什麼提示設計比以往更重要？
AI 模型越強，提示詞（Prompt） 的影響力就越大。
在 GPT-5 時代，你不只是在「問問題」，而是在「設計一段對話協議」，引導模型與你協作。
根據 OpenAI 官方 GPT-5 Prompting Guide，GPT-5 的特點包括：
- 更強的推理與多步操作能力
- 在工具使用與程式生成上更穩定
- 能精準控制語氣、細節與主動程度
換句話說，GPT-5 是一位「可訓練的專家助手」 —— 而提示設計，就是訓練它的語言。
一、認識 GPT-5 的提示新思維
在實際設計提示時，你可以從以下維度思考：
| 維度 | 為什麼重要 | 提示設計方向與技巧 |
|---|---|---|
| 主動性（eagerness 或 persistence） | 模型可能會太過保守（等待你給下一步）或太過主動（走岔路） | 根據需求調整 reasoning_effort，或明指「你要持續下去直到完成任務」或「請先詢問再執行」 |
| 工具呼叫與步驟控制 | 在多步操作、查資料、寫程式時，需要清楚什麼時候呼叫、怎麼走流程 | 使用 “preambles”（工具前導提示）告訴模型：先列計畫 / 分步驟 / 每步說明 / 最後總結 |
| 簡潔 vs 完整 | 太長、複雜的提示可能讓模型糾結；太簡單又可能無法引導到精細行為 | 使用 verbosity 參數來控制最終回答長度，同時允許在特定上下文（如程式碼）有更高詳細度 |
| 一致性 / 無矛盾指令 | 提示內部若有衝突，模型會花很多資源試圖調和，容易出錯 | 審查你的提示是否自相矛盾，簡化或明確優先關係是重要的一步 |
二、實作技巧：如何寫出高品質提示
下面是幾個具體、可操作的技巧與範例，讓你在 prompt 設計上更得心應手。
1. 明確列出計畫或步驟
在提示最前面，就寫出你要模型做什麼、順序是什麼。像是：
「請先幫我拆解這個任務，列出三個子任務；接著每個子任務按步驟執行，並在最後做總結。」
這樣模型內部就有「路線圖」，不會亂跑。
2. 使用工具前導提示（Tool Preambles）
如果模型有能力呼叫工具（例如查資料、改檔案、執行程式等），你可以在 prompt 裡定義「工具呼叫風格」：
- 要不要在每步驟前說明呼叫什麼工具？
- 要不要中途回報進度？
- 欲採用多詳盡的解釋／旁白？
例如，OpenAI 建議：
「先重新表述使用者的目標 → 接著列出結構化計畫 → 執行時每步敘述 → 最後總結」
3. 控制模型的「主動性」與「冗長度」
GPT-5 新增了幾個提示可控維度：
| 控制項 | 功能 | 建議使用時機 |
|---|---|---|
reasoning_effort | 模型投入多少推理資源 | 複雜任務可調高(high)，快速查詢可調低(low)，如下圖所示 |
verbosity | 控制回答長度與細節 | 報告 / 說明文建議「高-high」，問答型任務建議「低-low」 |
| 「語氣／風格引導」 | 控制模型表達方式 | 可直接寫在提示中，如「請用科技媒體風格」 |
根據任務複雜度選擇適合的組合。
4. 提示自我反思 / 提示優化（Meta-Prompting）
一個有趣的策略是讓模型幫你優化提示本身。你可以問：
「這個提示我給 GPT-5，它有什麼可能跑偏？請建議幾個修正方向。」
指南中就有提到這類的「元提示 Meta-Prompting」用法可幫助你改良提示。
三、針對程式開發 / 多檔案專案的應用建議
由於 GPT-5 在程式碼層面有強化，這裏有一些專門對軟體工程流程有幫助的策略：
- 讓提示知曉專案結構與風格偏好
在 prompt 裡簡述你的資料夾結構、命名風格、樣式／lint 規約等，讓模型輸出能跟現有 codebase 風格協調。 - 拆分任務 / 分段執行
對於大型功能，讓模型先做整體設計、API 定義、再逐個模組實作。不要一次讓它接管全部。 - 避免 prompt 自身引導過度搜尋
GPT-5 在理解與探索方面能力已強，過度提示 “maximize context gathering” → 反而可能讓它過度搜尋，浪費資源。Cursor 團隊就有這樣的觀察與調整。 - 善用版本控制與差異工具
在做程式修改時，可以讓模型產出 diff／patch，而不是完整重寫。這樣更容易 review、整合。
四、常見陷阱與調整建議
在設計提示時，常見會踩到的坑，以及可以採取的補救策略：
| 陷阱 | 徵兆 | 解法 |
|---|---|---|
| 指令自相矛盾 | 模型回應時會猶豫、問你細節、或不一致 | 拆出各指令優先順序，刪除模糊或互斥部分 |
| 模型過度呼叫工具 | 回應過慢、工具使用冗長 | 降低 reasoning_effort、限制工具預算、在 prompt 裡設定停止條件 |
| 回答過長或廢話太多 | 超出你想要的重點 | 用 verbosity 或在提示中要求「精簡回答重點」 |
| 跑偏主題 / 拿太多假設 | 模型擅作主張、加入額外前提 | 在 prompt 開頭明確限定：不做額外假設、只用你提供的資料 |
五、範例提示（Prompt 示例）
下面是幾個示例 prompt，幫你感受實際「在 GPT-5 上用的提示」長什麼樣。
範例 A：解釋性問題（文字輸出）
「請用條列式說明 GPT-5 如何在 agentic 任務中控制主動性，並以簡單範例示意。全程不用呼叫工具。請回答中先給簡短概要，再逐點詳細闡述。」
範例 B：程式設計任務（有工具呼叫 / 多檔案）
你是專家程式設計助理。目標：為一個簡單的 REST API 專案，新增使用者驗證功能。 步驟： 1. 列出子模組規劃（routes, controllers, middleware, tests） 2. 為每個模組撰寫主要功能骨架 3. 在每個模組內產出具體程式碼（TypeScript / NestJS 為例） 4. 請產出 diff／patch 格式，不要全部重寫 在整個過程中，每一步都先說明你要做什麼再執行。若你需要呼叫工具查文件，請先回報「我要呼叫工具查 X」再呼叫。最終給我總結與下一步建議。
結語與策略建議
- 提示設計不是一次寫好就結束的流程，而是「迭代優化」的過程。
- 對於複雜任務（尤其程式開發、流程自動化等），你可以先寫粗略 prompt 試跑，觀察模型行為，然後調整：加明確條件、刪除矛盾、限定工具使用等。
- 若你願意，也可以讓 GPT-5 本身幫你「優化提示」。
- 最後，記住：GPT-5 的能力雖然強，但好的提示讓能力被真正釋放。
