Prompt Engineering 實戰指南：中小企業主必學的 AI 提示詞技巧

你是否也有這樣的經驗？明明用了 ChatGPT，產出的文案卻像機器翻譯、客服回覆答非所問、數據分析結果不知所云。問題不在 AI 工具本身，而在你下達指令的方式。

Prompt Engineering（提示詞工程）就是解決這個問題的關鍵能力。對中小企業主來說，學會寫好 prompt 不只是技術問題，更是直接影響你能否用 AI 省下 80% 重複性工作的商業決策。

這篇指南會給你一套系統化的 prompt 撰寫框架，加上三大業務場景的可複製範本，讓你今天就能開始用。

為什麼 Prompt Engineering 是中小企業的必備技能

根據 McKinsey 2025 年報告，導入 AI 工具的中小企業中，僅有 23% 對產出品質感到滿意。剩下 77% 的不滿意者，最常見的原因不是工具選錯，而是「不知道怎麼下指令」。

這代表什麼？同樣付費使用 ChatGPT Plus，會寫 prompt 的人和不會的人，生產力差距可以到 3-5 倍。

如果你已經在考慮建立自己的 AI 自動化流程，那麼 prompt engineering 就是你的第一個基礎功。沒有好的 prompt，再強的 AI Agent 也無法發揮效果。

Prompt Engineering 帶來的三個直接效益

1. 產出一致性提升：從「每次結果都不一樣」變成「穩定輸出 80 分以上的內容」
2. 溝通成本降低：不再需要來回修改 5-6 次，一次到位的機率從 20% 提升到 70%
3. 人力成本節省：一個會寫 prompt 的行銷人員，可以完成過去 3 人份的文案量

Prompt 撰寫的四大核心框架：RICE 公式

市面上有很多 prompt 框架，但對中小企業來說，最實用的是我們整理的 RICE 公式：

R — Role（角色設定）

告訴 AI 它是誰。這一步很多人會跳過，但角色設定直接決定了 AI 用什麼「思維模式」回答你。

你是一位在台灣有 10 年經驗的電商客服主管，熟悉 Line 官方帳號的操作，
擅長處理退換貨爭議和客訴升級。

I — Instruction（明確指令）

告訴 AI 要做什麼，越具體越好。避免「幫我寫一篇文章」這種模糊指令。

請針對以下客戶訊息，撰寫一段回覆。回覆需要：
1. 先同理客戶感受
2. 說明處理方式和時間表
3. 提供補償方案
4. 語氣溫暖但專業，字數控制在 150 字以內

C — Context（背景資訊）

提供 AI 需要的背景知識。這是讓產出從「通用」變成「精準」的關鍵。

背景資訊：
- 我們是一家賣有機食品的電商，客單價約 800-1500 元
- 品牌調性是健康、溫暖、值得信賴
- 退換貨政策：7 天內可退，生鮮商品除外
- 這位客戶是第 3 次購買的回頭客

E — Example（範例輸出）

給 AI 看你期望的格式和風格。一個好的範例抵得上十句描述。

範例回覆風格：
「親愛的王小姐您好，非常抱歉讓您有不好的購物體驗。
我們已經安排專人為您處理退款，款項將在 3 個工作天內退回原付款帳戶。
同時附上一張 100 元折價券，期待下次能為您提供更好的服務。」

三大業務場景的 Prompt 範本

場景一：客服自動回覆

這是中小企業最常遇到的需求。以下是一個完整的客服 prompt 範本，你可以直接複製修改：

【角色】你是「{品牌名稱}」的資深客服人員，熟悉我們的產品線和退換貨政策。

【任務】根據客戶訊息，產出一段回覆。

【規則】
- 語氣：溫暖、專業、不卑不亢
- 字數：100-200 字
- 結構：同理 → 解方 → 下一步行動
- 如果客戶問題超出你的知識範圍，請回覆「我已將您的問題轉交專人處理，將在 2 小時內回覆您」
- 絕對不要編造產品資訊或政策

【品牌資訊】
- 產品類型：{填入}
- 退換貨政策：{填入}
- 常見 FAQ：{填入前 5 個}

【客戶訊息】
{貼上客戶訊息}

這個範本的關鍵在於「規則」區塊。明確告訴 AI 什麼該做、什麼不該做，可以大幅降低出錯風險。如果你想進一步把客服流程自動化，可以參考 AI Agent 建置指南。

場景二：行銷文案產出

中小企業最常需要的文案類型包括：社群貼文、產品描述、Email 行銷。以下是社群貼文的範本：

【角色】你是一位擅長台灣市場的社群行銷專家，風格是「專業但不冷硬，親切但不隨便」。

【任務】為以下產品撰寫一則 Facebook 貼文。

【格式要求】
- 開頭用一個引起共鳴的問題或痛點切入（不用 emoji）
- 中間說明產品如何解決這個問題，用 3 個重點
- 結尾放 CTA（Call to Action）
- 總字數：300-400 字
- 段落之間空一行，方便閱讀

【產品資訊】
- 名稱：{填入}
- 核心賣點：{填入 3 個}
- 目標受眾：{填入}
- 價格帶：{填入}
- 促銷活動：{填入，若無則寫「無」}

【品牌語調參考】
{貼上過去表現好的貼文 1-2 則}

場景三：數據分析與報告

很多企業主不知道，AI 在數據分析上的能力其實非常強。關鍵是你要給它正確的資料格式：

【角色】你是一位資深數據分析師，擅長從電商營運數據中找出可執行的洞察。

【任務】分析以下這個月的銷售數據，產出一份摘要報告。

【報告格式】
1. 關鍵數字摘要（營收、訂單數、客單價、轉換率）
2. 與上月比較的成長/衰退趨勢
3. 表現最好的前 3 個產品及原因分析
4. 表現最差的後 3 個產品及改善建議
5. 下個月的 3 個具體行動建議

【注意事項】
- 所有數字請用台幣顯示
- 百分比保留到小數點後一位
- 行動建議必須具體可執行，不要空泛建議

【數據】
{貼上 CSV 或表格數據}

進階技巧：讓 Prompt 效果翻倍的五個方法

1. Chain of Thought（思維鏈）

要求 AI 先思考再回答，特別適合複雜問題：

請先分析這個客訴的核心問題是什麼，再提出解決方案。
用以下格式回答：
【問題分析】...
【根本原因】...
【解決方案】...
【預防措施】...

2. Few-Shot Learning（少量範例學習）

給 2-3 個範例，讓 AI 學會你要的模式：

以下是我們過去表現好的產品描述，請參考同樣的風格撰寫新品描述：

範例 1：{貼上}
範例 2：{貼上}

新產品資訊：{填入}

3. 負面指令（告訴 AI 不要做什麼）

有時候告訴 AI「不要做什麼」比「要做什麼」更有效：

注意事項：
- 不要使用「賦能」「抓手」「顆粒度」等行銷術語
- 不要用過於誇張的形容詞
- 不要編造數據或案例
- 不要使用英文，除非是專有名詞

4. 迭代優化（Iterative Refinement）

第一次產出不完美很正常。用追問的方式逐步優化：

第一輪：「請幫我寫一段產品描述」
第二輪：「語氣再口語化一點，像在跟朋友聊天」
第三輪：「把第二段的賣點換成使用場景的描述」

5. 結構化輸出

要求 AI 用特定格式回答，方便後續處理：

請用以下 JSON 格式回覆：
{
  "標題": "...",
  "摘要": "50字以內",
  "正文": "...",
  "hashtags": ["#tag1", "#tag2", "#tag3"]
}

常見錯誤與避坑指南

建立你的 Prompt 範本庫

學會 prompt engineering 之後，下一步是把常用的 prompt 整理成範本庫。建議用以下分類：

1. 客服類：客訴回覆、FAQ 回答、退換貨處理
2. 行銷類：社群貼文、Email 行銷、產品描述
3. 分析類：銷售報告、競品分析、客戶洞察
4. 內部溝通類：會議記錄整理、週報產出、SOP 撰寫

每個範本都保留可替換的 {變數} 區塊，讓團隊成員只要填入資訊就能用，不需要每次從頭寫 prompt。

這正是 AI 內容飛輪的核心概念：把一次性的努力轉化成可重複使用的系統。

從 Prompt 到自動化：下一步怎麼走

Prompt Engineering 只是起點。當你累積了足夠多的 prompt 範本，下一步就是把它們串接成自動化流程：

• 客服自動化：把客服 prompt 接入 Line 官方帳號或網站 Chatbot
• 內容自動化：用排程工具定期執行文案 prompt，自動產出社群內容
• 報告自動化：每週自動拉取數據、跑分析 prompt、產出報告

想了解怎麼用 AI 自動為你獲取潛在客戶，可以參考微磁鐵獲客策略。而如果你想評估導入 AI 團隊的實際投報率，AI 團隊 ROI 拆解這篇會給你完整的計算框架。

結語：Prompt Engineering 不是什麼高深的技術，而是一種「跟 AI 高效溝通」的能力。掌握 RICE 公式、建立範本庫、逐步走向自動化，你的中小企業就能用最少的人力，產出最大的價值。

現在就從你最常處理的工作場景開始，寫下你的第一個結構化 prompt 吧。