提示工程 是什麼？

Prompt Engineering — 提示工程 的完整解釋

提示工程是設計與優化輸入給 AI 模型的指令，以引導模型產生更準確、符合需求的回應

容易混淆

提示工程 vs 特徵工程 特徵工程是替傳統模型整理輸入欄位。 提示工程是替大型語言模型整理文字指令。 最關鍵的區別：一個處理資料欄位，一個處理語言指令。

提示工程 vs 微調 提示工程改的是輸入方式。 微調改的是模型參數。 最關鍵的區別：一個不動模型本體，一個會重新訓練模型。

提示工程 vs 檢索增強生成 提示工程是設計說法。 檢索增強生成是先查資料再回答。 最關鍵的區別：一個管怎麼問，一個管問之前先找資料。

記住這句就好

先把目標、背景、格式說清楚，再要求輸出。

實際案例

會議摘要 你要 AI 把 30 分鐘會議整理成三點重點，並指定要有待辦事項和負責人。 同一段輸入，因為格式要求清楚，輸出就會比隨口一問穩很多。

考題解說 你要 AI 用國中生看得懂的語氣解釋一個技術名詞，並限制在 120 字內。 模型知道讀者、長度與口氣後，內容會更貼近你要的場景。

算法與應用

好的提示通常會包含角色、任務、背景、限制、輸出格式和示例，少一個元素，答案就可能偏掉。 如果任務有固定格式，可以把欄位先列出來，再請模型填值，這比自由發揮更穩。 如果知識會常更新，常會先搭配檢索增強生成；如果風格或結構很固定，提示工程往往已經夠用。

情境判斷

Q1（直覺題）：你發現 AI 回答太長又太散，最先該改什麼？

→ 先改提示，把輸出長度、格式和重點順序寫清楚，通常比一直重問更有效。

Q2（判斷題）：如果你要的是最新法規、最新價格這類會變動的內容，只靠提示工程夠嗎？

→ 通常不夠，因為提示只能改說法，不能補最新資料，這時要搭配檢索或工具呼叫。

提示工程 在 iPAS 考試中的重點

根據歷年統計，提示工程 相關題目 平均佔 AI 技術類考題 8%， 屬於高頻考範圍。

常見出題方向：提示詞設計原則與框架（45%）、RAG 與 AI 工具整合（35%）、提示詞優化策略（20%）。

常見問題

提示工程和特徵工程有什麼不同？

特徵工程在整理資料欄位，提示工程在整理文字指令，前者面向傳統模型，後者面向大型語言模型。

什麼時候應該使用提示工程？

當模型能力已經夠用，但輸出不穩、格式不對、語氣不合時，提示工程通常是最快的修正方式。

初學者最常誤會什麼？

很多人以為只要把問題丟給模型就好，其實越是要穩定輸出，越需要把需求寫清楚。