✨《Prompt 不是許願，是調「製程配方」》重點：不要把 AI 當作許願池，而是要用工程思維，將 Prompt 視為精密的「製程配方（Recipe）」 [00:00:16]。
隨著模型能力與算力架構不斷升級，低階的文字控制已被模型吸收，更需要專注於高階的邏輯與規格控制。菁要的具體作法如下：
1. 核心控制流：目標、條件、驗收
寫 Prompt 就像在 Fab（晶圓廠）裡設定機台，不能給予「幫我寫好一點」這種模糊規格，必須建立嚴謹的控制流程 [00:01:21]：
- 定義目標：明確定義你需要的產出物型態與目的。
- 設定條件：給予具體的規則與邊界。這環節非常適合運用 YAML 語法 或結構化的標籤來定義參數，讓邏輯層次分明，確保 AI 準確讀取規格要求。
- 量測與驗收：產出後檢視結果是否達標，若不如預期，應回頭修改「條件參數」，而非盲目要求「再改好一點」。
2. 三個實戰場景的「規格化」範例
撰寫提示詞時不要只給大方向，必須清楚定義輸出的欄位結構與判斷邏輯：
- 問題分析 [00:01:52]
- ❌ 弱提示：「幫我整理一下這些問題。」
- ✅ 強提示：要求 AI 將資訊強制分為四欄：已確認事實、目前猜測、為何這樣猜、下一步待辦。並嚴格設定條件：若不確定必須明確標示，嚴禁自行腦補。
- 會議紀錄 [00:02:22]
- ❌ 弱提示：「整理會議重點。」
- ✅ 強提示：要求拆分為已決議事項、未決議事項、各負責人項目與期限。同時設下防呆機制：若僅為提出想法但未形成決議，嚴禁當作結論寫入。
- 文件比對 [00:02:48]
- ❌ 弱提示：「這兩份文件差在哪？」
- ✅ 強提示：要求列出新增、刪除、修改，並明確標示原文位置。將「純文字潤飾」與「規格變更」分門別類，才能精準找出真正影響決策的差異。
3. 從單一 Prompt 到系統化工作流 (Agent System)
- 先備素材（Context）的完整性：AI 的輸出品質不僅取決於你怎麼問，更取決於它「看見什麼」 [00:03:46]。餵給 AI 的背景資料、歷史對話與限制條件，都會直接影響結果。很多時候不是 Prompt 寫不好，而是進站前的材料不夠完整。
- 工作生產力擴展：當視角推進到 Agent System，就是在設計一條自動化工作線 [00:04:04]。思考哪些步驟可以自動執行、哪裡需要設置人工驗證點、哪些錯誤需要回頭修正。將提示詞工程系統化，能大幅度提升整體的專業產出與工作效率。
