無痛 AI 實驗室 (第3集):
有一項技能係我們一切工作嘅絕對基礎：Prompt Engineering（提示詞工程）。
而家呢樣野已經唔係「有更好，無都得」嘅技能，而係必須。 無論我們係寫客戶提案、生成採購報告、社交媒體帖文，定係開發內部工具，好嘅 prompting 就係分別「AI 出嚟好煩」同「AI 真正幫到大忙」嘅關鍵。
大語言模型（LLM）到底點樣運作？（老實解釋）大語言模型唔係有思想嘅機械，佢哋係極其複雜嘅預測引擎。佢哋喺海量數據上受訓，根據模式預測下一個最有可能出現嘅字、句子或者段落。
呢個原理解釋咗我們幾乎每日都遇到嘅三樣嘢：
- 同一個 prompt 可能有唔同答案（因為內置隨機性 / Temperature）
- 改一兩個字，輸出可以完全唔同
- 模糊嘅 prompt，幾乎一定出到模糊、普通，或者亂作（Hallucinate）嘅結果
當我們真正明白呢一點之後，我就唔再將 AI 當「魔法神燈」，而係當一個好強但好「死板」嘅實習生: 佢需要極度清晰嘅指示。改變一切嘅思維轉變將你嘅 prompt 當做精準嘅行動指令，而唔係隨便問一句。
你俾模型嘅模式越清晰、越強，結果就越好。
普通人常寫的 prompt：「幫我整個 marketing plan」
而好的 prompt：
「寫一篇 280 字嘅社交媒體帖文，俾香港做採購同貿易嘅 solopreneurs（獨立創業者）。主題：2026 年 AI 點樣改變 supplier discovery（搵供應商）。要包括 3 個實用策略，提及亞洲企業特別面對嘅挑戰，最後加一個 soft CTA，邀請讀者 comment 佢哋最大嘅採購痛點。」
「寫一篇 280 字嘅社交媒體帖文，俾香港做採購同貿易嘅 solopreneurs（獨立創業者）。主題：2026 年 AI 點樣改變 supplier discovery（搵供應商）。要包括 3 個實用策略，提及亞洲企業特別面對嘅挑戰，最後加一個 soft CTA，邀請讀者 comment 佢哋最大嘅採購痛點。」
質素差別，真係天壤之別。寫一個好的Prompt嘅方法：
1. 極度具體（Be Ultra-Specific）
加入長度、語氣、受眾、格式同例子等限制。具體永遠勝過花巧。
加入長度、語氣、受眾、格式同例子等限制。具體永遠勝過花巧。
2. 用 Role + Goal + Format（我喜愛嘅模板）
Act as a [角色]，擁有 15 年 [範疇] 經驗。
Goal: [你想達到嘅目的]
Context: [背景資料]
請用以下格式輸出：
- Section 1: ...
- Section 2: ...
Tone: [專業 / 輕鬆 / 說服力強]
字數：大約 X 字3. Chain of Thought（一連串思考）
叫模型一步一步諗，推理質素會大幅提升。
4. 迭代優化（Iterative Refinement）
永遠唔好接受第一次輸出。用以下方式跟進：
「唔錯，不過再精簡啲，加多啲香港實際例子，同埋加強說服力。」
永遠唔好接受第一次輸出。用以下方式跟進：
「唔錯，不過再精簡啲，加多啲香港實際例子，同埋加強說服力。」
5. 控制輸出格式（Structured Output）
做工具或者分析數據時，我經常強制 AI 輸出表格、JSON 或者有編號嘅框架。
做工具或者分析數據時，我經常強制 AI 輸出表格、JSON 或者有編號嘅框架。
最後心得
Prompt engineering 唔係「黑 AI」，而係同一種新形態智能掌握溝通。我們越用得熟，就越感覺自己係喺指揮 AI，而唔係單純用 AI。 喺香港呢個 AI 發展得咁快嘅環境，呢項技能畀咗我好大優勢—將一個 idea 由諗到做到，只需幾分鐘而唔係幾日。
今週挑戰：
- 將你平時用嘅任何 prompt, 寫得更子細
- 用同一個要求，分別試「有連接和結構性」同「開放式」兩個版本。
- 保留表現較好嘅一個，變成你自己嘅 template, 方便下次重用。
練習得越多，同 AI 一齊工作就越 painless（輕鬆）。