明明 AI 很聰明，為什麼老是答非所問？你是不是也有過這種挫折感？精心打了一行問題丟給 ChatGPT，結果對方回了一堆八股空話，或是跟你想的根本南轅北轍。你懷疑，是不是 AI 還不夠聰明？ 事實上，問題不在 AI，而在「你給的提示詞」太模糊、不夠具體。就像請一個高手幫忙畫畫，但你卻只丟一句「畫一個人」，畫出來不滿意也是剛好而已。 我自己一開始也在這個坑裡跌跌撞撞，直到我歸納出一套方法——CRAFTS 提示詞六步法。從此以後，問一次就中、產出一次就讚。 錯誤示範：你不是在寫提示詞，你是在耍猜謎多數人對 ChatGPT 的提示詞長這樣： 幫我寫一篇文章 整理一下這些重點 給我一個點子 這些話對人講還勉強通，但 AI 可不是讀心術大師。你沒有給它背景、角色、目標、語氣，它就只能靠自己瞎猜，然後你又說：「AI 怎麼這麼爛？」 如果你也常陷入這種對話困境，是時候進入提示詞設計的進階領域了。 CRAFTS 提示詞六步法：寫出精準高效 AI 指令的秘密CRAFTS 是一套提示詞設計原則，它把寫提示詞這件事，變成像工匠雕刻作品一樣，有步驟、有邏輯、有成果。 每一個字母代表一個核心關鍵： C - Context（脈絡）說明你提問的背景。讓 AI 進入情境，像演員進入劇本。 👉 例：這是一場大學課堂報告，我需要做出一份10分鐘的簡報。 R - Role（角色）指定 AI 的角色。醫生、行銷總監、歷史學家，每個身份會帶出不同風格與專業。 👉 例：你是一位資深 B2B SaaS 業務顧問。 A - Assignment（任務）清楚說明你要 AI 做什麼，不要模糊不清。 👉 例：請你根據用戶行為數據，提出三種再行銷策略。 F - Format（格式）你希望 AI 用什麼格式回答？清單、段落、表格、劇本……先講清楚！ 👉 例：請用表格方式呈現每一個策略的對應行動與目標族群。 T - Tone / Example（語氣／範例）告訴 AI 你喜歡什麼風格，越具體越好，也可以提供參考範例。 👉 例：請用 Notion 官方網站那種親切清爽又具專業感的語氣。 S - Step-by-step（多輪迭代）好提示詞不應只打一發就走。請 AI 先草擬，再一步步調整、優化，才會做出最適合你的版本。 👉 例：先給我一個初稿，我會再指出修改重點。 CRAFTS 小抄速記表 步驟 問自己什麼問題？ 例子簡記 C 發生在什麼情境？誰會用這東西？ 這是大學簡報，要給教授看 R 我希望 AI 是誰？ 你是資深品牌策略顧問 A 我要它幹嘛？具體任務是什麼？ 幫我寫一段品牌故事 F 希望輸出成什麼形式？ 用三段式說故事法 T 希望 AI 用什麼語氣或風格說？ 模仿 Airbnb 網站語氣 S 要不要分段完成、先出初稿？ 請先給草稿，我會回饋調整 一句話提示詞萬用模板（套上去就能用）這是一個萬用句型，直接照抄也能變專家： 你是 **[角色]**，我需要你在 **[脈絡]** 下，幫我完成以下任務：請 **[任務內容]**，格式為 **[格式要求]**，語氣風格請參考：**[語氣描述或範例]**。如果可以，請分步執行或提出初稿供我調整。 範例轉換對比普通提示詞： 幫我寫一封產品行銷 Email CRAFTS 提示詞： 你是資深行銷總監，我們要推廣一款智慧手錶給 25~35 歲的科技族。請寫一封產品行銷 Email，內容包含吸睛開頭、兩大特色說明與一個行動呼籲。語氣參考 Apple 官網那種簡約俐落風。請先提供兩個版本讓我挑。 試過你就知道，後者命中率高得嚇人。 思維核心：提示詞 ≠ 指令，而是介面設計CRAFTS 的精髓，是把「提示詞」當作一種人機介面的設計語言。 你不是在下命令，而是在幫助 AI 建構一個清晰的世界觀。這會大幅提升它的輸出品質與效率。 簡單對照一下心法： 常見錯誤 CRAFTS 優化後 廣泛模糊 精準定位（Context） 沒有身分感 明確角色（Role） 交代不清 清楚任務（Assignment） 沒有框架 明示格式（Format） 主觀不一 給參考語氣（Tone） 一次搞定 多輪優化（Step-by-step） 結語：提示詞寫得好，AI 幫到飽AI 本來就不是會讀心的神，而是會回應清楚任務設計的工具。寫提示詞，就像設計使用者介面。越細緻、越具體，越能釋放 AI 真正的潛力。 從今天起，丟掉「隨便問、隨便錯」的壞習慣，記住這六個字母： CRAFTS：Context、Role、Assignment、Format、Tone、Step-by-step 學會這套提示詞心法，你就能真正成為用 AI 的高手。 #CRAFTS提示詞 #ChatGPT寫作術 #AI提示工程 #提示詞優化

在生成式 AI 正迅速重塑數位世界的今日，如何從零起步，扎實地學會這門技術，成為每位工程師與產品開發者的共同課題。針對此一趨勢，Microsoft Learn 推出了一套系統化的學習資源 ——《Generative AI for Beginners》系列課程。此系列共 18 堂精心設計的入門課，從基本觀念到實務應用，帶領學習者逐步建構完整的生成式 AI 能力圖譜。 這套課程特別針對 零基礎學習者 設計，無論你是開發新手、產品經理，或是對生成式 AI 有興趣的技術愛好者，都能藉由這一系列循序漸進的教學內容，有效掌握從開發環境設置、Prompt 工程、模型應用，到 RAG、AI 代理人與 LLM 微調等進階技術。 每一堂課不僅提供 理論講解，更搭配 實作程式碼、互動教學、實例參考 與 官方指南，幫助學員真正將所學應用於真實場景，快速進入生成式 AI 的開發實戰。 課程架構與主題亮點🔧 開發環境與基礎概念 00｜Course Setup：教你如何建立開發環境，包括必要工具安裝與帳號設定。 01｜Introduction to Generative AI and LLMs：理解什麼是生成式 AI 與大型語言模型（LLM），探索其原理與實際應用場景。 02｜Exploring and Comparing Different LLMs：介紹各大 LLM 模型（如 GPT、Claude、Mistral 等）的差異與選擇建議。 🤖 建構模型應用與倫理考量 03｜Using Generative AI Responsibly：探討生成式 AI 的責任與倫理，包括偏誤偵測、隱私與合規議題。 04｜Understanding Prompt Engineering Fundamentals：Prompt 撰寫基礎，學會讓 AI 準確理解並生成內容。 05｜Creating Advanced Prompts：進階技巧如 Chain-of-Thought 推理與 Few-shot Prompt，提升 AI 回應品質與精準度。 ✍️ 各類型應用開發實作 06｜Building Text Generation Applications：以 OpenAI API/Azure OpenAI 實作文字生成應用。 07｜Building Chat Applications：設計對話式應用，探討狀態管理與多輪互動邏輯。 08｜Building Search Applications：結合向量資料庫與語意嵌入技術，打造 RAG 式搜尋應用。 09｜Building Image Generation Applications：整合 DALL·E 等影像模型，創建視覺生成應用。 10｜Building Low Code AI Applications：以 Power Apps 等工具進行低程式碼開發。 🔄 系統整合與體驗優化 11｜Integrating External Applications with Function Calling：實作 Function Calling，連結外部 API。 12｜Designing UX for AI Applications：強化使用者體驗，關注互動與可解釋性設計。 13｜Securing Your Generative AI Applications：導入資安策略，避免模型濫用與資料外洩。 📈 維運流程與模型延伸 14｜The Generative AI Application Lifecycle：介紹 LLMOps 流程，監控與維護模型效能。 15｜Retrieval-Augmented Generation (RAG) and Vector Databases：結合語意搜尋與文件生成的完整流程。 16｜Open Source Models and Hugging Face：探索開源模型與 Hugging Face 生態系整合方式。 🧠 進階智能與模型優化 17｜AI Agents：構建自主任務型 AI 代理人，多代理協作與決策實作。 18｜Fine-Tuning LLMs：學習模型微調，提升特定任務表現。 結語：從新手到實戰開發者的成長之路《Generative AI for Beginners》不只是入門課，更是一條實務導向的技術養成路徑。它不僅讓學員理解「如何操作 AI」，更深入思考「如何設計有用、可靠且負責任的 AI 系統」。 無論你是想提升競爭力的開發者、跨足 AI 領域的產品經理，或是單純對這股技術浪潮感興趣的探索者，這 18 堂課都是你進入生成式 AI 世界的最佳起點。 👉 立即前往官方課程頁面開始學習

我真心受不了那種「仿舊土黃感」。 每次請 ChatGPT 幫我生成一張圖，尤其是人物或場景，第一眼看到的不是驚豔，是困惑——這顏色也太土了吧？整張圖像像是從 1998 年數位相機倒出來的：黃得像秋天枯葉、灰得像辦公室牆壁，連天空都喪失生氣。 我試過各種 prompt 想要救它，什麼「vibrant color」「neutral tone」「realistic light」全丟進去，但還是土氣滿點。直到我發現：這不是我的錯，是它內建的風格偏好搞鬼。 官方風格太「藝術片」，用戶只想要「真實世界」ChatGPT 4o 的圖像生成功能，預設走一種「電影感」「油畫風」「低飽和」的風格。說好聽是文藝，有品味；說白了就是：不適合日常使用。 你想生成一張用在簡報的商業人物肖像？它給你一張像某種義大利獨立電影劇照的暗黃圖。 你要一個快樂溫暖的家庭客廳？它修出來像晚秋英劇裡那種有點哀傷的回憶畫面。 不改設定，就別指望它懂你要的是現實生活感。 色覺重置法：一行 prompt 解決一切名字很中二，但實在太好用了，我就叫它——「色覺重置法」。 只要在第一次叫圖前，加上一句關鍵語： 1請建立之後所有的創作圖像，除非我有指明要求，一般都以正常色彩飽和度、中性色溫為主。 這句話就像對 ChatGPT 下咒語，從此它生成的圖像會自動帶有你要的色彩風格，不再默默套用它預設的美術濾鏡。 教學：三步搞定 打開 ChatGPT，切到圖像創作模式 不管是你要它畫人物、場景還是設計概念圖，只要是會生成圖片的都可以。 先輸入「色覺重置法」這句指令 請建立之後所有的創作圖像，除非我有指明要求，一般都以正常色彩飽和度、中性色溫為主。 再輸入你的正式需求 例：「請幫我畫一位穿著紅色風衣走在街頭的女性。」 AB測試比較：效果一目了然我做過一次 A/B 測試，輸入完全一樣的內容，只差有沒有加那句「色覺重置法」。 項目 沒加設定 加上色覺重置法 膚色 灰黃、不健康 自然透亮 衣物色彩 鈍、沒對比 飽和但真實 整體氛圍 像舊報紙照片 像手機拍的好照片 底層洞察：別讓AI的「審美偏見」綁架你這其實是一個「預設值霸權」的問題。ChatGPT 的圖像生成，雖然強大，但預設審美其實帶有設計者的文化與美學偏好。 不設限，你就會默默被它的「土色世界觀」洗腦，最後自己都以為世界本來就該長這樣。 我們要做的是奪回控制權，讓AI聽我們的，而不是當它的濾鏡奴隸。 行動呼籲：讓色彩回到人類的世界如果你也厭倦了每張AI圖像看起來像舊金山陰天下午4點的感覺，那就把「色覺重置法」加進你的日常 prompt 吧。 你會發現：世界本來就是有光、有色、有溫度的。 👇把這句貼起來、設成常用指令，下一張圖就會乾淨清爽不再土👇 1請建立之後所有的創作圖像，除非我有指明要求，一般都以正常色彩飽和度、中性色溫為主。