意見（就像持懷疑態度的人會提出的），然後反駁它。」
每一步都建立在前一步的基礎上，且越來越深入。最終的輸出比任何單一提示詞所能產生的都更細膩。
技巧 9：迭代優化
最好的提示詞工程師不會期望第一次就完美。他們期望一個好的起點，然後逐步優化。
「這已經完成了 70%。以下是需要修改的地方：
- 開頭太籠統。換成一個具體的軼事或數據點。
- 第三部分太長。刪減 40%，只保留最強的論點。
- 結尾問了一個問題，但應該以陳述句結束。其他部分保持不變。」
具體、編號的回饋會產生具體的改進。模糊的回饋如「讓它更好」只會產生隨機的變化。
技巧 10：大師提示詞模板
以下是專家使用者會保存並為每個主要任務客製化的模板：
1<role>[具體專家身份]</role>2<context>[專案、讀者和情況的背景]</context>3<task>[要產出的精確描述]</task>4<examples>[2-3 個理想輸出品質和格式的範例]</examples>5<output_format>[交付物的確切結構]</output_format>6<quality_criteria>[對這個特定輸出來說，「優秀」長什麼樣子]</quality_criteria>7<constraints>[5-10 個要避免的具體事項]</constraints>8<verification>[要求 Claude 在交付前根據品質標準自我評估]</verification>
每個任務類型填寫一次這個模板。儲存它。重複使用。自訂變數。你的提示詞會比每次從頭寫的更結構化、更一致、更有效。
技巧 10：大師提示詞模板（重複內容，但依原文保留）
以下是專家使用者會保存並為每個主要任務客製化的模板：
1<role>[具體專家身份]</role>2<context>[專案、讀者和情況的背景]</context>3<task>[要產出的精確描述]</task>4<examples>[2-3 個理想輸出品質和格式的範例]</examples>5<output_format>[交付物的確切結構]</output_format>6<quality_criteria>[對這個特定輸出來說，「優秀」長什麼樣子]</quality_criteria>7<constraints>[5-10 個要避免的具體事項]</constraints>8<verification>[要求 Claude 在交付前根據品質標準自我評估]</verification>
每個任務類型填寫一次這個模板。儲存它。重複使用。自訂變數。你的提示詞會比每次從頭寫的更結構化、更一致、更有效。
在任何使用場景下都能產生最佳結果的 5 個提示詞
如果你想快速上手，這裡有五個隨時可用的提示詞， consistently 產生優質輸出：
分析提示詞：「你是一位擁有 15 年經驗的 [領域] 分析師。分析 [主題] 並找出三個最重要的 [洞察/風險/機會]。針對每一個提供：(1) 清楚的定義，(2) 支持你論點的具體證據，(3) 為什麼對 [讀者] 重要，(4) 建議的行動。盡量使用具體數字。不要模糊用語或加不必要的備註。」
寫作提示詞：「你是一位專業作家，作品曾發表在 [相關刊物]。為 [讀者] 寫一篇關於 [主題] 的 [格式]。開頭用一個 [挑戰假設 / 呈現驚人事實 / 講述具體故事] 的鉤子。使用短段落。每個句子要麼教會讀者什麼、證明什麼，或是帶領讀者前進。不要使用填充詞、企業行話或被動語態。目標 [字數] 字。」
決策提示詞：「我需要從 [選項 A] 和 [選項 B] 之間做決定。我的情況是：[背景]。根據以下標準分析每個選項：[標準 1]、[標準 2]、[標準 3]。對於每個標準，以 1-10 分為每個選項評分，並用一句話解釋分數。然後給我整體建議，附上信心水準（高/中/低），並指出最能改變你建議的單一額外資訊。」
問題解決提示詞：「我正在經歷 [問題]。到目前為止我嘗試過：[嘗試的方法]。我對根本原因的了解：[知識]。診斷最可能的原因。提出三個可能的解決方案，按成功可能性排序。對每個解決方案，估計所需的努力和成功的機率。推薦最佳前進方向。」
回饋提示詞：「根據以下品質標準審查 [我的作品]：[標準]。對每個標準以 1-10 分評分，並具體說明哪些地方好、哪些不好。找出我可以做的單一最高影響的改進。改寫最弱的部分，展示「優秀」長什麼樣子。請直接一點——我寧願聽嚴酷的真話，也不要溫和的鼓勵。」
儲存這五個提示詞。根據每個使用場景自訂方括號中的變數。你現在已經擁有五個最常見 AI 任務的專家級模板。
關於提示詞工程的誠實真相
這不是關於記住技巧，而是關於清晰的思考。
寫出一個好的提示詞需要你確切知道自己想要什麼、讀者是誰、「好」長什麼樣子、以及要避免哪些問題。
大多數人寫不出好的提示詞，因為他們根本還沒想清楚。他們對自己要什麼不清楚，卻期望 Claude 能自己搞懂。
最好的提示詞工程師不是打字最快的人，而是思考最清晰的人。
這篇文章中的每個技巧，本質上都是一個思考技巧，只是包裝成格式技巧。XML 標籤強迫你把指示分成清楚的類別；負面限制強迫你表達你不想要什麼；範例強迫你定義「好」到底長什麼樣子。
提示詞只是產物，思考才是技能。
今天就用五大框架開始。在你接下來五個提示詞中使用它。你會立刻看到差異。然後每週加入一個新技巧，直到十個技巧都成為第二本能。
追蹤我 @eng_khairallah1 以獲得更多 AI 課程和解析。我每週都會發布這樣的內容。
希望這對你有用，Khairallah ❤️
