一課讀懂 Prompt 工程:把 AI 當成接單的印刷車間
同一個 AI,有人五分鐘印出可用的工作紙,有人改了一小時還在刪廢話。分別在於有沒有寫清工單上的五欄。本課用印刷下單的比喻,把提示工程講成教師日常做得到的工序。
Read in English星期三小息後,小六數學科兩位老師在教員室同一台電腦前排隊。甲老師輸入「出分數應用題」—— AI 回了一頁小四程度、答案還有一題算錯。乙老師貼了半張 A4 的工單式提示,三分鐘後拿到六題、附評分要點表,她只改了一個用字就印出來。甲老師說:「我們不是用同一個 AI 嗎?」
提示工程不是程式語言,而是下工單的技術。本課在 LLM 應用模組裡,承接前面對幻覺與偏見的認識,教你在把問題交給模型之前,先把「要甚麼、不要甚麼」寫清楚——下一課會進一步把學校文件接進來,讓 AI 先翻資料再答。
印刷車間只認工單上的欄位
想像你把工作紙交給校內印刷房。櫃枱同事不會猜你要 A3 還是 A4、要彩色還是黑白、要教師版還是學生版。你填表:科目、級別、份數、紙質、截稿時間。漏填的欄位,他會按慣例補——而慣例未必是你的科組習慣。
AI 就是這間印刷房:極快、極博學、永不追問,但對你校的課程進度、用語習慣、評分文化一無所知。 你給六個字,它只能憑訓練資料裡最常見的樣本印一版;你給完整工單,它才較有機會印出你要的那一版。
工單五欄:情境、對象、交付物、格式、禁區
把這五欄寫齊,多數「答非所問」會消失。
情境。 你是誰、這份東西用在哪裡。「香港小學數學科任,準備小六單元評估前的課堂練習。」這一句同時定了用語、難度與文化語境。
對象。 學生讀,還是教師用?SEN 班需不需要簡化用語?「對象:小六普通班,已有分數基礎,未學過比例。」
交付物。 不要只說「出題」,要說清件數與類型。「六條分數應用題,其中兩條含帶分數,一條需兩步運算,每題附參考答案與常見錯誤提示。」
格式。 「以表格輸出:題號、題幹、參考答案、常見錯誤、評分要點。」指定欄位等於給印刷房裁切線,模型較不易漏項。
禁區。 最常被漏掉、卻最值錢的一欄。「不要出超綱比例題;不要台灣或內地用語;不確定的本地例子寫『請教師核實』;學生版不要附答案。」
禁區不是潑冷水,而是關掉模型預設的「盡量寫滿、盡量改寫、盡量編完」——那正是幻覺與離題的溫床。
禁區比形容詞更管用
模型的預設是把話說完、說漂亮、說完整,即使不確定也會補一段看起來合理的文字。所以「請具體、請專業、請有建設性」往往推不動它;「不要重寫全文,只列三項可改進處,每項不超過 30 字」卻立刻見效。
「不確定就寫請教師核實」這一句,把幻覺從暗處拉到明處——不能消除編造(原因見 幻覺與偏見從何而來),但能讓你知道哪裡要人手查。
一個範例,勝過五句形容
想要某種評語風格,不要形容「溫和而具體」,直接貼一條你滿意的評語:
「請按以下長度與結構寫評語。範例:『你在第二步列式正確,但單位換算漏寫,改完後記得用原數字驗算一次。』」
模型擅長模仿已見過的格式,不擅長推測你腦中的標準。一條真實範例的資訊量,遠高於一堆形容詞。
中一科學科的備課實測
一所中學科學組在共同備課做過匿名比較:八位老師各寫一條提示,要求 AI 為中一學生的實驗報告草稿寫回饋(不是代改)。牆上貼出八份輸出後,模式非常清楚——凡在禁區寫明「不得重寫段落、不得給滿分答案、只列三項可改進處」的,七份可直接用;沒寫禁區的,有四份 AI 直接交回「改好版報告」,學生看不出自己錯在哪裡。
科主任當場把表現最好的兩條提示,加上五欄工單空白模板,存進共用資料夾。下學期代課老師只需填「課題、班別、字數」,不必從零摸索提示技巧。
從個人技巧到科組資產
提示工程在學校裡的終局,不是每位教師都變成提示專家,而是把試驗成功的工單變成科組共用模板。一條好用的提示,價值等同一份經過驗證的教案框架;存檔、命名、註明適用級別,比每次重新打字划算得多。
教學生寫提示本身也是教學:「說清楚要甚麼、說清楚不要甚麼」可以遷移到寫作與口語表達——不只是 AI 技巧。完整模板庫的管理方式,見 Prompt 工程教室。
容易走歪的地方
-
走歪:只寫「你是專業教師,請認真回答」,以為角色設定就夠。 自查:輸出是否仍缺級別、格式或禁區?若每次都要大改,代表工單還有欄位空白。
-
走歪:把要求全堆在開頭,後面貼一大段學生作文或教材。 自查:最重要的禁區是否被埋在長文中段?試把禁區移到整段提示的最後一行,再比較一次輸出品質。
-
走歪:每次滿意就關掉視窗,下次從零重打。 自查:科組共用資料夾裡有沒有「已驗證提示」?若沒有,你正在重複別人已踩過的坑。
動手做一次
時間:約 12 分鐘。材料:任何 AI 工具;可選一份你手邊的真實評語或題目範例。
做甚麼:先貼「精簡版」——只寫「幫我寫三條評語,給中二學生」。記下輸出是否過長、是否改寫了全文、用語是否合香港。
再貼「工單版」:
情境:香港中學中文科任,為中二學生作業寫回饋。
對象:中二,已有段落寫作基礎。
交付物:三條評語,每條指出一個具體優點、一個可改進處。
格式:表格,欄位為「引用原句」「評語」「建議改法(一句)」。
禁區:不要重寫全文;不要給滿分範文;每條評語不超過 40 字;不確定的事實寫「請教師核實」。
範例評語:「第二段例子貼題,但結論句未回扣論點,下次可先寫『因此』再收束。」
[在此貼入學生作業片段,已去姓名]
交出甚麼:兩份輸出的截圖或文字,以及你填寫的三行對照——哪一版可直接用、哪一欄禁區起了作用。
怎樣算做對:你能向同科同事解釋:差別不在 AI 版本,而在工單是否寫齊五欄;並指出「禁區」與「範例」各解決了甚麼問題。
下一課:校本知識庫與檢索增強生成。上一課:幻覺與偏見從何而來。
這一課的重點
- 把提示寫成有欄位的工單:情境、對象、交付物、格式、禁區,缺欄就會被 AI 自行補完
- 用禁區指令關掉模型的預設「說滿、改寫、編造」行為,比再加形容詞有效
- 提供一個真實範例,讓模型模仿格式與語氣,而不是猜你心中的標準
- 把試出來的好提示存成科組模板,讓後備同事填空即可,不必人人成為專家
幾條常被問到的問題
語言模型逐 token 預測下一個字,本質帶隨機性;新一代模型還會自行決定花多少工夫推理。提示工程的目標不是「每次一字不差」,而是「每次都落在可用範圍內」。固定輸出格式(表格、欄位名、字數上限)能大幅收窄波動。
不是。有效長度來自具體資訊(級別、課題、字數、格式、禁區),不是來自形容詞。連續五句「請寫得專業」幾乎無效;一句「每項評語不超過 25 字,並引用學生原句」立刻見效。過長提示還會把關鍵指示埋在中段而被忽略,見 [Chunking、檢索重排與迷失在中間](/learn/llm/chunking-reranking-and-lost-in-the-middle)。
在有守門與稽核的校本平台內可以;在個人免費工具內不應該。至少要移除姓名、班別與學號。這屬於資料保護,見 [私隱、偏見與版權倫理](/learn/llm/privacy-bias-and-copyright-ethics)。
- · 文中的價格、功能與規格以上列官方文檔為準。供應商隨時會改,採購之前請自行覆核一次。
- · 文中提及的產品名稱與商標屬各自擁有者所有。Edor.ai 與該等公司沒有合作、代理或贊助關係。
- · 這是為教育用途做的獨立整理,不是採購建議,也不是法律意見。
- · 凡涉及學生個人資料的用法,請先按學校政策與《個人資料(私隱)條例》(PDPO)評估,然後才在校內推行。