精華筆記 給範例的威力:讓 AI 照你的樣子輸出
你有沒有遇過這種狀況:叫 AI 幫你寫 email,出來的東西文謅謅又官腔,完全不是你的語氣,你還要花時間大改,最後覺得「自己寫比較快」?
問題出在哪?不是 AI 不夠聰明——是你沒有告訴它「你想要的長什麼樣子」。光靠文字描述你要「口語、簡短、不要官腔」,AI 理解不出你心裡那個標準。但如果你貼一封你以前寫過的 email 當範例,AI 馬上就懂了。這個技巧叫做 few-shot prompting,是這門課最值錢的一個觀念。
這堂學什麼
- Few-shot 是什麼:為什麼給範例比說規則更有效
- 格式仿寫:用 1–3 個例子讓 AI 學你要的輸出結構
- 風格複製:拿自己寫過的文字當範例,讓 AI 模仿你的說話方式
- 正反例對照:同時告訴 AI「要什麼」和「不要什麼」,精準度再提升
- 何時範例反而壞事:三種常見的踩坑方式與解法
觀念一:AI 是「模式偵測器」,範例就是它的教材
先搞懂 few-shot 的本質。AI 語言模型的底層邏輯是「找規律、套規律」:你給它幾個輸入-輸出的配對,它會從裡面找共同模式,然後把這個模式套到你接下來的問題上。
「Zero-shot」就是沒有範例,直接叫它做;「Few-shot」是給一到幾個範例之後再叫它做。兩者的差距,看圖就清楚了:
左邊沒有範例,AI 套的是它訓練時見過最多次的「email 寫法」——就是那種你收了想直接刪掉的官方信件格式。右邊給了一個你自己寫的範例,AI 立刻抓到你的語氣:短句、直接說重點、Hi 開頭而不是「親愛的客戶您好」。
範例的運作原理不複雜,一張圖說清楚:
核心概念就一句:範例是隱形的規則說明書。你不用費力解釋「用口語、句子不要超過三行、第一句先說結論」——給一個你滿意的例子,這些規則全都暗含在裡面了。
觀念二:範例能解決三種不同問題
給範例不只用來複製風格,它能處理的情境比你想的寬:
格式仿寫是最入門的用法:你有一個固定的輸出格式(例如每週要交的工作報告、社群貼文的固定結構),就給 AI 一個填好的範本,它之後會照著同樣的欄位和段落產出,不用每次重新說明。
風格複製威力更大:拿你自己寫過的文字當範例,AI 會學到你的慣用語、句子節奏、說話習慣,寫出來的東西開始有「你的味道」。
分類和判斷則是進階應用:你要 AI 幫你篩選客戶留言,就給幾個「正面留言/負面留言/中性留言」的分類例子,AI 就學會了你的判斷標準,不是它自己亂猜的那套。
手把手實戰
以下四個步驟由淺到深,每個步驟都有可以直接複製的 prompt。
步驟一:格式仿寫 — 一個範例就夠
最簡單的場景:你每週要產出格式固定的工作報告,格式是「本週完成、待辦、障礙」三段。不用每次解釋格式——直接給一個填好的舊報告當範例:
請參考以下格式,根據我提供的工作內容幫我寫本週報告:
【格式範例】
本週完成:
- 完成 Q3 行銷企劃初稿,已寄給主管確認
- 跟進 3 個潛在客戶,其中 1 個確認下週會議
本週待辦:
- 整理上季活動資料,週五前出報告
- 回覆 Jenny 的合約問題
遇到的障礙:
- 設計稿待 A 廠商確認,影響下一步進度
【本週工作內容】
（把這週做了什麼直接貼進來）
你可以只給一個範例,也可以給兩個。格式越固定,一個就夠;如果你有特殊欄位或寫法,給兩個讓 AI 確認規律。
步驟二:風格複製 — 拿自己的文字當教材
這一步稍微要花一點準備時間,但只要準備一次,之後可以反覆用。
準備素材:翻出你過去寫的 2–3 封你覺得「寫得不錯、語氣對的」email、Line 訊息或社群貼文。挑真的是你滿意的,不要隨便找一封,因為 AI 會忠實複製你範例裡的所有特質。
prompt 結構:
以下是我過去寫的幾段訊息,請學習我的寫作風格,之後用同樣的語氣幫我回覆。
【我的風格範例】
範例 1:
（貼一段你的舊 email 或訊息）
範例 2:
（貼另一段）
【現在要回覆的訊息】
（貼你現在要回的內容）
請用跟我範例一樣的語氣和風格回覆。
給範例時建議用 【範例 N】 或 <example> 把每個範例包起來,讓 AI 明確知道範例的邊界在哪,不會把你的說明文字也當成範例的一部分。
Claude 官方文件特別建議用 <example> 標籤:
<examples>
<example>
Hi 威廉,合約這邊沒問題,簽完傳一份給我就好。謝謝。
</example>
<example>
Hi 小美,週三下午那個會議能改到週四早上嗎?確認一下你方不方便。
</example>
</examples>
ChatGPT 和 Gemini 雖然不強調 XML 標籤,但用分隔符號(例如 --- 或 【範例】) 明確隔開也同樣有效。三家模型都適用。
步驟三:加上反例,精準度再翻倍
只給正例,AI 有時候還是學不到「你不要什麼」。這時候加一個反例,效果立刻不同。
實務經驗上,一個明確的反例,矯正效果往往勝過多給好幾個正例。原因在於:正例告訴 AI「往這個方向走」,反例則直接圈出「不准踩的地雷」——把不要的空間切掉,剩下的就是你要的。告訴 AI「這個不要」,和告訴它「這個要」一樣重要。
【好的範例 — 請模仿】
Hi 大衛,報價確認沒問題。出貨時間最快下週一,你這邊方便嗎?
【不要的寫法 — 請避免】
親愛的大衛先生您好,
非常感謝您的詢問,本公司對您的支持深感榮幸。關於報價事宜,
本公司已審閱相關資料並確認可行,出貨時程預計……
用「好的範例/不要的寫法」這樣的標籤,AI 就能同時學到你的標準在哪裡、邊界在哪裡。
正反例的效果圖:
步驟四:實戰 — 建立你的「風格 Email」Prompt 模板
把前三步整合起來,做一個你以後可以重複使用的完整 prompt 模板。結構分三層:角色說明 → 風格範例 → 這次任務。
完整可用的模板:
你是我的 email 助理,幫我用以下風格回覆工作郵件。
【我的寫作風格範例】
範例 1:
主旨:合約確認
Hi 威廉,合約這邊沒問題,簽完傳一份給我就好。謝謝。
範例 2:
主旨:會議改時間
Hi 小美,週三下午那個會議能改到週四早上嗎?確認一下你方不方便。
範例 3:
主旨:出貨進度
Hi 大衛,訂單出貨已安排,預計明後天到貨,有問題再告訴我。
【不要的風格】
不要用「親愛的」開頭、不要說「感謝您的支持」、不要超過 5 句話、不要出現「謹此」「敬啟者」。
【這次的任務】
幫我回覆以下 email:
（貼上對方寄來的內容）
這個模板你存起來,之後每次只要換掉最後的「這次任務」部分就能用。對三家 AI(Claude/ChatGPT/Gemini)都有效——範例提供的風格資訊,遠比你用文字描述的規則精準。
測完如果 AI 還是偶爾跑掉,直接在後面補一句:「請再檢查一次輸出有沒有符合我的風格範例,特別是長度和開頭。」讓它自我修正一次。
常見坑
坑 1:範例裡的格式和指令說的格式打架
你在指令說「請用條列式」,但你給的範例是連續段落文字——AI 不知道要聽誰的。範例的優先級通常高過文字說明:AI 更相信你給的實際例子,而不是你說的規則。解法:確保範例本身就是你真正要的格式。如果指令和範例不一致,乾脆拿掉指令,只留範例。
坑 2:複製到 AI 的範例帶著過去的錯誤
你把一封老 email 貼進去當範例,沒發現裡面有幾個錯別字、有一段邏輯不清楚的地方——AI 忠實地複製了這些問題。症狀:輸出有奇怪的措辭或結構,但你說不上哪裡怪。解法:在把文字當範例之前,先快速讀一遍確認品質。範例的品質上限就是輸出的品質上限。
坑 3:塞太多範例,AI 反而更混亂
直覺上覺得「範例越多越好」,但超過 5 個之後,AI 反而容易在過多範例裡找到互相矛盾的規律,導致輸出變得不一致。另一個症狀是:AI 把太多注意力放在理解範例上,忽略了你後面的實際指令。通常 3 個範例就夠,1–2 個做格式仿寫也沒問題。如果你覺得任務需要很多範例才說得清楚,往往代表這個任務太複雜,應該拆成幾個小步驟分開處理(第 5 課會教)。
坑 4:拿錯誤情境的範例來套
你要 AI 寫「給陌生潛在客戶的開發信」,但給的範例是你平常和熟識客戶互動的訊息——語氣太熟、沒有自我介紹、假設對方認識你。AI 照著學,開發信出來就像在跟老朋友說話。解法:範例的情境要跟你現在要做的任務盡量一致;如果沒有現成範例,先造一個你滿意的「理想輸出」當範例再用。
作業
- 翻出你工作上常寫的一種文字(email、日報、客服回覆都可以),挑 2–3 封你滿意的舊版本,照這堂課的三層模板結構組一個 prompt,測試能不能讓 AI 輸出接近你的語氣。
- 在同一個 prompt 加上一個反例(你最不喜歡的那種 AI 輸出風格),比較加了反例前後的輸出差異。
- 進階:試著讓 AI 寫完之後,再問它:「請對照我給的範例,列出你這次哪裡跟我的風格最不像。」讓 AI 自我檢查,你再決定要不要修正。
把你完成的 prompt 模板存成一個文字檔,這就是第 6 課「Prompt 模板庫」的第一塊建材。
下一課預告
這堂課教你讓 AI「學你的樣子輸出」,但如果你要的輸出格式是表格、JSON 或清單——那就不只是風格問題了,而是結構問題。第 4 課教你結構化輸出:怎麼讓 AI 產出可以直接貼進試算表的表格、可以直接進系統的 JSON、可以直接發出去的清單——輸出不只看起來好看,而是「直接能用」。