提示詞就是下指令：把交辦員工的方法用在 AI 上

阿明是曼谷一間中小型貿易公司的業務主管，上週有位老客戶因為出貨延誤寫信抱怨，語氣很不客氣。阿明手邊事情一堆，隨手打開AI對話框，只丟了一句：「幫我寫一封道歉信」。

AI很快回了一封通用範本，內容四平八穩，但完全沒提到延誤原因、沒提補償方案，語氣也太生硬，跟公司平常對客戶的口吻對不上。阿明改了又改，花的時間比自己寫還久，忍不住抱怨：「這AI也太不聰明了吧。」

但仔細想想，如果阿明把同一句話——「幫我寫一封道歉信」——直接丟給新進員工，會發生什麼事？新人大概也只能生出一份空泛範本，因為他不知道客戶是誰、延誤多久、公司打算怎麼補償。問題從來不在員工笨，也不在AI笨，而在交辦的人講得不清楚。

為什麼「隨便問」只會換來「隨便答」

AI跟新進員工有一個共同點：他們都沒有讀心術，只能根據你給的資訊做事。你對新人講得越含糊，他猜錯方向的機率就越高，來回修改的成本就越高。AI也一樣——差別只是AI的「來回修改」是幾秒鐘的事，但如果你每次都用模糊指令，累積起來浪費的時間並不會比帶新人少。

反過來說，一位資深主管交辦任務時，通常會不自覺地講清楚四件事：這件事的背景是什麼、具體要做什麼、要用什麼形式交出來、最好再附上一個範例讓對方抓到手感。這套「管人的直覺」，剛好就是寫好提示詞的核心方法。

怎麼做：把交辦員工的四個習慣搬到提示詞裡

1. 背景（Context）——先讓AI進入狀況

就像跟新人說「這是一位合作三年的老客戶，這次是因為海關延誤，不是我們的錯，但客戶很在意準時交貨」，AI需要知道的背景包括：這件事的來龍去脈、誰會看到這份成果、目前的限制條件。背景給得越具體，AI才不會生出「放諸四海皆準」但誰都用不上的內容。

2. 任務（Task）——講清楚具體要做什麼

「幫我寫一封道歉信」太籠統，等於跟新人說「去弄一下」。具體任務應該是：「寫一封道歉信，說明延誤原因、提出補償方案（例如下次訂單折扣5%）、並承諾新的交貨日期」。任務描述得越明確，AI要猜的空間就越小。

3. 格式（Format）——講清楚交出來要長什麼樣子

是要一封完整email、三個重點條列、還是一段可以直接複製貼上LINE的短訊息？字數大概多少？要不要用泰文或中英雙語？這些格式要求，交辦員工時你多半也會講，只是對AI常常忘了講。

4. 範例（Example）——給一個參考樣本，一次到位

如果手上剛好有一封公司之前寫得不錯的道歉信，直接貼給AI參考語氣和用詞，效果會比純文字描述好非常多。這就跟帶新人時說「你參考一下上次那份文件的寫法」是同一個道理——範例勝過千言萬語的形容詞。

🔧 AI 動手做

你現在是我的助理，請幫我完成以下任務。

【背景】
[說明這件事的來龍去脈、對象是誰、目前遇到什麼狀況或限制]

【任務】
[具體說明要做什麼，越明確越好，避免用「幫我弄一下」這種籠統說法]

【格式】
[說明交出來的形式：字數、結構、語言、是否要條列式等]

【範例】（若有可參考的樣本，貼在這裡；沒有可省略此欄）
[貼上參考文字或說明希望的語氣]

請根據以上四點，直接產出成果，不需要跟我確認就先給我一個完整版本，我再告訴你要修改的地方。

本週就能做的一步：挑一件你這週原本打算自己寫、但其實可以交給AI的任務（一封信、一份週報草稿、一段社群貼文），照著上面的模板把背景、任務、格式、範例填好再送出。你會發現，AI給的第一版成果，品質往往就跟你帶了半年的老員工差不多。

📎 理論依據：Prompt Engineering 領域廣泛採用的 CO-STAR／Context-Task-Format-Example 提示詞結構框架（OpenAI、Anthropic 官方提示詞工程指南均採類似四要素拆解方式）。