【AI Agent 實戰 03】寫出好的 Prompt 核心在於：消除模糊性

Hi~ 我是 Eric！🚀

在上一篇我們聊到了 什麼是 AI Agent SKILL ，它定義了 Agent 的能力邊界。但要把這些能力發揮到極致，最關鍵的橋樑就是——Prompt（提示詞）。

很多人問我：「為什麼 AI 總是給我一堆廢話？」或「為什麼它給的 Code 根本跑不動？」

老實說，寫出好的 Prompt 並不是什麼黑魔法。它的核心概念只有一個：「消除模糊性」。

你可以把 AI 想像成一個極度聰明、讀過全世界書籍，但完全沒有讀心能力的實習生。如果你只是隨口說句「幫我買杯咖啡」，他可能會買回一杯他不喝但你討厭的拿鐵；但如果你說「去巷口那家星巴克，買一杯大杯熱美式，不加糖，用我的隨行杯裝」，他就能精準達成任務。

這篇文章，我要跟你分享如何透過標準框架，把你的 AI 調教成真正的「頂級助手」。

撰寫優質 Prompt 的四大關鍵要素

在業界，我們常使用 CO-STAR 或 Role-Context-Task 框架來結構化指令。簡化後，你可以記住這四個核心點：

1. 給予角色設定 (Role)

讓 AI 進入特定的專業狀態。不同的角色會有不同的語氣、專業知識和思考邏輯。

• 普通版： 「幫我優化這段 Code。」
• 優化版： 「你是一位擁有 10 年經驗的資深 C# 後端架構師，專精於分散式系統與資料庫效能調優…」

Eric 的碎碎唸：設定角色不只是為了好玩，它會觸發模型內部的特定知識權重（Attention），讓它從「一般對話模式」切換到「專業模式」。

2. 提供清晰的任務與背景 (Context & Task)

不要只給一個動詞，要說明「為什麼」要做這件事，以及相關的背景資訊。

• 範例： 我正在寫一本技術書，讀者是初學者。請幫我用「左手藍圖，右手魔法」的比喻，簡單說明領域驅動設計 (DDD) 的核心價值。

3. 限制輸出格式 (Output Format)

明確告知你想要的結果長什麼樣子，這能省去大量調整格式的時間。 常見格式包含：表格、Markdown、JSON、列點說明、三分鐘演講稿等。

• 範例： 「請用表格比較 Dapper 與 Entity Framework 的效能與開發難易度。」

4. 設定風格與約束 (Style & Constraints)

規定語氣（幽默、專業、簡潔）以及絕對「不能」出現的內容。

• 範例： 「語氣要親切且帶點冷幽默，避開過於艱澀的專有名詞，字數控制在 300 字以內。」

💡 一個萬用的黃金公式

如果你覺得記住四個要素太麻煩，直接套用這個公式：

[角色設定] + [背景/目標] + [任務步驟] + [限制/格式]

讓我們跳脫「寫文案」或「寫信」，直接進入技術實作與 Debug 的場景。這是一個開發者最常遇到的狀況：「這段 Code 跑不動，但我不知道為什麼」。

🚀 實戰案例：解決資料庫查詢緩慢的問題

這是一個針對 「效能優化與 Bug 排除」 的高品質 Prompt 寫法：

【角色設定】：你是一位精通資料庫效能調優與 C# Entity Framework Core 的資深後端工程師。

【任務背景】：我有一段程式碼在處理「訂單與產品明細」的聯集查詢時速度非常慢。目前資料庫約有 50 萬筆訂單，查詢一次需要花費 8 秒，這在 Production 環境是不可接受的。

【具體任務】：

1. 分析我提供的程式碼片段（如下方附錄），找出可能的 N+1 問題 或 全表掃描 原因。
2. 請提供優化後的 LINQ 寫法。
3. 說明是否需要針對特定欄位建立 Index，以及原因。

【附錄 - 程式碼片段】：

var orders = _context.Orders.ToList(); 
foreach(var o in orders) {
   o.Items = _context.OrderItems.Where(x => x.OrderId == o.Id).ToList();
}

【輸出格式】：

• 請先指出 「效能殺手」 在哪裡。
• 給出 「優化代碼」（Markdown 代碼區塊）。
• 最後列出 「DB 優化建議」（表格形式）。

🔍 為什麼這個 Prompt 專業？

1. 量化背景：你提供了「50 萬筆」、「8 秒」這些數據，AI 會立刻意識到問題的嚴重性。
2. 鎖定技術棧：明確指定 EF Core，AI 就不會給你純 SQL 或 Dapper 的語法。
3. 分層思考：你不只要「修好」，還要「分析原因」與「DB 建議」。這讓 AI 提供的答案具有深度，而不僅僅是表面修補。
4. 指定診斷方向：提到 N+1 或 Index，等於是給了 AI 偵探一個線索。

進階連動：如何透過 Prompt 調動 SKILL

在上一篇我們定義了 SKILL 的標準結構 ，但要讓 AI 在正確的時機「想起」並「啟用」這些技能，你的 Prompt 必須扮演好**調度員（Dispatcher）**的角色。

要讓 Prompt 能精準調動 SKILL，有兩個核心技巧：

1. 定義明確的「觸發情境 (Trigger Condition)」

在 Prompt 中加入決策邏輯，告訴 AI 在什麼條件下應該去查找 SKILL 庫。

• 範例： 「當你發現需求涉及『資料庫效能優化』或『N+1 查詢』時，請優先檢索並遵循 db-optimization-skill 中的作業規範。」

2. 提供「意圖匹配 (Intent Matching)」的線索

AI Agent 判斷是否啟用 SKILL，通常是基於你提供的關鍵字與 SKILL 描述的相似度。

• 優化技巧： 在 Prompt 的【任務背景】中，使用與 SKILL 描述一致的專業術語。例如，如果你的 SKILL 叫做 api-security-audit，在 Prompt 中就應該明確提到「進行安全性審查」而非「幫我看看這段 Code 有沒有問題」。

Eric 的實戰觀點：與其讓 AI 盲目地在數百個 SKILL 中搜尋，不如在 Prompt 中直接指定一個「技能範圍」。例如：「請在具備 frontend-expert 技能集的狀態下，審視這段 React 代碼。」這能大幅減少 AI 的推理負擔。

🛠️ 寫法升級：如果你想讓 AI 幫你寫單元測試 (Unit Test)

如果你寫完一段複雜的 Logic，想讓 AI 幫你測出 Bug：

「你是一位嚴格的 QA 自動化測試工程師。請針對以下這段『計算折扣優惠』的函數，列出所有可能的 邊際案例 (Edge Cases)（例如：負數價格、過期優惠券、空集合），並使用 xUnit 寫出對應的測試案例。我追求 100% 的邏輯覆蓋率。」

小撇步：迭代優化 (Iterative Optimization)

好的 Prompt 不是一次完成的，而是透過精確的指令不斷「調教」出來的。如果 AI 第一次給的結果不理想，不要急著重寫，試著對話式修正：

• 「太嚴肅了，再輕鬆一點。」
• 「把第二點刪掉，增加更多關於實作細節的描述。」

結語

寫 Prompt 的過程，本質上是在整理你自己的邏輯。當你能把任務講得越清楚，AI 能回饋給你的價值就越高。

在接下來的篇章中，我們將會探討如何將這些精準的 Prompt 整合進 AI Agent 的工作流 中，讓自動化代理程式能獨立處理更複雜的任務。