精華筆記

· @aihub.tw

Prompt Engineering 大全

常見錯誤與綜合實戰:避開幻覺與翻車現場

常見錯誤與綜合實戰:避開幻覺與翻車現場

你已經花了六堂課練 Prompt 工藝:學會了四要素、Few-shot、結構化輸出、拆步驟、建模板庫。現在你問 AI 的姿勢比三個月前好多了——但還有一個坑,幾乎每個新手都踩過,而且踩了常常不知道自己踩了。

這個坑叫做:把 AI 的輸出當作事實。

AI 說話的語氣永遠像在背百科全書。它說「根據 2025 年的報告,台灣 AI 市場規模達到 3.8 兆台幣」的時候,沒有任何停頓、沒有任何猶豫,完全像個胸有成竹的分析師。問題是:那個數字可能是它「生成」出來的,不是它「查到」的。

這堂課分兩半:第一半拆解六個最常見的 AI 使用錯誤,教你認識幻覺的本質、建立查核習慣;第二半做一個完整的綜合實戰,把前六課所有技法組合起來,從零完成一個真實任務。

這堂課適合誰 適合:已經看過前六課、會用基本 Prompt 的人。需要基礎:零程式基礎 OK,但建議至少讀過第 2 課(四要素)和第 5 課(拆步驟)。前置課:整個 Prompt Engineering 大全課程(第 1–6 課)。

這堂學什麼

  • AI 幻覺的成因:為什麼它說錯了還這麼有把握
  • 六個高頻失誤模式:從「輕信數字」到「當搜尋引擎用」
  • 知識截止日實際長什麼樣:Claude、ChatGPT、Gemini 各自的盲區在哪
  • 事實查核四步流程:每次拿到 AI 輸出後的標準動作
  • 綜合實戰 Walkthrough:把六堂課技法組合成一個完整任務
  • 下一步課程指路:AI 寫作課、AI Agent 課

觀念一:AI 幻覺到底是什麼

AI 說錯話不是 bug,也不是故意騙人。AI 的工作方式是文字接龍:給定一段輸入,預測「接下來最可能出現的文字是什麼」——基於訓練時看過的海量文字學到的規律。

問題在於:「接最有可能的詞」跟「說出正確的事實」是兩件不同的事。AI 學到「市場報告」後面常常接「兆台幣」的數字,它就會生成一個數字——這個數字可能剛好對,也可能完全是捏造的,但它生成時根本無從區分。這就是幻覺的根源:不是「知道但說錯」,而是「根本沒查,靠概率填空」。

AI 幻覺解剖:自信說錯的現場與正確使用姿勢對照

根據 2025–2026 年各家機構的測試,即使最新的前沿模型,在涉及具體引用、數字、法條這類高精度任務時,幻覺率仍在 5–20% 的區間——平均每 10 個「看起來很確定」的具體數字,就有 1–2 個需要查。

各家模型的差異 Claude 系列在「承認不確定」方面的校準較好——遇到它不確定的事,相對更容易說「我不確定,請查證」。ChatGPT(GPT-4o)則傾向以確定的語氣給出答案。Gemini 部分版本有即時網路搜尋,這類功能會降低時效性幻覺,但不代表其他類型的幻覺也消失了。不管用哪個模型,查核習慣都不能少。

六大常見錯誤

用 AI 最常犯的 6 種錯一覽

錯誤 1:輕信幻覺——AI 說得很確定,但它在掰

症狀:請 AI 寫報告,裡面有具體數字和引用來源,你直接複製貼上交出去,結果被問到出處時找不到原始報告。

根本原因:AI 生成的「引用來源」和「具體數字」很大比例是捏造的——它知道「報告通常長這樣」,就按格式填了一個看起來合理的內容。

解法:凡是涉及數字、法條、引用來源、人物職稱,一律啟動查核。在 prompt 加上:

回答完之後,請另外列出你提到的所有具體數字、法條或引用來源,
標注你對每個資訊的確信程度(高/中/低),讓我針對低確信的部分查證。

錯誤 2:不給脈絡——AI 在黑暗中猜你想要什麼

症狀:你說「幫我寫一篇文章」,AI 給了一篇 500 字的新聞稿,但你要的是 2,000 字的深度分析給業界人士看。

根本原因:「文章」這兩個字對 AI 沒有任何約束力。它不知道你是誰、給誰看、什麼目的、什麼長度、什麼語氣——它只能猜,而它的猜測通常是最平均的那個。

解法:回到第 2 課的四要素:角色、任務、脈絡、格式——缺一不可。

你是一位科技媒體的資深編輯。
請幫我寫一篇面向新創業者的深度分析文章,主題是「2026 年台灣 AI 工具市場趨勢」。
長度 2,000 字,使用繁體中文,語氣專業但不生硬,以三個主要趨勢為結構。

錯誤 3:一次問太多——AI 偷偷跳過後面的需求

症狀:你在一則訊息裡說「幫我寫文章、生表格、做摘要、翻譯成英文、再給三個標題建議」,AI 做了前兩件,後三件要麼沒做、要麼做得很潦草。

根本原因:大型語言模型的注意力是有限的,而且傾向於完整完成「早出現的任務」,後面的任務常常在輸出長度的壓縮下被犧牲掉。

解法:第 5 課說過的「拆步驟」在這裡完全適用——每個任務各自一輪對話。如果你真的需要在一則訊息裡要求多件事,用明確的編號列表,而且在最後加上:

請依序完成以下 5 項任務,每完成一項就告訴我已完成,然後繼續下一項:
1. ...
2. ...

錯誤 4:不驗證數字——精確看起來很安全,其實是紅旗

症狀:AI 給你「台灣 2025 年 AI 市場規模達 XXX 億美元,年增長率 XX%」,你沒查就寫進簡報,結果被問到出處時下不了台。

根本原因:AI 看過大量市場報告,它知道「市場規模報告的格式」,於是生成格式正確但數字捏造的內容。數字越精確(小數點後兩位、具體年分),往往是幻覺程度越高的信號——因為現實中這麼精確的數字需要大量查核,AI 只是填了一個「看起來合理的數字」。

解法:「精確」≠「正確」。把 AI 給的所有數字視為「待查的假設值」,到第一手資料確認再用:主計總處、行政院統計資料、IDC/Gartner 官方報告。

錯誤 5:忽略知識截止日——問去年的事,AI 可能給你前年的答案

症狀:你問「ChatGPT 現在的訂閱方案怎麼分」,AI 給你一個聽起來很完整的答案,但裡面的方案名稱和價格是一年前的舊資訊。

知識截止日時間軸:各模型的知識盲區在哪

根本原因:AI 的知識有一個固定的截止點——在那個時間點之後發生的事,它完全不知道,但它可能不會主動告訴你這件事,直接用舊知識回答。以 2026 年 7 月的現況來說:

  • Claude Sonnet 4 訓練截止約 2025 年 3 月(可靠知識截止約 1 月底)
  • GPT-4o 訓練截止約 2023 年 10 月(部分更新延伸到 2024 年中,可搭配 web search 補充即時資料)
  • Gemini 2.5 Pro 訓練截止約 2025 年 1 月(部分查詢有即時網路搜尋)

這代表所有主流 AI 在時效性上都有盲區,差別只是盲區的大小和能否主動說清楚。

解法:凡是跟時效性相關的問題(法規、產品功能、價格、人員職稱),不管 AI 回答得多完整,都要自己查官方頁面。或在 prompt 裡明確說:「請告訴我你這個資訊是哪個時間點的,以及哪些部分可能已過時。」

錯誤 6:把 AI 當搜尋引擎——它不會查,它只會生成

症狀:你問「台北哪家咖啡廳最近的評分最高」「XXX 公司的最新股價是多少」「今天天氣如何」,AI 給了一個聽起來有模有樣的答案。

根本原因:Google 是「在索引過的網頁中查找」;AI 是「根據訓練資料生成最可能的文字」。對於需要即時查找的問題,AI 沒有「去查」這個動作——它只是生成一個「這個問題通常對應什麼樣的答案」的文字。

解法:把任務分清楚:

  • 需要即時查找的:用 Google、官方網站——AI 不適合
  • 需要分析、整理、生成的:這才是 AI 的強項

部分 AI(開啟網路搜尋功能的 ChatGPT、Gemini)可以執行實際搜尋,那是另一回事——重點是你要知道你現在用的模型有沒有開啟這個能力。

事實查核:四個動作變成習慣

拿到 AI 輸出之後,在你使用或轉發之前,做這四個動作:

AI 輸出事實查核四步流程

Step 1 — 辨認高風險欄位

掃描輸出,標記出:數字(比例、金額、排名)、日期、法條條號、引用來源(「某研究指出」「根據 XX 報告」)、人名職稱。這些是幻覺重災區——不是「可能錯」,而是「必須查」。

Step 2 — 讓 AI 自我標記不確定

在每次需要事實準確度的任務開始時,在 prompt 加上:

回答完之後請另開一段,列出:
1. 你在這個回答裡最不確定的 3 個資訊點
2. 你建議我去哪裡查證(具體到網站或資料來源類型)

Claude 在這類要求下表現較好,通常會誠實列出不確定點。ChatGPT 和 Gemini 也會配合——步驟 1 的主動掃描仍然必要。

Step 3 — 用第一手來源核實

不要用另一個 AI 查 AI 的答案——幻覺叫幻覺查幻覺。第一手來源才算數:

查的內容 推薦來源
台灣法規條文 全國法規資料庫(law.moj.gov.tw)
統計數字 行政院統計資訊網、主計總處
市場報告 IDC、Gartner、資策會官方報告
產品規格/方案 品牌官方網站
學術引用 Google Scholar、原始論文

Step 4 — 修正後帶回 AI

查到正確資料後,回到對話糾正:

你剛才說市場規模是 X 億,我查了主計總處的資料,
正確數字是 Y 億(2025 年數據)。請根據這個正確數字重新整理這段分析。

這樣 AI 就能在這輪對話裡用正確的資訊繼續工作,而不是帶著錯誤假設繼續輸出。

手把手實戰:從零完成一份企劃書

光理解理論還不夠。這一節我們把前六課所有技法組合起來,做一個完整的任務 Walkthrough。

任務設定:你是一間 20 人新創公司的營運主管。老闆要你在下週提出一份「AI 工具導入企劃書」,說明公司應該引入哪些 AI 工具、預算如何分配、效益是什麼。你完全不知道從哪裡開始。

綜合實戰任務架構:把前 6 課技法全部用上

Step 1:先想清楚目標,不要直接開口問(第 1 課)

在打開 AI 之前,花 3 分鐘在紙上或備忘錄回答這三個問題:

  • 這份企劃書給誰看?(老闆、董事會、全員大會?)
  • 決策者最關心什麼?(省錢?省時間?競爭優勢?)
  • 需要的輸出長什麼樣?(投影片大綱?Word 文件?表格?)

假設你的答案是:給老闆和財務長看,最關心 ROI 和預算可控性,需要一份可以直接進投影片的結構化大綱。

這三個答案就是你 prompt 的脈絡——沒有它們,AI 會幫你寫出一份「通用版企劃書範例」,跟你的實際情況沒什麼關係。

Step 2:用四要素寫第一個 prompt(第 2 課)

拿著剛才想清楚的答案,組合出第一個完整 prompt:

你是一位專注 B2B SaaS 的企業數位轉型顧問,有幫 10 人到 100 人新創公司
做 AI 工具導入經驗。

任務:幫我規劃一份「AI 工具導入企劃書」的完整結構大綱。

脈絡:
- 公司:20 人新創,電商行業,台灣市場
- 讀者:公司老闆與財務長,最關心 ROI 和預算可控性
- 時程:下週提案,需要 3 個月內可落地的工具推薦
- 現況:團隊目前完全沒有 AI 工具,從零開始

輸出格式:
- 企劃書章節結構(一級標題 + 每章 2-3 行說明)
- 每章估計投影片頁數
- 重點標注:哪些章節財務長最在意,用「★」標記

暫時不需要完整內容,只要骨架——我們之後一章一章填。

注意 prompt 最後一行:「暫時不需要完整內容,只要骨架」。這是第 5 課「拆步驟」的精神——先拿到大綱,確認方向對了,再往下細做。

Step 3:貼一個範例讓 AI 照你的樣子輸出(第 3 課)

如果你之前做過任何格式的企劃書,或在網路上找到你喜歡的格式,把它的「章節結構」貼給 AI:

我找到一個我覺得格式不錯的企劃書大綱,結構如下:
---
[貼入你覺得格式好的範例大綱,哪怕只是 5-6 行]
---

請參考這個格式的邏輯與詳細程度,重新整理我們的 AI 工具導入企劃書大綱。
格式和這個範例一致,但內容要符合我的情況(20 人電商新創,AI 工具導入)。

Few-shot 的核心是「給樣本,讓 AI 照格式輸出」——你不需要解釋格式是什麼,直接貼給它看。

Step 4:展開最重要的章節,指定結構化格式(第 4 課)

大綱確認後,逐章展開。以「工具推薦」章節為例:

現在請展開「AI 工具推薦清單」這一章。

格式要求:用 Markdown 表格輸出,欄位包含:
| 工具名稱 | 適用情境 | 月費(美元) | 推薦優先度(高/中/低) | 替代選項 |

要求:
1. 只推薦 2026 年現役主流工具,不推薦已停服或小眾工具
2. 以電商公司的常見需求為主(客服、文案、數據分析、圖片生成)
3. 優先度「高」的工具不超過 3 個

⚠️ 重要:你列出的工具名稱、月費、方案請你自己標記確信程度,
因為 AI 工具更新很快,我會到官網核對實際價格和方案。

注意最後的 ⚠️:這是我們剛剛學到的查核習慣——AI 列出的工具月費是最可能過時或出錯的資訊,在 prompt 裡就先要求 AI 自標不確定,然後你再去官網一一核對。

Step 5:拆步驟追問,細化每個重點(第 5 課)

表格做完後,繼續追問:

工具清單確認了。現在請展開「ROI 估算」章節。
格式:對照表,左欄是「成本項目」,右欄是「預期效益」。
效益請盡量量化(例如節省多少人時/月),但如果無法精確量化,
請改用「預期改善方向」並標注「需要試跑 30 天後才能精算」。

追問的重點:每次只聚焦一件事、指定格式、告訴 AI 遇到無法精確量化時該怎麼做。這樣 AI 就不會為了「看起來完整」而捏造數字。

Step 6:把好用的 prompt 存成模板(第 6 課)

整份企劃書做完之後,把這個流程中最好用的幾段 prompt 存到你的模板庫:

【企劃書骨架模板】
用途:快速生成任何企劃書的章節結構
適用模型:全平台
最後更新:2026-07-04
---
你是一位{產業}顧問。

幫我規劃一份「{企劃主題}」的完整章節大綱。

脈絡:
- 公司規模:{公司規模}
- 讀者:{讀者}最關心{關注點}
- 時程:{時程}

輸出:一級章節 + 每章說明 + 投影片頁數估算
標注★在{讀者}最在意的章節。
暫時只要骨架,之後逐章展開。

這個模板以後做任何企劃書都可以填空用,不用從頭想。

Step 7:最後查核,避免幻覺進入交付品(第 7 課)

企劃書初稿完成後,交出去之前跑最後查核:

請列出這份企劃書裡:
1. 所有具體數字和確信程度(高/中/低)
2. 你建議我到哪裡查證低確信的資訊
3. 任何「過於樂觀」或「需要試跑才能確認」的估算

挑出低確信項目,到官方資料來源確認,把正確數字帶回對話修正——這一步能抓住漏網的幻覺。

常見坑

坑 1:要求 AI 幫你查自己給它的資訊——它只會說「正確」

症狀:你拿一段文字給 AI 說「這個資訊正確嗎?」,AI 說「是正確的」,你就放心了。

問題:AI 有強烈的「確認偏誤」——它傾向於同意你給它的內容。你問「這個數字對嗎」,它幾乎都會說對。

解法:不要用 AI 驗 AI,用第一手來源驗。想讓 AI 幫你找問題,改成說:「假設這段話裡有一個數字是錯的,最可能是哪個?」——「找錯題」框架比「驗證題」框架有效得多。

坑 2:輸出被截斷,但 AI 說「完成了」

症狀:你要求 AI 輸出一份 2,000 字的報告,它給了 800 字就說「以上是完整報告」。你沒發現,直接交出去。

問題:大型語言模型的單次輸出有長度限制。當任務超過這個長度,AI 有時會「提早收尾」而不告訴你還有更多。

解法:在 prompt 裡加一句:「如果內容超過你的單次輸出上限,請停在自然斷點說『請讓我繼續』,等我回覆。」大型任務則改用拆步驟方式——不要試圖在一輪對話拿到所有輸出。

坑 3:長對話裡 AI 開始忘記前面說的事

症狀:對話進行了 20 幾輪後,AI 突然提出跟前面矛盾的建議,或忘記你說過的限制條件。

問題:AI 的「記憶」是靠每次輸入時帶入的對話歷史。對話太長,早期的內容在有效注意力邊緣,掌握程度就會下降。

解法:長任務每隔 10 輪左右,在對話裡加一段「任務摘要」:

先停一下,我整理一下我們目前的進度:
- 任務:替 20 人電商新創寫 AI 工具導入企劃書
- 已完成:章節大綱、工具推薦清單、ROI 估算表
- 待完成:執行時程表、風險分析
- 限制條件:預算上限 3 萬台幣/月,工具必須有中文介面
請確認你理解這些限制,然後繼續協助我完成「執行時程表」。

這個「摘要 + 確認」的動作能讓 AI 重新聚焦,減少後段對話跑偏的機率。

作業

  1. 拿你手邊任何一個 AI 產生的文件,做一次「高風險欄位掃描」:找出所有數字、引用來源、法條,查核其中三個,看多少比例是對的。

  2. 把「讓 AI 自我標記不確定」的 prompt 片段存進你的模板庫,以後每次做需要事實準確度的任務就帶上它。

  3. 選做進階:用今天的綜合實戰流程完成一個你自己的真實任務。重點是走完七個步驟,不要跳過查核的最後一步。

自我檢核 做完以後問自己:這份輸出裡,哪些部分我確認過、哪些部分我還沒查?沒查過的部分,先不要給別人看。這個習慣建起來,你用 AI 的「可信度」就會比 90% 的人高。

你已經學完這門課了

Prompt Engineering 大全・七堂課完整藍圖

走到這裡,你已經把整套 Prompt Engineering 大全走完了。你現在有一整個工具箱:四要素、Few-shot、結構化輸出、拆步驟、模板庫、查核流程——七堂課的技法全部可以組合使用。

Prompt 技術會持續演化,但有一件事不會過時:知道 AI 的能力邊界在哪,然後負責任地使用它。 這一課的查核習慣,不管模型怎麼更新都適用。

下一步課程指路

AI 寫作課:把七堂課的 Prompt 基礎套用到長文、商業文案、SEO 文章——寫作是 AI 帶給你最直接生產力提升的領域。AI 寫作課從「Prompt 起草」到「多輪迭代」「風格校對」,是最自然的延伸。

AI Agent 課:從「我下 prompt、AI 回答我」進化到「AI 自動執行多步驟任務、我只看結果」。你在七堂課打下的 Prompt 功底,在 Agent 設定裡是直接可用的——好的 Agent 就是好 Prompt 加上自動化邏輯。

不管你選哪條路,恭喜你完成了 Prompt Engineering 大全。AI 使用效率的複利,從這裡開始計算。

#Prompt Engineering#AI 幻覺#事實查核#綜合實戰#新手

← 回所有文章