如何優化 AI 提示詞
大多數提示詞一開始都只是匆忙寫下的一句話：「摘要這個」「修好這段程式碼」「寫點關於咖啡的東西」。AI 會回答，但答案很籠統，因為請求本身就很籠統。優化提示詞的意思，是把你腦中已經有的細節補回去，讓模型有足夠的資訊可以運用，而不是猜測你的意思。
為什麼初稿提示詞不夠好
- 它漏掉了對象。「解釋這個」對初學者和專家的意義不同，你得告訴模型你指的是哪一種。
- 它漏掉了格式。沒有指定形式，模型就會自己選一種，常常是你想要三個項目符號，它卻給你一整片段落。
- 它漏掉了長度。「摘要這個」可能是指一句話，也可能是一整頁。請說清楚是哪一種。
- 它漏掉了限制。保留這個詞、避開那個說法、字數不超過多少：把這些說清楚，模型才知道這些很重要。
優化前後：三個範例
寫作。優化前：「寫一篇關於咖啡的部落格文章。」優化後：「為在家沖煮的咖啡愛好者寫一篇 400 字的部落格文章，主題是調校義式濃縮磨豆機。用親切實用的語氣，分成三個附標題的短小節，並以一件今天就能嘗試的事作結。」
程式碼。優化前：「修好這段程式碼。」優化後：「這個函式應該回傳購物車的總金額，卻回傳 NaN。以下是函式和錯誤訊息。請先解釋問題出在哪裡，再提供修正後的程式碼。」
摘要。優化前：「摘要這個。」優化後：「為一位還沒讀過的主管摘要這個內容：用三句話說明發生了什麼事、代表什麼意思，以及他們需要做出什麼決定。」
研究。優化前：「調查一下我們的競爭對手。」優化後：「列出五個與每月 $12 的習慣追蹤應用程式直接競爭的對手。針對每一個，提供價格、他們領先的一項功能，以及評論中提到的一項弱點。用表格呈現。」
每一個「優化後」都加上了相同的四件事：對象是誰、答案該用什麼形式、要多長，以及答案必須遵守的任何規則。背後的想法完全沒變，提示詞只是不再讓模型用猜的。
優化任何提示詞的簡單方法
把你的提示詞唸一遍，對照這份簡短清單檢查：
- 這是給誰看的？同事、客戶、初學者，還是專家。
- 答案該用什麼形式呈現？項目符號、表格、短段落，還是附註解的程式碼。
- 要多長？一個數字、句數，或「越短越好」。
- 它必須包含或避免什麼？一種語氣、一項要保留的事實、一個要刪掉的詞。
- 模型需要看到什麼？錯誤訊息、原始文字、你不確定的部分。
就算只回答其中兩三個問題，提示詞也會立刻變好。五個都回答，你就會得到一則值得儲存並重複使用的指令，而不是每次都重打一個粗略的版本。
優化一次，永久保持優化
一次性的修正只能讓一個答案變好。把改好的措辭存下來，之後的每個答案都會變好。長時間的 AI 對話更凸顯這一點：當上下文視窗被填滿，模型會更依賴你剛送出的內容，所以反覆送出精準而完整的提示詞，能讓品質保持穩定，而不是隨著對話進行而漸漸走樣。這就是改進一次提示詞，與永久改進你所有提示詞之間的差別。
Prompt Petal 的「優化」如何做到這件事
優化會取出花瓣的指示並為你改寫，依循同一個想法：補上模糊請求遺漏的內容。在 Lite 裡，它會詢問你裝置內建的 AI：iPhone、iPad 和 Mac 上的 Apple Intelligence，或支援機型的 Android 手機上的 Gemini Nano。在其他裝置上，優化會複製一段現成的請求，讓你貼到 Siri、Gemini、Copilot 或 ChatGPT。無論哪種方式，你都會拿到改寫後的提示詞和三個選擇：用它取代花瓣、另存為原花瓣旁的新花瓣，或再試一次取得不同的改寫。
Plus 移除裝置限制：加入你自己的 ChatGPT、Claude 或 Gemini 金鑰，優化就會直接呼叫它。Claude Desktop、Cursor 和 VS Code 也能透過 MCP 自己優化並儲存你的提示詞，完全不用開啟 Prompt Petal。