提示词就是下指令：把交办员工的方法用在AI上

阿明是曼谷一间中小型贸易公司的业务主管，上周有位老客户因为出货延误写信抱怨，语气很不客气。阿明手边事情一堆，随手打开AI对话框，只丢了一句：「帮我写一封道歉信」。

AI很快回了一封通用范本，内容四平八稳，但完全没提到延误原因、没提补偿方案，语气也太生硬，跟公司平常对客户的口吻对不上。阿明改了又改，花的时间比自己写还久，忍不住抱怨：「这AI也太不聪明了吧。」

但仔细想想，如果阿明把同一句话——「帮我写一封道歉信」——直接丢给新进员工，会发生什么事？新人大概也只能生出一份空泛范本，因为他不知道客户是谁、延误多久、公司打算怎么补偿。问题从来不在员工笨，也不在AI笨，而在交办的人讲得不清楚。

为什么「随便问」只会换来「随便答」

AI跟新进员工有一个共同点：他们都没有读心术，只能根据你给的信息做事。你对新人讲得越含糊，他猜错方向的概率就越高，来回修改的成本就越高。AI也一样——差别只是AI的「来回修改」是几秒钟的事，但如果你每次都用模糊指令，累积起来浪费的时间并不会比带新人少。

反过来说，一位资深主管交办任务时，通常会不自觉地讲清楚四件事：这件事的背景是什么、具体要做什么、要用什么形式交出来、最好再附上一个范例让对方抓到手感。这套「管人的直觉」，刚好就是写好提示词的核心方法。

怎么做：把交办员工的四个习惯搬到提示词里

1. 背景（Context）——先让AI进入状况

就像跟新人说「这是一位合作三年的老客户，这次是因为海关延误，不是我们的错，但客户很在意准时交货」，AI需要知道的背景包括：这件事的来龙去脉、谁会看到这份成果、目前的限制条件。背景给得越具体，AI才不会生出「放诸四海皆准」但谁都用不上的内容。

2. 任务（Task）——讲清楚具体要做什么

「帮我写一封道歉信」太笼统，等于跟新人说「去弄一下」。具体任务应该是：「写一封道歉信，说明延误原因、提出补偿方案（例如下次订单折扣5%）、并承诺新的交货日期」。任务描述得越明确，AI要猜的空间就越小。

3. 格式（Format）——讲清楚交出来要长什么样子

是要一封完整邮件、三个重点条列、还是一段可以直接复制粘贴到聊天软件的短消息？字数大概多少？要不要用泰文或中英双语？这些格式要求，交办员工时你多半也会讲，只是对AI常常忘了讲。

4. 范例（Example）——给一个参考样本，一次到位

如果手上刚好有一封公司之前写得不错的道歉信，直接贴给AI参考语气和用词，效果会比纯文字描述好非常多。这就跟带新人时说「你参考一下上次那份文件的写法」是同一个道理——范例胜过千言万语的形容词。

🔧 AI 动手做

你现在是我的助理，请帮我完成以下任务。

【背景】
[说明这件事的来龙去脉、对象是谁、目前遇到什么状况或限制]

【任务】
[具体说明要做什么，越明确越好，避免用「帮我弄一下」这种笼统说法]

【格式】
[说明交出来的形式：字数、结构、语言、是否要条列式等]

【范例】（若有可参考的样本，贴在这里；没有可省略此栏）
[贴上参考文字或说明希望的语气]

请根据以上四点，直接产出成果，不需要跟我确认就先给我一个完整版本，我再告诉你要修改的地方。

本周就能做的一步：挑一件你这周原本打算自己写、但其实可以交给AI的任务（一封信、一份周报草稿、一段社群贴文），照着上面的模板把背景、任务、格式、范例填好再送出。你会发现，AI给的第一版成果，质量往往就跟你带了半年的老员工差不多。

📎 理论依据：Prompt Engineering 领域广泛采用的 CO-STAR／Context-Task-Format-Example 提示词结构框架（OpenAI、Anthropic 官方提示词工程指南均采类似四要素拆解方式）。