你提供給 AI 模型以獲取回應的文字。提示詞可以是一個問題、一條指令、一份創意摘要，或是一段你想要解釋的程式碼。模型所做的一切都始於你輸入的內容。提示詞的品質、具體性和結構直接決定了回應的品質。
提示詞不僅僅是「你輸入的問題」。在 API 的世界裡，提示詞是一系列結構化的訊息 — 通常由一條系統訊息（設定模型的行為）開始，接著是交替出現的使用者和助手訊息，構成一段對話。當你使用像 Claude.ai 這樣的聊天介面時，你看到的是一個簡單的文字框，但在底層，你的訊息在到達模型之前已經被包裝成這種結構。
有效的提示詞通常具備幾個特徵：它們說明你想要什麼（不僅是主題，還包括格式、長度和受眾），提供模型需要的背景資訊，並包含防止偏離的限制條件。「告訴我關於 Python 的事」會得到一個籠統的概述。「為一位懂 Java 但不懂 Python 的開發者寫一段 200 字的說明，解釋 Python 的 GIL，重點放在對網頁伺服器的實際影響」則會得到有用的內容。差別不在於魔法 — 而在於具體性。
「提示工程」之所以成為一門學科是有原因的。在 API 層面，提示詞本質上是用自然語言編寫的程式。你可以包含範例（少樣本學習）、要求模型逐步推理（思維鏈）、指定角色（「你是一位資深資安稽核員」），或限制輸出格式（「僅以有效的 JSON 回應」）。這些不是取巧 — 它們是能可靠地改變模型行為的技術，因為它們改變了模型取樣的機率分布。
一個常見的誤解是正確的提示詞可以讓任何模型做任何事。實際上，提示詞與模型的訓練資料、對齊調校和架構限制互相作用。提示詞無法賦予模型從未訓練過的知識、可靠地繞過安全訓練，或超越其上下文視窗。了解提示詞能做和不能做的事，能節省時間並避免對巧妙措辭抱有不切實際的期望。