jumi

AI 提問祕訣：如何使用提示工程優化 ChatGPT、Gemini 和 Claude 的回答

「提示工程」（Prompt Engineering）是近兩年新出現的名詞，它的概念其實就是：如何向 ChatGPT、Gemini、Claude 這類工具提問，讓它們能夠產出更精確的回應。

對我來說，「提示工程」這個詞還挺幽默的。生成式 AI 的一大優勢就是能夠理解自然語言的提問，並基於龐大的數據資料來回答問題，且它能夠給出提問者認知領域以外的答案。也就是說不需要事先設定好確定的規則才能提供服務，這是它最大的優勢。但提示工程的目標，卻是讓 AI 產生更「確定」的回答。這不是很矛盾嗎？而且，在搜尋引擎時代，也從沒聽過『搜尋工程』（Search Engineering）這樣的名詞。

當然，背後有技術上的理由。AI 雖然擁有龐大的數據資料，但當我們提出像這樣模糊的要求時：

它可能無法給出令人滿意的答案。這就像是與一個「燒瓶內的小人」對話，AI 生活的世界與我們的現實世界完全不同。儘管它擁有巨大的數據，但它無法「通靈」來理解我們的具體需求。因此，雖然 AI 理論上能完成各種已知知識的任務，但我們人類卻經常不知道該怎麼問問題，結果導致 AI 的回答可能不如預期。

為什麼 AI 的回答不如預期？

和我們日常生活中的人類對話不同，人類之間的對話可以從背景、環境、語調等多種因素來推斷彼此的意思。例如，當商業顧問和你談到「Pitch」，你能理解對方指的是商業提案；但當航空工程師提到「Pitch」，你會判斷對方可能指的是飛機的俯仰角度。人類具備這種自行收集上下文補全資訊的能力，可以依據對方的年齡、性別、國籍、職業等來猜測對方的想法。

然而，AI 並不具備這種能力。它只能基於你提供的資訊進行回答。如果你的問題不夠具體，它沒辦法填補那些空白，這也是為什麼我們需要「提示工程」。

提示工程的出現

提示工程就是針對生成式 AI 設計具體的提示或提問，使得 AI 能夠根據你提供的線索，給出最符合預期的回答。這個過程有點像和一個遠距工作的跨國同事合作，對方不認識你，也不了解你的背景，因此你需要給出非常清楚的指示，才能保證對方做出正確的回應。

提示工程的目標，就是提供一個框架或模板，讓你都能明確地指派任務給 AI，不用再依賴運氣或冗長的溝通。OpenAI 在文件中提供了提示工程指南，Google、AWS、微軟也都有類似的文件。另外，也有一些眾人淬鍊過的高效框架，讓我們可以更快速上手。

常見的提示框架

以下是幾個在提示工程中常見的框架，這些框架能幫助你讓 AI 更精準地回應你的問題：

1. CO-STAR 框架

CO-STAR 框架（Context, Observation, Specifics, Task, Action, Results）是2024年四月，新加坡政府科技局（GovTech）舉辦的首届 GPT-4 提示工程大赛冠軍所使用的框架。著重於提供明確的背景描述、關鍵觀察、具體要求、任務指派、行動步驟和期望結果。這個框架能讓 AI 更清楚的理解問題的各個面向，並提供明確的回應。

  • 背景（Context）：描述問題的背景或情境，讓 AI 理解目前的環境。
  • 觀察（Observation）：提供當前情境下的重要觀察或事實，幫助 AI 理解挑戰或機會。
  • 具體要求（Specifics）：列出具體需求或期望，讓 AI 明確知道你需要它專注在哪些方面。
  • 任務（Task）：清楚指派 AI 需要完成的具體任務。
  • 行動（Action）：說明應該如何完成任務，提供具體的行動步驟。
  • 結果（Results）：設定期望的結果，讓 AI 知道成功的衡量標準。

範例：

這個範例展示了如何使用 CO-STAR 框架，完整涵蓋了背景、具體需求、行動步驟和期望結果，幫助 AI 產生具體的解答。缺點就是它相對地複雜，要一次性提出高品質的提問，通常需要領域知識支持。

2. RTF 框架

RTF 框架（Role, Task, Format）是一個通用的簡易框架，不需具備太多領域知識也能得到高品質的回應。它強調明確地指派 AI 扮演的角色、需要完成的任務以及輸出的格式。這個框架幫助 AI 聚焦於專業知識，並提供結構化的回應。

  • 角色（Role）：指定 AI 應扮演的角色，例如行銷專家、產品經理等。
  • 任務（Task）：清楚描述 AI 需要完成的具體任務。
  • 格式（Format）：明確說明希望 AI 生成的輸出格式，例如清單、步驟、圖表等。

範例：

RTF 框架能夠幫助 AI 聚焦於特定角色，並產出符合預期的結果。

3. RSIEN 框架

RSIEN 框架（Result, Situation, Implication, Expectation, Next steps）是一個專注於結果驅動的框架，幫助 AI 聚焦於期望的結果，並基於現狀、影響、期望和後續步驟提供具體回應。

  • 結果（Result）：說明期望的結果或目標。
  • 情境（Situation）：描述當前的情境或挑戰。
  • 影響（Implication）：解釋當前情境的潛在影響。
  • 期望（Expectation）：明確你希望 AI 提供的回應或建議。
  • 下一步（Next steps）：根據 AI 的建議，要求具體的後續行動步驟。

範例：

RSIEN 框架有助於 AI 產出更具邏輯性的解決方案，同時聚焦於結果導向。

4. CoT 思考鏈

CoT（Chain of Thought）框架幫助 AI 逐步推理，分步驟地解決問題。透過更多的思考步驟與時間，讓 AI 能夠得到品質更高的答案，這對於需要邏輯推理或多步驟計算的情境特別有用。

  • 問題描述（Problem Statement）：清楚描述問題背景。
  • 推理過程（Chain of Thought Process）：要求 AI 分步驟進行推理，並解釋每一步的邏輯。
  • 最終解答（Final Answer）：基於推理過程，得出結論或最終答案。

範例：

這個框架引導 AI 逐步推理，幫助它更好地解決複雜問題。實施方法也最簡單，只要要求 AI 逐步推理就可以了。

提示工程的真正價值

不管你使用的是哪個框架，提示工程的核心目的都是讓 AI 更好地理解問題背景，並提供更精準的回應。這些框架不僅適用於 AI，也同樣適用於遠距工作或日常溝通，幫助我們達到更高效的協作。

下次與 AI 互動時，記得應用這些框架，讓你的提問更具結構和目的性。你會發現，AI 的回應品質將顯著提升！