提示的組成元素（Elements of a Prompt）
在以大型語言模型（LLMs）為核心的現代 AI 應用中，如何撰寫有效的提示（prompt） 是決定 AI 表現成敗的重要關鍵。本文從「提示的組成要素」切入，解析設計 prompt 的基本架構與核心理念，協助你打造可控且精準的模型互動方式
本篇目標
當我們在提示工程的範例與應用中持續深入，你會發現一個提示通常由幾個常見的元素所組成。
一個完整的提示（Prompt）可能包含以下幾種元素：
指令（Instruction）
你希望模型執行的具體任務或指示。
例如：「請將以下段落翻譯成英文」、「總結這篇文章的重點」。
上下文（Context）
提供給模型的額外資訊或背景知識，
幫助它產生更貼近語境的回應。
例如：在翻譯任務中指定專業領域，或提供前文摘要讓模型銜接內容。
輸入資料（Input Data）
也就是我們想要得到回答的問題本身或資料本體。
例如：「What is prompt engineering?」或一篇新聞報導。
輸出指示（Output Indicator）
用來說明我們預期的輸出格式或型別。
例如：「用 JSON 格式回答」、「請用一句話回覆」、「以條列方式列出三點」等。
文字分類任務（Text Classification）
為了更清楚地說明提示的四個元素，以下是一個簡單的例子，目的是執行一個文字情感分類任務：
Prompt
Classify the text into neutral, negative, or positive
Text: I think the food was okay.
Sentiment:
對應提示元素解析：
-
指令（Instruction）
指令是：Classify the text into neutral, negative, or positive，這告訴模型要做的是分類任務。 -
輸入資料（Input Data）
I think the food was okay.是要被分析的文本內容。 -
輸出指示（Output Indicator）
Sentiment:表示我們希望模型給出情感分類的回應。 -
上下文（Context）
此例中未提供上下文，但實際上可以在提示中加入上下文來幫助模型 更好地理解任務。例如你可以加上幾個已分類的範例，作為few-shot context，讓模型更準確地掌握分類標準。
References
上一篇：介紹 - 提示語設計基礎
下一篇：介紹 - 設計提示語的技巧