GPT-5-Codex Prompting 完全指南：從新手入門到情境實戰

資料來源：GPT-5-Codex Prompting Guide

為什麼要學習 GPT-5-Codex Prompting？

如果你是程式新手，常常遇到「不會寫」、「不懂錯在哪」、「怎麼轉換語言」的困擾，GPT-5-Codex 就像一個會幫你補全、解釋、改寫、測試程式的好夥伴。這份指南的重點在於：

• 少即是多：不要塞太多廢話，直接告訴模型你要什麼。
• 明確任務：用一句話清楚定義需求。
• 用程式碼區塊：把程式碼放在 ``` 裡面，模型讀得更準確。

指南閱讀重點：如何快速上手？

• 先看模式分類 → 知道常見用途（補全、轉換、解釋、修正）。
• 再看提示設計原則 → 學會怎麼下指令。
• 最後看範例 → 複製幾個試試看，邊練習邊體會。

把它當成一本「範例字典」，要用什麼就翻到那一段。你不需要一次全記住，只要知道它能幫你做什麼。

新手入門實戰路徑

1. 從最簡單的補全開始

試著給一個不完整的程式，請模型幫你補齊：

1

def fibonacci(n): # 請補齊遞迴版本

👉 模型會自動幫你完成。

2. 嘗試解釋程式碼

如果你看不懂某段程式，可以讓模型解釋：

1
2
3

解釋以下 Python 程式碼的功能：
s = "hello"
print(s[::-1])

👉 模型會告訴你這是反轉字串的寫法。

3. 動手除錯

給一段有 bug 的程式，請模型幫忙修正：

1
2
3

找出以下 Python 程式碼錯誤並修正：
def add(a, b):
    return a - b

👉 模型會改成正確的 a + b。

4. 嘗試轉換程式語言

想學不同語言，可以試著轉換：

1
2
3

將以下 Python 程式轉換成 JavaScript：
for i in range(5):
    print(i)

👉 模型會輸出 JavaScript 版本。

實戰情境應用：讓 AI 成為你的專屬助教

理論看完了，讓我們看看在真實學習場景中，Codex 能如何幫你。

情境一：我想寫個小工具，但不知從何下手

假設你想寫一個 Python 小爬蟲，抓取某個網頁的所有圖片連結，但你完全沒頭緒。

你可以這樣問：

1
2
3
4
5
6
7

# Python
# 寫一個函式，接收一個 URL 作為參數
# 功能是：
# 1. 使用 requests 函式庫抓取網頁 HTML 內容
# 2. 使用 BeautifulSoup4 函式庫解析 HTML
# 3. 找出所有 <img> 標籤的 src 屬性
# 4. 回傳一個包含所有圖片 URL 的列表

💡 學習點：即使你不會寫，但只要能用文字描述出「步驟」和「想用的工具」，Codex 就能幫你生成初步的程式碼，讓你從「無」到「有」，再從範本去修改和學習。

情境二：在 GitHub 看到一段酷炫程式碼，但完全看不懂

看到一段 JavaScript 特效程式碼，你想學習它的原理。

你可以這樣問：

1
2
3
4
5
6
7

# 解釋以下 JavaScript 程式碼
# 請逐行為我加上中文註解，並在最後總結它的功能

// 貼上你看不懂的程式碼...
const arr = [1, 2, 3];
const double = arr.map(num => num * 2);
console.log(double);

💡 學習點：Codex 是絕佳的程式碼閱讀器。它能幫你把複雜的邏輯拆解成易懂的語言，讓你專注於理解演算法和設計模式，而不是卡在語法細節。

情境三：我的函式寫好了，但要怎麼測試它對不對？

你寫好了一個判斷電子郵件格式是否正確的函式，但你不確定是否考慮了所有情況。

你可以這樣問：

1
2
3
4
5
6
7
8
9
10

# 我寫了一個 Python 函式 is_valid_email
# 請幫我使用 pytest 框架，為它產生 5 個測試案例
# 包含 3 個應該通過的正確 email 格式
# 以及 2 個應該失敗的錯誤 email 格式

def is_valid_email(email):
  import re
  # 一個簡單的 regex 範例
  pattern = r"^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$"
  return re.match(pattern, email) is not None

💡 學習點：透過讓 AI 產生測試案例，你可以學到如何從「測試者」的角度思考，找出程式的邊界條件與潛在漏洞，這對寫出更穩健的程式非常有幫助。

新手常見問答 (FAQ)

Q1: 為什麼模型給我的答案是錯的或不完整？

🤔 答： 最常見的原因是「提示不夠精確」。請檢查：

• 任務是否單一：避免在一個提示中要求太多事。例如，不要同時要求「寫程式、加註解、產生測試、還要解釋」。一次只做一件事。
• 上下文是否充足：如果你在處理一段既有程式，記得把相關的程式碼片段也貼給它。
• 是否有給予範例：如果你想要特定的輸出格式，可以先給它一個範例（Few-shot prompting），它會學得更快。

Q2: 我可以直接複製貼上 AI 產生的程式碼嗎？

✅ 答： 絕對不要！ 請將 AI 視為一位資深但偶爾會出錯的顧問。它給的程式碼可能有以下問題：

• 安全漏洞：可能包含不安全的寫法。
• 版本問題：可能使用過時的函式庫或語法。
• 邏輯錯誤：在複雜情境下可能存在 Bug。

最佳實踐：先讀懂它給你的程式碼，理解每一行的作用，然後親手測試、修改，最後才整合到你的專案中。

Q3: 使用 AI 寫程式，會不會讓我變懶、學不到東西？

🧠 答： 這完全取決於你「如何使用」它。

• 錯誤用法：把它當作答案產生器，只會複製貼上。
• 正確用法：把它當作學習加速器。卡關時，請它給你方向；看不懂時，請它解釋給你聽；寫完後，請它幫你優化或找出錯誤。

關鍵在於保持好奇心，把 AI 的輸出當成學習素材，而不是最終答案。

核心心法總結

1. 從簡單的任務開始（補全、解釋）。
2. 每次只做一件事（避免複雜要求）。
3. 漸進擴充（debug → 重構 → 測試）。
4. 多動手練習，模型就是你的即時教練。

👉 建議：每天花 10-15 分鐘，用 Codex 解決一個你在學習上遇到的小問題，無論是搞懂一個語法，還是寫一個小功能，持續累積會讓你進步飛快。