AI 指令入門：點樣同 AI 講清楚，攞到想要嘅答案

圖片：TechLab 自製資訊圖

TechLab 編輯部·2026-09-15

由目標、背景、限制到輸出格式，一套可直接套用的寫法

你問 AI「幫我寫一段介紹」，卻收到空泛、太長或不合語氣的答案，通常不是因為你不懂提問，而是任務的成功標準未講清楚。這篇適合剛開始使用對話式 AI、想用它處理文案、整理資料、規劃行程或草擬工作內容的人；核心做法很直接：先說明你要達成甚麼，再補足背景、限制和輸出格式，最後自己核對結果。

這個分工亦有實際根據。XDA 報道 Anthropic 分析約 40 萬個 Claude Code 對話後指出，使用者應負責決定要完成甚麼、採用甚麼方向，以及何謂合格結果；工具則負責處理執行細節。即使你不是寫程式，這個原則同樣好用：不要逐步遙控它「先寫第一句、再改第二句」，而是把目的與界線一次過交代清楚。咁樣做不是保證答案必然正確，卻能讓你更容易判斷它有沒有做到你要的事。

一條好指令，至少交代四件事

把每次要求拆成「任務、背景、限制、格式」四部分。未必每次都要寫得很長，但愈涉及具體對象、數字、規則或公開內容，愈應補齊。

部分	要交代甚麼	可直接填入的句式
任務	最終要交付甚麼	「請替我草擬一封電郵，目的是……」
背景	讀者、情境、已有資料	「收件人是首次合作的客戶；已知安排是……」
限制	不可改變的事實、語氣、長度、避開內容	「不要虛構日期；語氣禮貌直接；不多於 180 字。」
格式	答案要怎樣排版	「先列三個標題選項，再提供正文；用繁體中文。」

「角色」可以放進背景，但不要把它當成魔法開關。與其只寫「你是專業編輯」，不如寫「以香港一般讀者看得明的繁體中文，為公司網頁寫 120 字介紹；避免誇大和英文術語」。前者只給了一個身分，後者清楚交代讀者、用途、語言、長度和界線。

跟住做：把一句模糊要求改成可用版本

以下練習不依賴特定型號。你只需準備一個可輸入文字、可重新開新對話的 AI 對話工具，以及一段你想處理的真實內容，例如活動資料、產品重點或會議筆記。不要貼入身分證號碼、帳戶資料、未公開合約或他人私隱。

先寫下任務的「完成定義」。例如你要的不是「寫宣傳文」，而是「給首次到訪網站的人一段 100 至 130 字活動介紹，讓他們知道日期、地點和報名方法」。
將已確認資料列成背景；未知的資料也要明說未知。這可避免工具把空白位置當成可以自行補寫的地方。
寫出限制：不可杜撰、不可改動哪些名稱或數字、要用甚麼語氣、答案上限是多少。
指定格式，要求它把「正文」與「仍需確認事項」分開。
收到答案後，逐項對照你提供的資料。發現錯誤時，不必整段重來；直接指出哪一點有問題，並要求只修正那一點。

可複製的範本如下：

任務：根據以下已確認資料，寫一段活動介紹。
背景：讀者是香港首次接觸活動的人；已確認資料是：
- 日期：12 月 8 日
- 地點：中環某場地
- 主題：手機攝影入門
- 報名方式：網站表格
限制：只可使用以上資料；不要補充嘉賓、價錢或名額；繁體中文；語氣親切而清楚；120 至 150 字。
格式：先輸出「介紹」，再輸出「需確認事項」。

預期結果是：介紹會包含已給的日期、地點、主題和報名方式；若資料不足，內容會在「需確認事項」標示空缺，而不是把未知內容寫成事實。驗證方法是逐項檢查四個已確認資料有否完整、文字有否超出字數，以及有否出現你未提供的具體資料。

還原方法亦很簡單：若答案偏離要求，開一個新對話，重新貼上原始範本與確認過的資料；或者在原對話加入「忽略剛才草擬內容，以下資料為準，只按此版本重寫」。這樣可減少先前錯誤內容的影響，亦保留一份可追溯的原始要求。

用「輸出格式」減少來回追問

很多回覆看似答了，實際上難以直接使用，問題往往在格式沒有指定。格式不是裝飾，而是驗收規格。你可以按任務選擇以下寫法。

要比較選項：要求「表格列出選項、優點、限制、適合情況；資料不足的格寫『未提供』」。
要整理長文：要求「先列五點摘要，再列引文對應的原句；不要加入原文沒有的結論」。
要電郵草稿：要求「提供主旨和正文兩部分；正文三段內；保留所有日期與人名原樣」。
要決策協助：要求「先列假設，再列支持與反對理由，最後提出仍需由我決定的兩項事情」。

例如要把會議筆記變成待辦事項，可這樣寫：

把以下筆記整理成待辦清單。
只保留筆記明確提到的工作，不要自行新增。
每項以「負責人｜期限｜工作」排列；沒有負責人或期限便寫「未提供」。
最後另列「需要確認」項目，不要把猜測混入待辦清單。

預期結果是每一項都有固定欄位，方便你逐行核對。驗證時，將每項待辦對回筆記原句：只要出現原文沒有的負責人、期限或承諾，就刪除該項或要求重寫。這比只問「幫我整理得清楚一點」更容易發現錯漏。

不要把「詳細」誤解成逐步指揮

詳細不等於把每一個操作都寫死。針對 Claude Code 的分析顯示，較有效的分工是由人定方向、背景與限制，讓工具處理執行。套用到一般文字任務，就是說清楚成品要解決的問題，卻毋須預先規定它每一句的次序。

較不理想的寫法是：「先寫標題，第二句要講好處，第三句加例子，之後改成親切語氣，再刪兩句。」這會令你在未看見完整答案前，已經鎖死寫法。較實用的版本是：「為首次使用者寫 150 字介紹，先說可解決的問題，再給一個生活化例子，結尾提供下一步；語氣自然，不作效果保證。」工具仍有空間組織內容，而你仍保有可驗收的標準。

不過，涉及法律、醫療、財務、公共安全或重要決定時，不能把「它寫得像專家」當成驗證。TechCrunch 的 AI 詞彙解說指出，較複雜的推理可把問題拆成中間步驟，未必代表最終答案一定正確；人仍須覆核。對數字、引述、規則和地址，最穩妥是要求它標明依據，再回到原始資料逐項核實。

最後一輪：用三條問題驗收答案

提交前或採用前，向工具再問三條問題，通常已能捉到不少問題：

「請列出你在答案中採用了哪些資料；哪些資料是我沒有提供的？」
「哪些句子屬於推論、建議或假設？請與已確認事實分開。」
「逐項檢查是否符合字數、語言、格式及不可杜撰的限制；不符合便改正。」

預期結果不是它自動變成可靠來源，而是把答案內的事實、假設和文句要求分層，讓你更快覆核。驗證時不要只看它的自我檢查；仍要以原始資料為準。若它承認補寫了資料，做法是要求刪除或改列為待確認，而不是保留一個「大概正確」的版本。

生成式 AI 能寫得流暢，也能產生貌似可信但錯誤的內容。TechCrunch 曾報道 Google 因生成影像可能被用作散播錯誤資訊而撤回 Google Earth 的相關功能，正好提醒我們：清楚指令可改善可用性，卻不能取代查證。把 AI 當成協助起草、整理和提出選項的助手；由你提供正確背景、設定界線、驗收成品，先至係最實際的用法。