2-3 给 AI 代理的提示词该如何调整?
2025年4月19日
在前两个单元中，我们分别讨论了提示词以及不同的 AI 模型，包括非推理模型与推理模型。在这个单元中，我将进一步探讨如何在与 AI 代理互动时调整提示词。
我们会先从非推理模型开始，也就是一般在使用 AI 聊天视窗时如何下提示词，并介绍其中的要点。接着再谈到使用 AI 代理或推理模型时，应该如何调整提示词，一起来探讨这个主题。
给传统非推理模型的提示词
给传统非推理模型下提示词时，有许多不同的原则，但我们最推荐的是把握三个基本原则：
- 明确：在下提示词时，尽量避免模糊不清。例如，如果你希望 AI 的回覆精简，就必须在提示词中明确加入相关的提示；反之，如果你想要回覆包含丰富的脉络与细节，也需要在提示词中清楚说明。若未在提示词中提供相关要求，AI 的回覆可能不会符合你的期待。因此，明确写出你想要的结果，是下提示词时最重要的概念之一。
- 具体：在英文中常听到「Multi-shot」的说法，也就是在提示词中加入范例，让模型更清楚预期的输出应该是什么样子。例如，你希望模型帮忙写测试程式时，可以具体附上几个理想测试的范例，这对提升输出成果的品质帮助很大。
- 让模型思考：在提示词中加入「让我们一步步思考」的指示，并将思考步骤拆解后请 AI 回覆。许多研究发现，加入思考步骤能显著提升回覆品质。
给推理模型或 AI 代理的提示词
了解非推理模型的提示词后，接下来谈谈与推理模型或 AI 代理互动时的调整方式。
以下是几个特别要注意的重点：
- 保持简单：提示词尽量简洁。
- 避免加入思考步骤：推理模型在训练过程中已融入思考元素，因此额外加入提示对输出品质提升帮助有限。
- 具体描述目标：清楚说明最终目标是什么。
可以看到，上面提的点当中，第一与第三点与非推理模型的提示词原则类似，但第二点「避免加入思考步骤」是关键差异。因为推理模型已内建思考能力，再次要求反而多余。
Open AI 共同创办人 Greg Brockman 曾推荐一种提示词写法，在 X 上广为流传 (连结)。
这个提示词结构分为四部分：
- 目标（Goal）：清楚说明请 AI 完成什么任务。
- 回覆格式（Return Format）：明确定义期望的输出格式。
- 注意事项（Warnings）：提醒 AI 在处理任务时需特别注意的地方。
- 脉络（Context）：提供相关背景资讯（后续单元会详细解说）。
这四个元素中，最重要的是将需求与目标描述得足够清楚。因为在使用 AI 代理时，它会自行推理、搜寻程式码库，并判断应采用何种风格撰写程式码。
过去在非推理模型中需自行附上的细节，在 AI 代理中大多可省略。因此，与 AI 代理互动时，提示词应保持简单，但目标与需求必须明确，以确保 AI 完成的任务符合预期。否则，若描述不清，可能导致生成的程式码无法满足需求。
总结来说，与 AI 代理互动时，「如何做」交给 AI 操心即可，可以把专注放在厘清目标与需求。
此系列文章为 《给工程师的 Cursor 工作流 — 透过 AI 代理全方位提升开发生产力》 搭配的教材。希望透过这系列文章，将过去协助导入 AI 工具及使用 Cursor 的经验扩展并分享给想提升生产力的读者。如果对课程感兴趣的读者，可以加入 E+ 成长计划，观看影片学习。