基礎的角色、任務、格式、限制學會之後，這 10 個進階技巧能把 prompt 控制再拉一階。每個都有具體範例，可以直接複製去試。
先講一個心態：prompt 工程沒有「最佳範本」，只有「當前最適合任務的寫法」。同一個任務類型可能有三四個 prompt 版本，因為不同模型、不同場景、不同心情寫出來的 prompt 效果就是不一樣。
1. 指派多重角色
不只給一個角色，而是疊兩到三層身份。
單一角色：「你是一個 SEO 顧問」。AI 會用 SEO 的角度回答，但可能忽略文案品質。
堆疊角色：
你同時具備以下三種身份：
1. 資深 SEO 顧問，熟悉 Google 2026 年的排名因素
2. 台灣科技部落客，擅長用白話解釋技術
3. 嚴格的編輯，會砍掉所有不必要的形容詞
用這三個角色的綜合判斷來完成以下任務。這樣 AI 在寫的時候會同時考慮 SEO、可讀性和文字精煉度。寫部落格文章的 prompt 適合用三層角色。
2. 分段送指令（Chunking）
長任務不要一口氣塞完。拆成兩到三段，每段確認 AI 理解了再繼續。
第一段送背景和規則：
想寫一篇關於 RAG 的教學文章。先不要寫，會分段提供資訊。
以下是這篇文章的目標讀者和風格要求：
[貼上風格規則]
請確認你理解了，用一句話摘要你的理解。等 AI 回覆確認後，第二段送大綱和素材。第三段才叫它開始寫。
這招在 ChatGPT 上特別有效。它的注意力容易在長 prompt 中散焦，分段送能讓它每一步都專注。
3. 給範例來校正輸出（Calibration Shot）
在正式任務之前，先給一個小測試。
在開始正式任務之前，請先用以下範例校準你的風格：
範例輸入：「什麼是 API？」
範例輸出：「API 就是兩個軟體之間的溝通橋梁。你用手機查天氣，手機 App 就是透過氣象局的 API 拿到資料的。不需要懂背後的技術，只要知道它是一個讓不同系統互相交換資訊的管道。」
請用這個風格回答接下來的問題。一個校準範例，勝過五百字的風格描述。AI 從範例裡抓到的風格資訊比用文字描述的精確很多。
4. 結束前，自我檢查
叫 AI 寫完之後自己 review。
完成以上任務後，請自行檢查：
1. 有沒有超過字數限制？
2. 有沒有使用以下禁用詞：[列出]
3. 每個論點是否都有具體例子支撐？
如果有問題，直接修正後輸出最終版。不需要列出修改過程。經驗談：Claude 的自查能力相對強。在 prompt 最後附一段自檢指令，相當於多了一道品質關卡。
5. 提供反面案例（Negative Few-shot）
告訴 AI「不要寫成這樣」，直接貼反面範例。
以下是不好的輸出範例，請避免這種風格：
不好的範例：「在 AI 快速演進的時代，選擇合適的模型至關重要。Claude 和 ChatGPT 各有優劣，前者擅長長文撰寫，後者則在創意發想方面表現突出。」
問題：開頭太八股、語氣像報告、沒有個人觀點、用了「至關重要」「各有優劣」。
請用朋友聊天的語氣重新表達同樣的資訊。正面範例教 AI 要什麼，反面範例教它避什麼。兩個搭配效果最好。
6. 風格指引
聊天介面沒辦法直接調模型溫度，但可以用文字影響它的「創意程度」。
要精確的時候：「請嚴格根據提供的資料回答，不要推測，不確定的地方標記為『待確認』。」
要創意的時候：「請大膽發想，列出 10 個不尋常的角度，不用在意可行性，越跳脫越好。」
同一個模型，這兩種指令的輸出差距非常大。SEO 內容規劃發想題目時用「創意模式」，寫正文時切到「精確模式」。
7. 結構化輸入
prompt 本身也用結構化格式寫，AI 更容易解析。
# 角色
台灣的 AI 教育工作者，政大資工碩士畢業
# 任務
寫一篇 1500 字的教學文章，主題：RAG 入門
# 讀者
- 非技術背景的上班族
- 聽過 AI 但沒用過 RAG
- 年齡 25-40 歲
# 格式
- Markdown
- 用 H2 和 H3 分章節
- 每章節 200-400 字
# 限制
- 繁體中文
- 不用「淺顯易懂」「華麗轉身」這類空話
- 不超過 1500 字用 Markdown 標題分區塊，AI 能更準確地抓到每個區塊的意圖。比全部擠在一大段文字裡，解析錯誤率低很多。
8. 迭代精修
第一版輸出不滿意不要從頭來。給具體的修改指令。
這個版本有三個地方要改：
1. 第二段的開頭太像報告，改成聊天語氣
2. 第四段的例子不夠具體，請用台灣企業的案例替換
3. 全文太均勻，把第三段縮短到兩句就好
其他部分維持不動。很多人第一版不滿意就整個砍掉重寫 prompt。在現有的基礎上修比重來一次快，而且 AI 有前面的對話脈絡，修改的方向更準。
9. 鎖定輸出格式
在 prompt 開頭就給一個輸出格式的骨架。
請用以下格式輸出：
## [章節標題]
[1-2 句核心概念]
[具體範例，用引用區塊格式]
[小企鵝的觀察：1-2 句個人心得]
---
每個章節都按照這個格式。一共 5 個章節。格式錨定的好處是 AI 會很穩定地重複同一個結構。特別適合系列文章、比較表格、FAQ 這類重複性高的輸出。
10. 請 AI 幫你生成 Prompt
最進階的一招：讓 AI 幫忙寫 prompt。
想完成以下任務：[描述任務]
請寫一個最適合 Claude 的 prompt，包含角色設定、任務描述、格式要求和限制條件。
寫完之後解釋你為什麼這樣設計每個部分。AI 寫出來的 prompt 通常結構比人類自己寫的完整、詳盡，在真的開始進入工作環節之前，你還能 review 各個細節再動工。
Prompt 方法論：三個原則
長期使用整理出三個原則。
先跑再改，別追求一次完美。 寫一個七成完成度的 prompt，跑一次看結果，再針對不滿意的地方修。這比花三十分鐘寫一個「完美 prompt」有效率。
prompt 是活的，常用 prompt 或 prompt 庫要定期更新。 模型會更新，同一個 prompt 在不同版本的 Claude Opus 上效果都可能不一樣。prompt 庫建議每隔一兩個月就 review 一次，砍掉過時的、更新效果變差的。
記錄踩坑。 每次 AI 的輸出跟預期差太遠，記錄是哪個環節出問題、怎麼修的。踩過的坑累積起來，就是最有價值的 prompt 經驗。
常見錯誤
最後三個常見錯誤。
塞太多角色。 疊三層角色有效，疊八層就混亂了。AI 會不知道優先聽誰的，輸出變得精神分裂。三層是上限。
限制條件互相矛盾。 「要有創意」跟「嚴格按照範例格式」放在一起，AI 會卡住。創意的任務放寬格式限制，精確的任務收緊創意空間，不要兩個都要。
忽略模型差異。 在 Claude 上跑得很好的 prompt 丟給 ChatGPT，可能效果打六折。每個模型的脾氣不一樣，值得花時間為常用模型各維護一版。模型差異整理在 Claude vs ChatGPT 和 Gemini vs ChatGPT。
這篇的 10 個技巧不用一次全學。挑兩三個跟工作最相關的，先用起來。等到那兩三個變成反射動作，再回來看剩下的。基礎結構從 提示詞完整指南 開始也可以。
小企鵝的經驗
小企鵝有一個固定用的 prompt 庫，主要是用來生圖，是長期累積的常用範本集合。每找到一組能穩定產出可用結果的 prompt 就分類存起來，下次需要類似任務時直接拿出來改幾個字。
實務上我調查過，最常用的是「角色堆疊 + 結構化輸入 + 自我檢查」三件套。寫部落格文章用三層角色（該領域顧問、白話翻譯者、嚴格編輯）疊起來，prompt 用 Markdown 分區塊清楚標示，最後一段叫 AI 自己過一次禁用詞和字數檢查。這個組合的單篇成功率最穩。
模型差異上，Claude 對長規則和限制詞表的遵守度最好，可以列十幾條禁用詞讓它避開；ChatGPT 列太多會選擇性忽略，要靠 Few-shot 範例 anchor 它的風格；Gemini 適合大量資料的長 context 任務，但中文功能限制要小心，有時要切英文 prompt 才會觸發某些功能。
每隔一兩個月會 review 一次 prompt 庫。模型版本更新後，同一個 prompt 的效果會變化；不抽時間維護，prompt 庫會變成一堆過時範本。
延伸閱讀
常見問題
Q: 進階 prompt 技巧跟基礎有什麼差別？
基礎是把四個元素（角色、任務、格式、限制）組合起來。進階是在這個基礎上加入策略，像是用範例校準風格、分段拆解任務、讓 AI 自我檢查。差別在於能控制的精細程度。
Q: 這些技巧每個 AI 模型都適用嗎？
大方向通用，但效果有差。Claude 對長規則和限制條件反應最好，ChatGPT 對範例學習最敏感，Gemini 適合大量資料搭配搜尋。文中每個技巧都會標適合的模型。
Q: 要花多少時間學？
每個技巧看完範例大概 5 分鐘就能理解。但要用得順手，需要自己動手改範例、跑幾次，抓到模型的反應模式。大概一兩週就能把常用的內化成習慣。
Q: prompt 寫很長不會超過字數限制嗎？
2026 年主流模型的 context 視窗都很大。Claude 200K tokens、Gemini 100 萬 tokens，長 prompt 在技術上完全沒問題。重點是有沒有用，不是長不長。
Q: 有推薦的 prompt 練習方式嗎？
最有效的方式：拿日常工作中的一個真實任務，寫 prompt 跑一次，看結果哪裡不滿意，改 prompt 再跑。這個循環跑個十次，比看教學學得快。
整理：Penna｜小企鵝 Penchan