提示工程 (Prompt engineering)

寫出能讓 LLM 穩定產出高品質結果的 prompt 的技術，包含結構、範例、角色設定、限制條件。

Prompt engineering 是設計餵給 LLM 的文字，讓它做你要它做的事的技術。涵蓋指令放哪裡、要不要放範例、給模型什麼角色、加什麼限制、要它輸出什麼格式。它重要的原因是：同樣一個任務，prompt 寫法不同結果差很多。「總結這個」會給你很普通的輸出；「用三個 bullet point 總結，給忙碌主管看，聚焦財務影響」就能直接用。模型對 phrasing、順序、範例極度敏感——小改動可能讓成功率從 60% 跳到 95%。簡單例子：抽結構化資料。差的 prompt：「給我資料」。好的：「從下面文字抽出公司名稱、募資金額、輪次（Series A/B/C 等）。回傳 JSON，key 為 company、amount_usd、round。缺欄用 null。」第二個指定輸出 schema、處理缺欄、釐清幣別。常見技巧：few-shot 範例、chain-of-thought、角色設定、明確輸出格式、負面限制、prefill assistant 回答開頭。Anthropic、OpenAI、Google 都有自家模型的官方 prompt engineering 指南——從那邊開始，不要看隨機的 Twitter thread。延伸閱讀：few-shot、chain-of-thought、system prompt、prompt injection。