---
title: "提示工程（Prompt Engineering）"
slug: prompt-engineering
language: zh-TW
source: https://aiterms.tw/terms/prompt-engineering
updated_at: 2026-04-29
tags: [大型語言模型, 自然語言處理, 生成式AI, AI應用]
ipas_term: true
---

# 提示工程（Prompt Engineering）

> **你用 AI 寫摘要時，有沒有遇過同一個模型，換一句話問，答案差很多？**
>
> 你可以把提示工程想成幫 AI 設計題目，把目標、背景、格式和限制講清楚，模型才知道要交什麼作業。
> 它的重要性在於，很多 AI 表現不穩，不是模型不夠強，而是你沒有把需求說到位。

### 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。

### iPAS 考題
> **Q1：提示工程和特徵工程有什麼不同？**
> → 特徵工程整理的是資料欄位，提示工程整理的是語言指令，兩者面向的模型不同。
>
> **Q2：什麼時候應該使用提示工程？**
> → 當你想快速把模型輸出調到可用狀態時，提示工程通常是最快的路。
>
> **Q3：初學者學提示工程最常誤會什麼？**
> → 很多人把它想成只是問問題，其實它更像在設計一份清楚的任務說明。

### 常見問題
> **Q：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。
>
> **Q：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。
>
> **Q：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。

### 相關術語
> - **大型語言模型**：提示工程就是在和它對話時，幫它抓準任務邊界。
> - **自然語言處理**：理解 NLP 會讓你知道提示為什麼能影響結果。
> - **思維鏈**：需要多步推理時，這是常一起用的技巧。
> - **檢索增強生成**：要處理最新知識時，這是很常見的搭配。
> - **微調**：知道何時改提示、何時改模型，才不會走冤枉路。

---

來源：https://aiterms.tw/terms/prompt-engineering
快查頁：https://aiterms.tw/terms/prompt-engineering
外部參考：https://ipd.nat.gov.tw/ipas/certification/AIAP/news/ffdba0fcdbda40baadeef2a1bdc0230e
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-prompt-engineering