指令四要素:角色、任務、脈絡、輸出格式

你打了一個 prompt,AI 給了一個完全不是你要的東西。你再試一次「更詳細一點」、「重新回答」、「換個方式說」——結果還是偏。你開始懷疑:是不是這個模型不夠好?

不是模型的問題。Claude、ChatGPT、Gemini 都是當今最強的語言模型,但它們有一個共同弱點:如果你給的指令是模糊的,它們只能靠「猜」來補全——而它們猜的,就是最平均、最通用的答案。你要的,從來不是「最通用的答案」。

這堂課就是解決這件事的方法。不是教你更多 AI 技巧,是給你一個每次下指令都有結構的框架:四要素。

這堂學什麼

• 四要素是什麼:角色、任務、脈絡、輸出格式——每一個都在做什麼事
• 逐要素好壞對照:看真實範例,理解「模糊」和「清楚」的差在哪裡
• 從一句話加料的過程:示範一個 prompt 如何從品質 18% 升到 95%
• 可複製的四要素填空模板:拿走就能用,下次不用重新想結構
• 3 個日常需求實戰:商務開發信、自學計畫、履歷健檢,帶你現場改寫

觀念:四要素框架

Prompt 工程師在業界用過各種框架,CRISP、COSTAR、RISEN……名字各異,但核心幾乎都在說同一件事:一個清楚的指令,需要讓 AI 知道**「你是誰在說話(角色)」、「你要做什麼(任務)」、「情況是什麼(脈絡)」、「你要什麼樣的結果(輸出格式)」**。

我把它濃縮成四個字:

四個要素都有各自的功能,缺少任何一個,AI 就只能猜你的意思。接下來逐一拆解。

一眼看清楚「全填」和「全不填」的差距:

要素一:角色(Role)

角色,是告訴 AI「你扮演誰」。

這不是玩角色扮演遊戲,而是在設定AI 回答問題的視角和知識框架。同樣一個問題「如何減少焦慮?」,一個心理諮商師和一個瑜伽老師給的答案會完全不同——前者可能談認知行為治療,後者談呼吸法和體位。你給了角色,AI 就知道該從哪個知識庫和語氣來回答。

常見的角色設定方式:

你是一位擁有 10 年經驗的資深行銷顧問
你是一位台灣的國中數學老師,擅長用生活例子解釋
你是一位以批判性思考著稱的新聞工作者
你是一位友善耐心的客服人員

不設角色的問題:AI 預設扮演「通才助手」,給的答案面面俱到、深度不足、語氣不定。就像你叫一個不知道是誰的人給建議——他只能給最安全、最無爭議的答案。

一個誤區:角色不用多誇張。「你是宇宙最厲害的行銷大師」沒有比「你是資深行銷顧問」好用。專業具體的定義比誇飾頭銜更有效。

要素二:任務(Task)

任務,是告訴 AI「你要做什麼」。

最常見的失誤是任務太廣:「幫我想一個行銷方案」、「幫我整理這份報告」。AI 對「行銷方案」的想像可以是一張圖、一份十頁 PDF、五個創意點子或一個 KPI 表——它只能猜你要哪種。

清楚的任務公式:

動詞 + 對象/主題 + 目的/效果

舉例:

注意動詞的選擇。「寫」、「整理」、「分析」、「翻譯」、「比較」、「建議」這些動詞各自暗示了不同的輸出形式。用對動詞,AI 的方向就對了一半。

要素三:脈絡(Context)

脈絡,是讓 AI 理解你的真實情況。

你問「如何準備面試?」和「我是一個行銷背景、應徵科技公司 PM 職缺、沒有程式背景,如何準備面試?」——後者 AI 才知道要跳過通用的面試準備清單,直接給你關於「非技術背景轉 PM 的面試策略」。

脈絡包含:

• 讀者/對象是誰:這份輸出給什麼樣的人看?他們的背景、知識水準、期待是什麼?
• 你的情況限制:時間、預算、資源、已有的資料
• 目的與動機:為什麼要做這件事?最終要達成什麼?
• 過去嘗試過什麼:如果相關,避免 AI 重複給你已經試過的建議

脈絡是四要素中最容易被省略,也最影響結果的一個。不是每個任務都需要大量脈絡,但只要有的話,給了就是白賺品質。

脈絡的粒度:不需要把所有背景都寫進去。抓「AI 如果不知道這件事,就會猜錯方向」的資訊即可。太多無關資訊反而會讓 AI 分心。

要素四:輸出格式(Output Format)

輸出格式,是告訴 AI「你要什麼樣子的結果」。

這是最直接影響「拿到輸出能不能馬上用」的要素。你要五點清單還是一段文字?三百字還是一千字?台灣繁體還是簡體?有標題還是連段落都沒有?

常見的輸出格式指定方式:

# 格式類型
用清單(bullet points)、分小標、表格、JSON、程式碼

# 長度
200 字以內、三到五點、一頁以內

# 語氣
正式書面語、口語親切、幽默輕鬆、專業嚴謹

# 語言
繁體中文、英文、雙語對照

# 結構要求
先說結論再說理由、每條加一個具體例子、結尾附行動建議

不指定輸出格式的後果:AI 會自己決定——通常是一大段流水帳文字,你還得自己拆解整理,等於自己做了一半的事。

手把手實戰:從一句話逐步加料

理論說完了,現在看一個 prompt 是怎麼從一句話升級成真正有用的指令:

幫我寫一篇關於睡眠的文章

你是一位資深睡眠醫學專家,專門寫給一般大眾看的健康衛教文章。

幫我寫一篇關於睡眠的文章。

你是一位睡眠醫學專家,專門寫給一般大眾看的健康衛教文章。

讀者是 25–40 歲的上班族,常常手機滑到凌晨才睡,想改善但覺得很難做到。他們懂道理,但需要可以馬上執行的小步驟。

幫我寫一篇關於改善睡眠的文章。

你是一位睡眠醫學專家,專門寫給一般大眾看的健康衛教文章。

讀者是 25–40 歲的上班族,常常手機滑到凌晨才睡,想改善但覺得很難做到。他們懂道理,需要可以馬上執行的小步驟。

幫我寫一篇改善睡眠的文章。

格式要求:800 字以內、分三個小標題、每個段落結尾附一個今晚就可以試的具體行動、文章結尾來一句有共鳴的金句。繁體中文,語氣親切不說教。

四要素填空模板(可直接複製)

你現在有了概念,但每次寫 prompt 都要想這四個要素很花時間。用這個填空模板:

把模板文字直接複製到 Claude 或 ChatGPT 的對話框:

# 角色
你是一位【專業領域】的【職稱/身份】,擅長【核心技能或風格】。

# 任務
請你【動詞:寫/分析/整理/翻譯/建議…】【對象或主題】,目標是【達成什麼效果】。

# 脈絡
背景說明:【你的情況/讀者是誰/限制條件/已知資訊】。

# 輸出格式
輸出要求:【字數或長度】,格式為【小標/清單/表格/段落…】,語氣【正式/口語/幽默…】,語言【繁體中文/英文…】。

實戰:3 個日常需求改寫

用實際情境練習:這三種需求你可能很快就會遇到,現在看改寫前後的差異。

案例一:商務開發信

改寫前(模糊):

幫我寫一封開發信

改寫後(四要素完整版):

# 角色
你是一位擁有十年 B2B 業務開發經驗的資深業務經理,熟悉台灣製造業採購心態。

# 任務
幫我寫一封初次聯繫陌生客戶的開發信,邀請對方免費試用我們的工廠排程 SaaS 系統。

# 脈絡
對方是台中一家中型沖壓零件廠老闆,員工約 80 人,之前從未聯繫過我們,他最大的痛點是人工排程耗時又常出錯。我們的系統可以把排程時間從一天縮短到半小時。

# 輸出格式
200 字以內,繁體中文,包含:主旨行(Subject)+ 正文 + 一個明確的 CTA(例如邀約 20 分鐘視訊展示)。語氣親切專業,不要太推銷感。

案例二:自學計畫

改寫前(模糊):

幫我規劃 Python 學習計畫

改寫後(四要素完整版):

# 角色
你是一位專門教非工程師學 Python 的程式教育工作者,了解成人學習者的時間限制和常見卡關點。

# 任務
為我設計一份 8 週的 Python 入門學習計畫。

# 脈絡
我是行銷部門主管,每天只有早上通勤的 30 分鐘可以學習。目標不是要做軟體開發,而是能自己跑資料分析腳本(例如從 Excel 整理資料、畫圖表、自動寄報告)。完全零程式基礎。

# 輸出格式
用表格呈現,欄位:週次/本週主題/每日練習任務(15 分鐘以內)/本週完成標準。最後加一段「如果遇到卡關,怎麼辦」的建議。

案例三:履歷健檢

改寫前(模糊):

幫我看一下這份履歷

改寫後(四要素完整版):

# 角色
你是一位在科技新創公司做了十年的 HR 主管,看過超過一萬份履歷,特別擅長評估跨領域轉職者的潛力。

# 任務
健檢我的履歷,重點改寫「工作經歷」區塊,讓它更符合 PM 職位的期待。

# 脈絡
我有 3 年行銷工作經驗(做過活動策劃、內容行銷、使用者研究),現在應徵一家 30 人的 B2C SaaS 新創公司 PM 職缺。對方 JD 強調「跨部門協作能力」和「資料驅動決策」。我沒有程式背景。

# 輸出格式
找出我現有履歷中三個最大的問題,每個問題給出改寫前後的對照(原文 → 建議版),說明為什麼這樣改更好。繁體中文,語氣直接不客套。

---
[把你的履歷工作經歷貼在這裡]

常見坑

坑一:角色設定太空泛,沒有鎖定視角

症狀:寫了角色但輸出還是很通用,感覺沒差。

原因:角色設定太廣,例如「你是一個聰明的助手」或「你是一個專家」。這種設定 AI 幾乎當作沒有角色。

解法:角色要有具體的領域 + 具體的特徵。「你是一位資深財務分析師」比「你是金融專家」好;「你是一位用生活例子教數學的高中老師」比「你是數學老師」好。問自己:這個角色的人在現實中會怎麼說話、看什麼書、用哪些術語?把這個人具體化,設定才有效。

坑二:任務裡動詞太軟,AI 不知道要輸出什麼

症狀:你說「幫我想想這個問題」、「分析一下這份資料」,拿到一篇文章但不知道能拿來幹嘛。

原因:「想想」、「分析一下」這類動詞沒有指定輸出形式。AI 只知道你想要某種思考結果,但不知道是清單、圖表、建議書、還是表格。

解法:任務裡的動詞要能接出輸出格式。試試這些:

• 想要清單 → 「列出五個…」
• 想要分析 → 「找出這份資料中的三個關鍵模式,每個附一段說明」
• 想要建議 → 「給我三條具體可執行的改善建議」
• 想要比較 → 「用表格比較 A 和 B 的優缺點」

坑三:脈絡給了錯的資訊,AI 走錯方向

症狀:你說明了很多背景,但輸出還是偏,甚至比沒有脈絡更奇怪。

原因:脈絡裡有誤導性的資訊,或者給的脈絡和任務本身矛盾。例如你說「讀者是小學生」但任務是「寫一份商業計畫書」——AI 會很困惑到底要對誰說話。

解法:寫完 prompt 之前,自己讀一遍,檢查角色、任務、脈絡三者之間有沒有矛盾。最常見的問題是「讀者設定」和「任務設定」打架——確認「這份輸出是給誰看的、為了什麼目的」在你的 prompt 裡是一致的。

坑四:輸出格式指定了,但 AI 沒照做

症狀:你說「用表格」,AI 給你一大段文字;你說「200 字以內」,AI 給你八百字。

原因一:輸出格式寫在 prompt 的開頭,AI 在處理完長篇脈絡後可能「忘記」了格式要求。

解法一:把輸出格式放在 prompt 最後。大多數模型對 prompt 末尾的指令執行率最高。

原因二:格式指令不夠明確。「簡短一點」沒有字數約束力;「用結構化方式」沒有指定結構是什麼。

解法二:用具體數字和具體結構名稱。「三個 bullet points,每條不超過 20 字」遠比「簡短清單」有效。

坑五:填了四要素,但放錯對話順序

症狀:用四要素 prompt 問了第一個問題,接下來的追問又回到模糊指令,AI 開始忘記角色和格式。

原因:在同一個對話裡,AI 的角色和格式設定會隨著對話延伸逐漸「稀釋」。你之後的追問沒有繼承第一條的設定。

解法:長對話要定期「重申」關鍵設定,或者把重要的格式和角色要求放進系統提示(System Prompt)——Claude 和 ChatGPT 都有這個功能,放進去的指令整個對話都會持續生效。這個主題第六課《建立自己的 Prompt 模板庫》會完整講。

作業

做完才算真的學會:

1. 用四要素模板改寫你最近用 AI 但結果不滿意的一個 prompt。照著角色→任務→脈絡→格式的順序填,比較改寫前後的差異,截圖存起來。

2. 給自己三個日常場景,各寫一個完整的四要素 prompt。例如:工作中的一封 email、一個你想自學的技能、一份你想請 AI 幫你整理的文件。不用現在就讓 AI 跑,先只練習「寫 prompt」這件事。

3. 選做:把你最常用到的三個 prompt 場景存成自己的模板,放進記事本或 Notion,下次直接填空。這個習慣第六課會有完整的系統做法。

下一課預告

你現在已經有了四要素框架,但有一個場景這個框架還不夠用:當你要的輸出風格很難用文字描述時。

比如你想要 AI 「像我平常寫作的風格」寫一篇文章,或者「照這個格式幫我整理五份資料」——光靠描述,AI 還是很難精確命中你要的樣子。

第 3 課教你用範例來說話:把你要的東西的樣本直接丟給 AI,讓它照著輸出。這個技巧叫做 Few-Shot Prompting,是讓 AI 輸出風格和格式精確對齊你要求的最有效方式之一。