第一堂課：如何把提示詞寫得跟專家一樣好
由 Google 和 DeepMind 的 AI 專家在 Coursera 上所開設。
總共 4 堂，課程時間約 9 個小時，台幣約 1,600元。雖然課程主要是用Gemini，但內容泛用性高，
也適用ChatGPT 或 Claude 等其他生成AI工具。
以下紀錄讓我特別印象深刻的 3 個重點：
▋提示詞撰寫 5 原則
1.Task (任務指示)：包含角色、受眾、輸出格式等
2.Context (背景資訊)：任務的目的、情境等等
3.References (參考範例)：又稱 few-shot，細節下面會說明
4.Evaluate (人類評估)：課程對此著墨不多，可能偏好難有共通準則
5.Iterate (迭代改進)：具體的方法下面也會仔細說明
這算是一種高泛用性的框架。
通用各種提示詞設計、改進工作。
(覺得以後教學時可以出成學習單，讚！)
▋給參考範例 (References)的 2 個技巧
給參考範例，是有效穩定輸出品質的方法。
但這個方法其實有代價是，
降低生成式 AI的創意表現。
(其實人類也是這樣，有範例參考就懶得動腦。)
所以課程中給了兩個小技巧去平衡穩定性和創意的問題。
1.案例數量限制在 2~5 個
這個數字主要憑經驗抓出，
不同情況下的最佳數量可能也不同。
但可以肯定太多或太少都會妨礙創意。
2.不要在第一階段就給案例
課程影片中，把prompt拆成了兩個步驟。
先讓 AI 自由發揮後，才給案例調整方向和細節。
的確是一種兼顧創意和穩定性的方法。
▋迭代 (Iterate) 的 3 個改進措施
如果生成的內容不理想，要回去改初始的prompt的話，
課程也講述了 3 種常用的方法。
1.把句子寫短
太長的句子會增加AI誤解的可能性。
所以有機會單純把句子寫短就能改進輸出。
2.把任務換另外一種角度敘述
課程給的例子是：
（）「請給我一份ＯＯＯ的行銷文案」
（）「請講述我們的客戶如何將ＯＯＯ融入他的生活中」
這招我自己也實測了一下，真滴猛。
怎麼想的？難道對行銷人來說這種講法是常識嗎？
3.增加限制條件
簡單直接的方法。
生成內容有不喜歡的部分，就禁止。
以上是第一堂課的心得筆記。
並非很全面的概括整個課程內容，主要分享主觀覺得精彩的部分。
課程去年 10 月的時候就推出了，但終於找到時間看。
還沒看完，下次再繼續分享。
