2-3 給 AI 代理的提示詞該如何調整?
2025年4月19日
在前兩個單元中，我們分別討論了提示詞以及不同的 AI 模型，包括非推理模型與推理模型。在這個單元中，我將進一步探討如何在與 AI 代理互動時調整提示詞。
我們會先從非推理模型開始，也就是一般在使用 AI 聊天視窗時如何下提示詞，並介紹其中的要點。接著再談到使用 AI 代理或推理模型時，應該如何調整提示詞，一起來探討這個主題。
給傳統非推理模型的提示詞
給傳統非推理模型下提示詞時，有許多不同的原則，但我們最推薦的是把握三個基本原則：
- 明確：在下提示詞時，盡量避免模糊不清。例如，如果你希望 AI 的回覆精簡，就必須在提示詞中明確加入相關的提示；反之，如果你想要回覆包含豐富的脈絡與細節，也需要在提示詞中清楚說明。若未在提示詞中提供相關要求，AI 的回覆可能不會符合你的期待。因此，明確寫出你想要的結果，是下提示詞時最重要的概念之一。
- 具體：在英文中常聽到「Multi-shot」的說法，也就是在提示詞中加入範例，讓模型更清楚預期的輸出應該是什麼樣子。例如，你希望模型幫忙寫測試程式時，可以具體附上幾個理想測試的範例，這對提升輸出成果的品質幫助很大。
- 讓模型思考：在提示詞中加入「讓我們一步步思考」的指示，並將思考步驟拆解後請 AI 回覆。許多研究發現，加入思考步驟能顯著提升回覆品質。
給推理模型或 AI 代理的提示詞
了解非推理模型的提示詞後，接下來談談與推理模型或 AI 代理互動時的調整方式。
以下是幾個特別要注意的重點：
- 保持簡單：提示詞盡量簡潔。
- 避免加入思考步驟：推理模型在訓練過程中已融入思考元素，因此額外加入提示對輸出品質提升幫助有限。
- 具體描述目標：清楚說明最終目標是什麼。
可以看到，上面提的點當中，第一與第三點與非推理模型的提示詞原則類似，但第二點「避免加入思考步驟」是關鍵差異。因為推理模型已內建思考能力，再次要求反而多餘。
Open AI 共同創辦人 Greg Brockman 曾推薦一種提示詞寫法，在 X 上廣為流傳 (連結)。
這個提示詞結構分為四部分：
- 目標（Goal）：清楚說明請 AI 完成什麼任務。
- 回覆格式（Return Format）：明確定義期望的輸出格式。
- 注意事項（Warnings）：提醒 AI 在處理任務時需特別注意的地方。
- 脈絡（Context）：提供相關背景資訊（後續單元會詳細解說）。
這四個元素中，最重要的是將需求與目標描述得足夠清楚。因為在使用 AI 代理時，它會自行推理、搜尋程式碼庫，並判斷應採用何種風格撰寫程式碼。
過去在非推理模型中需自行附上的細節，在 AI 代理中大多可省略。因此，與 AI 代理互動時，提示詞應保持簡單，但目標與需求必須明確，以確保 AI 完成的任務符合預期。否則，若描述不清，可能導致生成的程式碼無法滿足需求。
總結來說，與 AI 代理互動時，「如何做」交給 AI 操心即可，可以把專注放在釐清目標與需求。
此系列文章為 《給工程師的 Cursor 工作流 — 透過 AI 代理全方位提升開發生產力》 搭配的教材。希望透過這系列文章，將過去協助導入 AI 工具及使用 Cursor 的經驗擴展並分享給想提升生產力的讀者。如果對課程感興趣的讀者，可以加入 E+ 成長計畫，觀看影片學習。