這兩年在不同的報章雜誌上常會聽到提示工程這個名詞，甚至很多報導都在談論現在「提示工程師」這個行業很吃香，是一種新興的專業項目。然而提示工程師到底是什麼？而提示本身又有哪些眉角與技術，本書就針對這個領域以十六個章節來呈現相關的內容。我所閱讀的是《AI提示工程師的16堂關鍵必修課》這本書的初版，在 2024 年 9 月底有發行第二版，本書的心得是以初版跟我個人的理解來分享的。
◎書籍章節結構
在生成式人工智慧（Generative AI）快速發展的時代，提示工程（Prompt Engineering）成為了運用 AI 技術的重要關鍵。這門技術不僅僅是一項工具，更是一種連結人類智慧與機器學習的橋樑，透過精心設計的提示（Prompt），能夠引導 AI 生成更準確、有效且具有創意的內容。本書深入探討了提示工程的核心概念、實踐方法與未來應用，是一本兼具技術深度與實用價值的專業指南。
本書共有十六個章節，我自己將其匯整了八個大類。書籍內容從提示工程的基礎概念到高階應用，再到跨領域的實例探討，全面涵蓋了提示工程的應用範圍。首先書中解釋了提示工程的角色定位與未來展望，揭示了提示工程師如何在各類專案中發揮價值，例如協助優化生成式 AI 的回應，改善模型的準確性與實用性。同時書中強調了提示工程師必備的技能，包括掌握語言模型的應用能力、與跨部門協作的溝通技巧，以及持續學習的能力。
接著書中進一步講解了提示設計的原則，特別是如何提供清晰的上下文資訊，避免模糊描述，以及利用適當的語言結構與輸出格式來提升模型的生成質量。書中還介紹了如何利用迭代與反饋（Feedback）來優化提示，通過逐步修正與調整，實現更高效且精確的生成結果。這些技巧不僅適用於技術開發，也為日常生活中使用生成式 AI 的用戶提供了寶貴的參考。
本書的讀者最為關注應該是其對跨領域應用的深入分析。在醫療領域，提示工程可以用於生成診斷摘要、治療計劃建議或藥物使用指南；在法律領域，可用於合約條款解析或案例分析報告；在教育與金融場景中，提示工程則能生成學習計劃、課程摘要，或資產配置建議。
透過這些實例，讀者不僅可以理解提示工程的廣泛應用，也能掌握如何根據不同場景設計專業化的提示。而現在市場上也有一些整合性的產品，例如 [Monica](https://monica.im/)，這是一個綜合了多種 Generative AI 的工具，它可以外掛在瀏覽器中，迅速的幫頁面進行摘要，若加上適當的 Prompt，可以在工作與生活中發揮需多意想不到的效果。
此外書中還介紹了如何整合外部知識與資源來提升生成內容的準確性與價值，例如結合專業知識庫或外部 API 進行即時數據分析與決策建議。同時，作者強調了社群合作的重要性，建議讀者利用社群的智慧與資源來豐富提示設計的多樣性與創意性。
最後書中展望了提示工程的未來方向，從多輪對話的上下文管理到生成式 AI 在創意與視覺設計中的應用，提出了許多實用且具有前瞻性的建議。本書不僅適合希望提升 AI 使用效能的技術專家，也為一般讀者提供了一個與 AI 共創的全新視角。
總體而言，這本書以深入淺出的方式，幫助讀者理解提示工程的核心價值與實踐方法，無論是對於技術學習還是跨領域應用都極具啟發性。透過學習本書的內容，讀者將能夠更有效地運用生成式 AI，從而實現高效解決問題、提升生產力與激發創意的目標。
◎閱讀心得
在閱讀這本書之前，我已經使用 LLM 有兩年的時間了，在 OpenAI 推出 ChatGPT 時我就已經開始使用，而這之後也成為 ChatGPT Plus 服務的用戶。我使用 LLM 進行會議記錄、專利文件、學術文件、工具書藉的彙整。除此之外我也使用 API 串接，進行應用服務產品的開發，這包含了問答型機器人整合技術解決方案跟訂房相關的應用，還有透過我們內部研發的旅店營運數據預測模型，以 LLM 來解釋預測技術怎麼應用在營運策略上，因此我同時扮演了內部開發過程中提示工程師的角色。
在這樣的前提下，我閱讀本書的需求是想增加我所不知道的技巧跟知識，但由於我是這個領域的作業人員，因此本書中的許多內容我閱讀前已經知悉，所以當書籍呈現了大量的問答結果，對我來說反而是一種干擾，但從初接觸的人來說這樣的呈現方式，可以讓未使用過的人，更了解提示工程的重要性。因此以下心得我會以對提示工程較不理解的角度來分享，避免有太多的領域偏見。除了我的心得外，也分享 Isa Fulford 與吳恩達使用提示詞的方式（這一系列有九部影片）。
◼︎ 探索提示工程的核心價值
提示工程，是在 AI 時代人機互動中的重要橋樑，它使得生成式 AI 不再僅僅是單向工具，而是一個可以真正回應人類需求的智慧夥伴。從書中能深刻地了解到提示工程的核心不僅是設計文字，而是用精準的表達和深入的背景知識，讓 AI 能夠產生有價值的回應。提示工程師的工作，就像雕刻家一般，透過每一次設計與修正，將抽象的概念具象化為精準的輸出。
這本書表述了正確提示的力量，它用了許多範例實際展現如何用清晰的上下文和結構化的內容引導 AI 作出符合預期的回應。無論是用於醫療診斷的專業建議，還是用於教育領域的學習計畫，提示設計的價值無可限量。好的提示不僅是有效運用人工智慧的延伸，也是技術進步的催化劑。
◼︎ 提示設計中的智慧與藝術
我認為書中揭示了提示設計的六個重要原則：提供上下文資訊、指定專業角色、明確回答格式、適應模型能力、處理不確定性，以及透過迭代提升品質。每一項原則背後，都展現了人性化與技術結合的可能性。在個人實際的作業經驗中我體會到，好的提示如同一份精準的地圖，能指引 AI 進入正確的語意領域。
書中提到的某些技巧很好用，像限制回答的字數和句子數量，可以讓 AI 更聚焦於核心重點，避免冗長拖沓。當我們設計提示時，書中強調「迭代和反饋」的重要性，透過不斷修正提示詞與進行測試，才可以讓最終的結果更加精準且實用，不然會發現 AI 經常在胡言亂語。
我想對於其他讀者而言，書中提供的實例會充滿啟發性。像是設定輸出的格式為清單或表格，能有效提升閱讀效率，像我自己還會要求它輸出 Markdown 或 Mermaid 的檔案格式，用來產出不同的圖形（本篇的心智圖就是透過 LLM 產出的）；或者通過範例指引 AI，如設計商品描述模板來生成一致性的文案，這些實用的技巧能讓讀者在日常工作的應用中收益良多。
◼︎ 跨領域應用的無限可能
這本書很值得延伸探究的部分，是它對提示工程跨領域應用的探討，從醫療、法律到教育與金融，每一個案例都能讓我們進階思考之後產業發展的方向。例如書中提到，結合醫療知識庫生成診斷建議，或利用金融數據為投資者量身定做資產配置方案，這些例子我自己在旅宿業的 AI 輔助策略參考系統中，也實際整合到我們的產品本身。之後的應用服務，一定會大量整合這一類的技術。
閱讀本書的心得，我更深刻體會到提示設計的核心價值在於它的靈活性與適應性。例如在教育領域中，設計分階段的計畫來幫助學生達成學習目標（我們透過 LLM 自我學習也可以採用同樣的方式）；在零售業中，基於消費者行為數據生成產品推薦清單，這些應用場景都強調了提示設計如何融入實際需求。而對於讀者來說，這些跨產業的應用場景，則激發了如何將提示工程融入日常工作的靈感，並讓 AI 成為提升效率的重要助力。
◼︎ 創意與技術的完美結合
生成式 AI 的價值，並不僅僅局限於數據分析與問題的回覆，它更可以成為創意的催化劑。書中展示了如何通過提示設計，將 AI 應用於設計、藝術和遊戲創作中。這些例子不僅僅讓我驚嘆，也啟發了如何用 AI 點燃創意的火花。
書中提到的 DALL-E 與 Midjourney 圖像生成平台，是設計與創作的強大工具。除了影像生成之外，現在連影片都能夠生成了（例如 [Sora](https://openai.com/sora/)）。透過設計精準的提示，我們可以生成帶有特定風格的節日賀卡，或者設計遊戲角色的背景故事與行為特徵。這些應用讓我看到，提示設計不僅僅是一門技術，也是一門藝術。對讀者而言，學會這些技巧後，可以輕鬆將 AI 應用於創意工作中，從而突破傳統設計的局限。
◼︎ 未來發展的無限潛力
書籍最後一部分探討了提示工程的未來發展，尤其是測試與優化的流程，提供了寶貴的指導。例如設計多情境測試模型適應性，或者結合社群資源共享知識，這些方法讓我意識到提示設計是持續進化的過程。
我特別認同書中提到的「提示詞交易平台」的概念，這為提示工程師提供了合作與知識流通的新契機。在未來，隨著生成式 AI 的應用場景越來越多元，提示工程也將成為不可或缺的一環。對於讀者來說，這部分提供了清晰的未來藍圖，讓我們看到如何在技術融合與創新中，將提示工程推向新高度。
◎總結
這本書的核心，是將提示工程拆解為一門科學與藝術的結合體。它以詳盡的理論、實用的技巧和豐富的案例，幫助讀者從不同層面理解提示設計的價值與應用。作為一名提示工程師的角色之一，我從中學到如何設計有效使用提示；作為一名閱讀者跟應用者，我更能感受到 AI 與生活結合的美好可能性。提示工程，不僅是技術的進步，也是人類智慧的延伸。
◎延伸閱讀
國立臺灣師範大學 – 生成式AI之學習應用及參考指引
ChatGPT Prompt Engineerring for Developers
[PDF]The Prompt Report: A Systematic Survey of Prompting Techniques
與 AI 協作的開發之路：《Generative AI for Software Development》課程心得
用於軟體開發的生成式人工智慧簡介：從理論到實戰的三週學習心得
回應管理, Pingbacks:
這篇文章還沒有 回應管理/Pingbacks ...
