你走進櫃上，只說一句：「幫我推薦一個包。」
櫃姐當然可以推薦，但她只能猜。
如果你改成說：「我要上班背，筆電 13 吋，希望肩背不會太重，不要滿版 Logo，預算三萬內，平常衣服是黑白灰。」
她一下就多了很多可以判斷的線索。
這就是 提示詞（Prompt） 最簡單的意思。
Prompt 就是你交給 AI 的資訊
Prompt 常被翻成提示詞，但如果你因此把它想成某種神秘指令或咒語，反而容易把事情想複雜。
對一般使用者來說，你可以先把 Prompt 理解成：你告訴人工智慧（Artificial Intelligence, AI）的問題、需求、背景和限制。
例如：
「幫我寫一封信。」
和：
「幫我寫一封 150 字內的英文信，收件人是教授，我想禮貌詢問下週二是否方便討論論文，不要太客套。」
後者不是比較會施法，而是資訊比較完整。
為什麼 Prompt 會影響答案？
上一篇講詞元（Token）時，我們提到大型語言模型（Large Language Model, LLM）會根據前面已有的內容，逐步產生接下來的內容。
這些前面已經出現、會影響後續回答的資訊，可以先統稱為上下文（Context）。因此你提供的上下文不一樣，模型面對的「前面內容」就不一樣，接下來最合理的回答自然也會改變。
回到櫃姐的例子。
如果她只知道你「想買包」，可能拿出店裡最熱門的。
如果她知道你每天搭捷運、肩膀容易痛、不喜歡大 Logo，她就可以排除一大堆看起來熱門但不適合你的選項。
好 Prompt 不等於越長越好
這也是一個常見誤會。
你不需要每次都寫一篇作文。
重點不是字多，而是該有的資訊有沒有出現。
通常可以先想四件事：
- 你要它做什麼？
- 這件事的背景是什麼？
- 有哪些限制？
- 你希望答案長什麼樣子？
例如你要它規劃旅行，「三天兩夜」和「帶長輩、不開車、每天最多兩個景點」通常比一堆華麗形容詞更有用。
那些網路上的「神級 Prompt」有必要背嗎？
不用急著背。
有些模板確實能提醒你補足角色、格式、限制或評估標準，但真正重要的是你開始知道：模型不知道你沒說出口的需求。
如果答案不對，不一定代表模型很笨，也可能只是它手上的線索不足。
就像你沒有告訴櫃姐預算，她拿出一個十五萬的包並沒有違反你的要求，因為你根本沒說。
Prompt 也不是保證書
講得再清楚，AI 還是可能答錯。
Prompt 可以幫助模型更接近你的意圖，但不能保證事實一定正確。
這件事非常重要，因為下一篇我們要談的就是生成式人工智慧（Generative Artificial Intelligence, Generative AI）最容易讓人踩雷的地方：幻覺（Hallucination）。
它最麻煩的不是「不知道」，而是有時候不知道還講得非常有自信。
今天只要記住一句話
Prompt 不是咒語，而是你給 AI 的任務、背景與條件。資訊越貼近真正需求，回答通常越有機會貼近你。