你需要學習「Prompt Engineering」！來引導現有的 LLM 模型所建立起來的 AI 平台，因為無論語言模型（LLM）的架構有多先進，其能力在很大程度上仍受限於它所接收的提示（prompts）的品質和結構。
即使是擁有大量參數和廣泛訓練數據的大型語言模型如ChatGPT，也需要「有效」的 Prompt Engineering 來引導語言模型（LLM）達到特定的輸出效果。
因為，這種技術有助於提高回答的準確性和相關性，還可以使模型更好地適應「你提出的問題」。
我經常會去研究 ChatGPT、Gemini、claude、perplexity 之間對於 Prompt Engineering 的差異，我會去切換，看看哪個機器人的回覆比較適合我。
而 Prompt Engineering 也是越來越多公司開始會要求員工去學習，甚至有專門的 Prompt Engineering 職位在 104 上出現，不過，有一個良心建議，大家有空時還是去看這些AI平台所提供的官方版本提示詞建議，這樣和 AI 對話時會比較有效率。
Chain of Thought，思維鏈、思路鏈都可以
根據「Chain-of-Thought Prompting Elicits Reasoning in Large Language Models 論文」說明，利用 Chain of Thought 的詢問方式可以顯著提高語言模型解決複雜推理問題的能力，從實驗顯示，當模型接收到一系列邏輯推理的步驟作為提示後，其在數學、常識和符號推理任務上的表現有顯著提升。
為了更好地理解如何寫好 Chain of Thought 提示，我根據實際的應用情境設計一些範例，以展示如何有效應用 CoT 提示來強化語言模型的推理能力。以下是一些具體的建議和應用範例：
三歲小孩的問法：
Q: 一個籃球隊有五名球員，每人得了 8 分，這支隊伍總共得了多少分？
A: 40分。這種提示直接問答，模型可能會直接回答但不展示解題思路。
Few-shot Learning的問法：
Q: 如果一個籃球隊有五名球員，每人得了 8 分，這支隊伍總共得了多少分？另一個籃球隊有四名球員，每人得了 10 分，這支隊伍總共得了多少分？
A: 第一個隊伍總共得了 40 分。第二個隊伍總共得了 40 分。這裡通過給出兩個類似問題的例子，可以幫助模型理解要求並給出兩個答案，展示了模型使用前面的情境來解答新問題的能力。
Chain-of-Thought的問法：
同一問題，使用 Chain-of-Thought 提示來增強邏輯推理：
Q: 解釋如果一個籃球隊有五名球員，每人得了 8 分，這支隊伍總共得了多少分？
A: 首先，每個球員得了 8 分，隊伍有 5 名球員。要找出總分，我們將每個球員的得分相加，所以計算是 5 * 8。5 乘以 8 等於 40，所以總得分是 40 分。這種提示引導模型逐步展示解答過程，不僅回答問題，還詳細解釋了如何達到答案，這有助於教育和理解複雜問題的解決方法。
我常用的 Prompt Engineering 架構
我的 60 秒看懂本文 提示詞範本
<!DOCTYPE html>
<html lang="zh-TW">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>AEO - 單字卡片</title>
<style>
/* 全局樣式 */
body {
margin: 0;
padding: 0;
font-family: "SF Pro Text", "Helvetica Neue", Arial, sans-serif;
background-color: #F9F9FB;
color: #3C3C43;
display: flex;
justify-content: center;
align-items: center;
min-height: 100vh;
}
/* 卡片容器 */
.card {
width: 90%;
max-width: 700px;
background-color: #FFFFFF;
border: 1px solid #E0E0E0;
border-radius: 12px;
box-shadow: 0 4px 12px rgba(0, 0, 0, 0.1);
padding: 24px;
line-height: 1.6;
box-sizing: border-box;
}
/* 標題樣式 */
h2 {
font-size: 28px;
font-weight: 700;
color: #1D1D1F;
margin-bottom: 20px;
}
h3 {
font-size: 22px;
font-weight: 600;
color: #333;
margin-top: 24px;
margin-bottom: 12px;
}
h4 {
font-size: 18px;
font-weight: 500;
color: #555;
margin-top: 16px;
margin-bottom: 8px;
}
/* 內文樣式 */
p {
font-size: 16px;
margin: 12px 0;
}
/* 列表樣式 */
ul {
padding-left: 20px;
margin: 0;
}
li {
font-size: 16px;
margin-bottom: 8px;
color: #3C3C43;
}
/* 強調文字 - Apple 藍色 */
.highlight {
color: #007AFF;
font-weight: bold;
}
/* 區塊分隔 */
.divider {
border-top: 1px solid #E0E0E0;
margin: 24px 0;
}
/* 英文句子樣式 */
.example {
font-style: italic;
color: #555;
}
</style>
</head>
<body>
<div class="card">
<!-- 60 秒標題 -->
<h2>60 秒看懂本篇文章</h2>
<!-- AEO 定義 -->
<h3>AEO</h3>
<p>AEO 是「<span class="highlight">Answer Engine Optimization</span>」的縮寫，指最佳化內容，讓 AI 問答引擎（例如 ChatGPT、Gemini）更容易理解與提供用戶所需的「直接答案」。</p>
<!-- 詞源 -->
<h4>詞源</h4>
<p>隨著語音助理和 AI 問答引擎的普及，AEO 成為搜尋引擎最佳化（SEO）的延伸，幫助內容在自然語言查詢中獲得更高的曝光與解答機會。</p>
<!-- 可以這樣理解 -->
<h4>可以這樣理解</h4>
<p>想像你問：「<span class="highlight">今天天氣如何？</span>」
AEO 就像一位貼心的助理，立即給出簡單、清楚的答案，而不需你翻找整篇文章。</p>
<!-- AEO 的核心原則 -->
<h4>AEO 的核心原則</h4>
<ul>
<li>提供 <span class="highlight">簡潔且明確</span> 的答案（50-100 字最佳）。</li>
<li>使用 <span class="highlight">FAQ 格式</span> 或 <span class="highlight">條列式內容</span> 呈現資訊。</li>
<li>模擬使用者的自然語言查詢，讓內容更貼近提問。</li>
</ul>
<!-- 英文例句 -->
<h4>順便學英文</h4>
<p class="example">"AEO helps content become the top answer for AI-driven platforms."<br>
AEO 幫助內容成為 AI 問答引擎中的首選解答。</p>
<!-- 分隔線 -->
<div class="divider"></div>
</div>
</body>
</html>
優先級排序模型提示詞範本
利用 [MoSCoW 模型] 告訴我， [AI聊天APP] 哪些核心功能、特色功能要列入什麼區域？可參考的模型：
- MoSCoW 模型： 適用於快速、簡單的優先級排序。
- RICE 模型： 適用於需要綜合考慮多個因素的場景。
- Kano 模型： 適用於深入了解用戶需求，探索用戶期望和滿意度。
- Eisenhower 矩陣： 適用於時間管理和任務分配。
- ICE 評分模型： 適用於快速評估功能的優先級。
- 加權評分法： 適用於需要更精確量化優先級的場景。
- 故事點估算法： 適用於敏捷開發團隊。
面試產品經理提示詞範本
現在你是 [某] 公司的面試主管，你將面試 [AI聊天APP產品經理] 職位的求職者，請從 [專業知識技能、通用能力、經驗、個人特質] 四個角度出發，準備一個面試問題 。寫產品方案提示詞範本
請以產品經理的視角，撰寫一份 [AI聊天APP] 的產品方案文件。文件需結構清晰、邏輯嚴謹，內容應包含但不限於：
產品概述： 產品名稱、定位、目標用戶、核心價值等。
功能設計： 核心功能、特色功能、功能優先級等。
技術方案： 技術選型、架構設計、效能優化等。
營運策略： 用戶獲取、用戶留存、商業變現等。
風險評估： 技術風險、市場風險、法律風險等。
請確保文件內容符合以下要求：
可行性： 技術方案應切實可行，不包含無法實現的功能。
用戶體驗： 功能設計應以用戶需求為導向，提升用戶體驗。
商業價值： 闡述產品如何滿足市場需求並創造商業價值。
條理性： 按照合理的邏輯結構組織文件，便於閱讀和理解。寫簡報提示詞範本
請以產品經理的視角，為一款 [AI聊天APP] 設計一份PPT，請按照以下要求提供內容：
目錄：
根據 [AI聊天APP] 的產品特性、市場定位、競爭優勢等，設計清晰、有邏輯的PPT目錄結構。
目錄應包含但不限於：產品概述、核心功能、技術方案、市場分析、競品分析、商業模式、運營策略、未來展望等。
內容大綱：
針對目錄中的每個章節，撰寫詳細的內容大綱。
大綱應包含該章節的關鍵資訊、數據、論點等，為PPT製作提供詳細的內容參考。
可適當加入案例分析、圖表數據等，使內容更具說服力。
請注意：
PPT內容應重點突出 [AI聊天APP] 的創新性、實用性、用戶價值等。
技術方案應簡明扼要，避免過於專業的術語。
市場分析應基於真實數據，客觀評估市場潛力和競爭格局。
商業模式應具有可行性，闡述產品如何實現盈利。
運營策略應具體可行，包括用戶獲取、用戶留存、品牌建設等。
未來展望應具有前瞻性，分析行業發展趨勢和產品的潛在發展方向。產品經理常用提示詞範本
產品經理在日常工作中會使用到許多提示詞，這些提示詞有助於加速需求收集、專案規劃、團隊協作、產品推廣以及持續最佳化等各項工作。
需求收集提示詞
描述針對年輕人的 [AI聊天APP] ，探討他們在需求上的主要痛點，結合市場研究結果來明確這些痛點，並根據早期使用者測試的回饋，制定初步的使用者需求列表。專案規劃提示詞
為 [AI聊天APP] 設定明確的專案目標，如提升使用者互動效率和回覆內容準確性。劃分關鍵里程碑，如原型完成和首次用戶測試，建立完整的項目時間軸。團隊協作提示詞
設計一個高效的團隊溝通計劃，包括開發和市場團隊之間的跨部門協作策略和進度同步機制。說明 [AI聊天APP] 開發任務分配如何根據各部門專長進行，並設立回饋機制以持續改進協作效果。產品設計提示詞
概述 [AI聊天APP] 的核心功能設計，如語音識別和語境理解，介紹互動設計如何使得用戶界面直觀易用，並展示初步的原型製作結果，討論設計選擇對用戶體驗的影響。產品開發提示詞
描述 [AI聊天APP] 的技術實現方法，包括選用的機器學習框架和數據處理技術，探討如何利用迭代開發過程和敏捷開發方法來快速實現最小可行產品（MVP）。市場推廣提示詞
制定 [AI聊天APP] 的行銷策略，包括明確的市場定位、競品分析，以及如何建立品牌和吸引初期用戶，解釋這些策略如何針對目標市場進行有效的推廣活動。數據分析提示詞
設計一個框架來分析 [AI聊天APP] 的使用者行為，監控其性能表現，並進行資料探勘，詳述如何使用這些分析來改善轉換率和計算投資報酬率（ROI）。用戶回饋提示詞
建立一個針對 [AI聊天APP] 的用戶研究和回饋收集計劃，包括問題追蹤和持續改進的機制。產品優化提示詞
計劃 [AI聊天APP] 的功能最佳化，探討提升性能和安全性的方法，並討論如何透過使用者體驗的改進來增強產品吸引力。產業趨勢提示詞
分析新興技術和市場變化如何影響 [AI聊天APP] 的發展。討論這些趨勢對使用者習慣和政策法規的潛在影響，並提出相應的策略調整。本文參考文獻與文章
Wei, J., Wang, B., & Zhou, M. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. Proceedings of the National Academy of Sciences, 119(3), e2119264119.
Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., … & Amodei, D. (2020). Language models are few-shot learners. arXiv preprint arXiv:2005.14165. Retrieved from https://arxiv.org/abs/2005.14165