前言
下 AI 指令的固定結構是四段：先給角色和情境、把要求講到不能再具體、指定輸出格式，最後補一句驗收標準讓它自己檢查。2026 年還要拿掉一句舊寫法，「請一步一步思考」對現在的推理模型沒有用，只會讓回覆變長，不會變準。
這篇文章整理了 50 組可以直接複製的工作指令，分成文書、資料、寫程式、行銷、生圖五類，每組都附一句為什麼要這樣寫。最後一節對照 ChatGPT、Claude、Gemini 三家官方文件，說明同一招在三家手上為什麼講法不一樣。
2026 年的 AI 指令跟兩年前差在哪
兩年前的模型是「你問一句、它答一句」，你得把思考方式一起教給它。現在的主流模型在回答之前會先在內部跑一段推理，你再要它把思考過程攤開來，等於在它的推理路徑上插隊。OpenAI 官方文件的說法是：這類模型的推理在內部完成，要它「一步步思考」或「解釋你的推理過程」是不必要的。
實際影響是，前幾年流傳的萬用指令有一部分已經失效，有些甚至會拖累品質。哪幾句該淘汰、該換成什麼，另一篇講得比較完整。
📖 延伸閱讀：AI 提示詞怎麼寫？2026 該淘汰的舊指令與新寫法
本文的 50 組指令都照同一個結構寫，〔 〕裡換成你自己的內容就能直接用。這篇談的是工作場景的指令，生圖與生影片只收結構性的八組，不做風格詞大全。
用 AI 指令寫信、寫文件與做摘要
文書工作是最容易看出指令好壞的地方。同一封信，指令裡有沒有交代收件人和目的，拿到的東西差很多。下面十組都可以直接複製，〔 〕裡換成你自己的內容。
1. 把長信濃縮成三行重點
把下面這封信濃縮成三行重點，每行不超過 25 字，第一行寫「對方要我做什麼」。
〔貼上信件全文〕指定行數和字數，才不會拿到另一封長信。第一行先講對方要你做什麼，等於給它一個驗收標準，它會自己確認有沒有抓到重點。
2. 把會議記錄變成待辦清單
把下面的會議記錄整理成待辦清單，每項寫成「誰、在什麼時間之前、要做什麼」。
沒有指定負責人的項目另外列一區，標成「待確認」。
〔貼上記錄〕「另外列一區標成待確認」這句是關鍵。不加這句，它會自己幫你分配負責人，你就得回頭一項一項核對。
實測（ChatGPT Plus，2026 年 9 月）：丟一份四句話的會議記錄進去，三欄格式完全照做，沒討論負責人的「會員登入」也正確進了待確認區。但「行銷那邊希望九月底前上線」它自己指派給了「行銷團隊／專案團隊」，原文其實沒有明確負責人。規則有效，不代表百分之百，交出去前還是要掃一眼負責人欄。另外它把「這週五」推算成具體日期，也主動補了一句「金流下週有進度只是預估」，這兩個都不用特別交代。
3. 回覆客訴信
你是客服主管。客戶來信抱怨〔問題〕，我方確實有疏失。
寫一封回信：先致歉並具體說明我們理解的問題、再說明補償方案〔方案內容〕、最後給一個聯絡窗口。
語氣誠懇但不卑微，不要出現「造成您的不便深感抱歉」這類罐頭句。明講不要哪些罐頭句，比叫它「寫得誠懇一點」有效。形容詞它對不上，具體的禁用句它認得。
4. 把口語筆記整理成正式文件
把下面這段口語筆記改寫成正式的工作說明文件。
保留所有事實與數字，刪掉語助詞和重複的話，補上段落標題。
不要新增筆記裡沒有的內容。最後那句是防幻覺的實際做法。與其寫「不要編造」，不如講清楚邊界：不要新增筆記裡沒有的內容。
5. 幫文件寫大綱
我要寫一份〔主題〕的說明文件，讀者是〔對象〕，他們看完之後要能〔做什麼〕。
這一輪只給大綱，每個章節一行標題加一句說明這節要解決什麼問題。
內文等我確認大綱之後再寫。「先不要寫內文」要明講。現在的模型偏向一次做完，你不擋它就會直接生一整份，方向錯了要整份重來。
6. 寫英文商業信
用中文告訴你需求，你用英文寫信。
收件人是〔對象〕，目的是〔要對方做什麼〕，語氣正式但不生硬，控制在 150 字內。
背景：〔中文說明〕產出物是英文時，指令還是用中文下。你用母語比較講得清楚要什麼，翻譯的過程反而容易把需求講歪。
7. 幫長文件做逐段摘要
把下面的文件每 500 字做一則摘要，格式為「段落起訖的第一句 → 兩句摘要」。
最後再給一則整份文件的三句話總結。
〔貼上文件〕要它標出段落起訖的第一句，你才回得去原文查證。只給摘要不給定位，看到有問題的地方你找不到出處。
8. 檢查文件有沒有漏掉的資訊
我要交一份〔文件類型〕給〔對象〕。
先列出這類文件通常應該包含哪些資訊，再對照下面這份，指出哪些缺了。
不確定的地方標示出來，不要幫我補寫。
〔貼上文件〕先列標準再對照，比直接問「有沒有漏」準得多。它會有個依據，你也看得到它拿什麼標準在檢查。
9. 把簡報講稿壓到指定時間
下面這份講稿要在 8 分鐘內講完，用一般語速大約 1200 字。
請刪到 1200 字內，優先刪掉重複的例子和過場句，保留所有數據與結論。
刪完告訴我你砍了哪幾類內容。給它換算依據（8 分鐘約 1200 字），比只說「講稿太長幫我縮短」精準。刪除的優先順序也要指定，否則它會從結論開始砍。
10. 把整理好的內容直接輸出成 Word 檔
把下面這段口語筆記整理成正式的工作說明文件，輸出成 Word 檔給我。
保留所有事實與數字，刪掉語助詞和重複的話，補上段落標題。
不要新增筆記裡沒有的內容。
〔貼上筆記〕「輸出成 Word 檔」這句加了它就會直接產一個 .docx 給你下載，不是把內容貼在對話框裡讓你自己複製。段落標題也不用自己想。
實測：丟一段有「喔對」「那個」「啊」的口語筆記進去，40 秒產出 docx。四個章節標題全是它自己補的（請款申請流程／超過三萬元的簽核流程／入帳時間／電子發票處理方式），語助詞刪乾淨，三萬元、三個工作天、金額與費用類別這些數字一個沒漏，也沒有多寫筆記裡沒有的東西。
用 AI 指令整理資料與跑分析
資料類任務有一個共同的坑：它會用最合理的猜測補滿你沒給的欄位，而你看不出哪些是猜的。下面十組指令裡幾乎都有一句在擋這件事。
11. 把雜亂資料整理成表格
把下面這段文字整理成表格，欄位是〔欄位 1〕、〔欄位 2〕、〔欄位 3〕。
原文沒有的欄位填「未提供」，不要推測。
用 markdown 表格輸出。
〔貼上原始資料〕「不要推測、填未提供」這句省下最多後續核對時間。少了它，空欄位會被它用最合理的猜測填滿，而你看不出哪些是猜的。
12. 分類客戶訊息
把下面的客戶訊息分成三類：需要今天回、可以排進本週、只是通知不用回。
先看這三則已經分好的例子：
〔範例 1 → 需要今天回〕〔範例 2 → 可以排進本週〕〔範例 3 → 不用回〕
再照同樣標準分下面這批。分類這種任務給範例最有效，因為你的標準很難用文字描述完整。三則就夠，範例之間差異要拉開。
13. 找出資料裡的異常值
下面是〔期間〕的〔指標〕數字。
找出跟前後落差明顯的資料點，每個都說明落差多少、可能的原因有哪些。
原因不確定就寫「需要查證」，不要給看起來合理但沒依據的解釋。最後那句擋掉最常見的問題：它很會編出聽起來很有道理的原因，你照著查半天才發現是掰的。
14. 比較兩份清單的差異
比較清單 A 和清單 B，列出三區：只在 A 有的、只在 B 有的、兩邊都有但內容不同的。
第三區要標出差在哪個欄位。
〔貼上兩份清單〕三區分法比「找出差異」明確。不分區的話它會混在一起講，你還要自己再拆一次。
15. 把數字變成一句結論
下面這組數字要放進給主管看的週報。
用一句話寫出最值得注意的變化，句子裡要有具體數字和比較基準。
不要用「顯著成長」「表現亮眼」這類形容詞。禁掉形容詞，它就只能用數字講話。這招對所有要交給別人看的產出都適用。
實測：拿一組真實的網站流量數字測，禁詞完全生效，回覆裡沒有出現任何形容詞，數字和比較基準也都在：「本月網站自然搜尋點擊由上月 423 次提升至 706 次（增加 66.9%），曝光由 13,004 次增至 19,949 次（增加 53.4%），平均排名則由 6.6 名改善至 5.9 名。」但我要的是「最值得注意的變化」一個，它把三個變化全塞進同一句給我。要它挑，就得把「只講一個，其餘不要提」寫進去。
16. 幫表格欄位命名與正規化
下面表格的欄位名稱很亂，有中英夾雜和空格。
重新命名成一致的格式：全小寫、單字之間用底線、不要中文。
輸出「原欄位名 → 新欄位名」的對照表，不要動資料內容。要它輸出對照表而不是直接改，你才能先看過再套用。改資料的動作留給你自己執行。
17. 寫 Google Sheets 公式
在 Google Sheets 裡，我要在 C 欄計算：如果 A 欄的日期是本月、而且 B 欄金額大於 1000，就顯示 B 欄金額，否則顯示 0。
給我可以直接貼進 C2 的公式，並說明每一段在做什麼。講清楚是 Google Sheets 不是 Excel，函式名稱和分隔符號會不一樣。要它逐段說明，公式壞掉時你才知道從哪改。
18. 從報表數字寫出摘要
下面是本月〔報表名稱〕。
寫三段：這個月發生什麼、跟上個月比變化在哪、下個月要注意什麼。
每段兩到三句，每個判斷都要指出是根據哪個數字。「每個判斷都要指出根據哪個數字」是這則的重點。沒有這句，你拿到的是一篇讀起來很順但無法查證的分析。
19. 檢查資料前先讓它列假設
我要你分析下面這份資料。
開始之前，先條列你對這份資料做了哪些假設（欄位代表什麼、單位是什麼、時間範圍、有沒有缺漏）。
我確認過再往下分析。資料類任務最容易在假設上出錯，而錯誤的假設會讓整段分析報廢。先攔一次，比看完再推翻省時間。
20. 把雜亂資料直接整理成 Excel 檔
把下面這段雜亂資料整理成 Excel 檔，欄位是〔欄位清單〕。
原文沒有的欄位填「未提供」，不要推測。
做好之後給我檔案。
〔貼上原始資料〕跟前面「整理成表格」差在最後會拿到一個可以直接開的 .xlsx，不用自己複製貼上再調欄寬。要接進既有報表的時候差很多。
實測：丟三筆格式不一的訂單資料，12 秒產出檔案。「不要推測」這句是關鍵。原文完全沒有訂單編號，三列就全部填「未提供」；第三筆沒留客戶名字，它也沒有自己編一個，同樣填「未提供」。
寫程式與自動化最常用的 AI 指令
這一節是我自己每天在用的。用 AI 寫程式跟聊天差最多的地方，是你必須把技術版本、錯誤訊息、修改範圍都講死，它才不會給你一套三年前的做法。
21. 指定技術與版本
我要在〔框架／語言〕做〔功能〕。
請用目前還在維護的寫法，不要用兩三年前的舊教學做法。
如果有多種常見做法，先列出來讓我選，不要直接挑一個往下寫。AI 愛用過時寫法是常見問題，講清楚版本能擋掉大半。要它先列選項，你才不會在它寫完一整套之後才發現方向不對。
22. 貼錯誤訊息求解
執行〔指令／動作〕時出現這段錯誤，環境是〔作業系統／版本〕。
先判斷這是什麼類型的問題，再給解法。
錯誤訊息如下：
〔原封不動貼上整段錯誤〕錯誤訊息整段貼，不要自己轉述。那串字裡有檔名、行號、錯誤類型，是它定位問題的全部線索，你一轉述就丟光了。
23. 一次只改一個地方
只改〔明確指出的檔案／函式〕這一個地方，做〔一件事〕。
其他檔案、其他功能都不要動。
改完列出你動了哪幾行。一次塞太多它容易改好一個弄壞另一個。限制範圍加上要它列改動處，出問題時你找得回來。
24. 讓它先列計畫再動手
我要做〔功能〕。
先給我實作計畫：要改哪些檔案、每個檔案做什麼、有沒有會影響到現有功能的地方。
計畫我確認之後你再開始寫。拆步驟是你把任務切開分次問，跟叫它「一步一步思考」是兩回事。前者有用，後者現在只會拖長回覆。
實測：用一個 CSV 欄位驗證的需求測，「計畫我確認之後你再開始寫」這句守得很牢，整則回覆一個程式碼區塊都沒有，開頭還主動確認「這一階段我只做實作計畫，不會開始改程式」。值得注意的是它同時做了兩件事：一邊要我先給專案結構，一邊標明「在還沒看到程式前，我會先以一般 Web 專案的架構規劃」。先問，但沒有停下來等你。
25. 解釋別人寫的程式碼
解釋下面這段程式碼在做什麼。
先用三句話講整體目的，再逐段說明。
看不懂或需要更多上下文才能判斷的地方，直接說不確定，不要猜。
〔貼上程式碼〕先整體再逐段，你才不會一開始就掉進細節。允許它說不確定，比逼它給一個確定答案安全。
26. 寫 Google Apps Script
在 Google Apps Script 裡寫一個函式：讀取試算表〔名稱〕的〔分頁〕，把〔條件〕的資料列複製到〔目標分頁〕。
請加上錯誤處理，並在每個關鍵步驟寫一行註解。
給我可以直接貼進編輯器的完整程式碼。「可以直接貼進編輯器的完整程式碼」要明講，否則它常給你片段，你還得自己拼。
27. 設計 n8n 工作流程
我要用 n8n 做一條流程：當〔觸發條件〕發生時，去〔資料來源〕拿資料，處理成〔格式〕，送到〔目的地〕。
這一輪只要節點清單和連接順序，每個節點說明設定什麼。
JSON 等順序確認後再給。先要清單再要 JSON，是因為節點順序錯了你在畫面上比較好改。直接拿 JSON 匯入，錯了要整條重來。
28. 寫正規表達式
寫一個正規表達式，比對〔要抓的東西〕。
下面是應該比對到的三個例子和不應該比對到的三個例子：
〔正例 ×3〕
〔反例 ×3〕
給我表達式，並逐段說明每個部分在做什麼。正例反例各三個是這則的關鍵。正規表達式最常見的錯是抓太多，給反例才擋得住。
29. 產生測試資料
產生 20 筆測試資料，欄位是〔欄位清單〕。
要包含這些邊界情況：空值、超長字串、特殊符號、日期跨年。
輸出成 CSV。指定邊界情況，才不會拿到 20 筆長得一模一樣的漂亮資料。測試資料的價值就在那些不漂亮的。
30. 重構但不改行為
重構下面這段程式碼，目標是〔更好讀／更好測試／減少重複〕。
對外的輸入輸出行為完全不能變。
改完列出你做了哪些調整，以及為什麼這樣改不會影響行為。「對外行為不能變」是重構的定義，但一定要寫出來。要它說明為什麼不影響行為，等於逼它自己檢查一遍。
31. 寫 API 串接
我要串〔服務名稱〕的〔功能〕API。
先告訴我需要哪些認證資訊、有沒有速率限制、失敗時會回什麼。
這些確認完再給我串接的程式碼。先問清楚限制再寫程式碼。很多串接是寫完才發現有速率限制或需要額外權限，整套要重做。
32. 產生 SQL 查詢
資料表結構如下：
〔貼上欄位與型別〕
我要查〔需求描述〕。
給我 SQL，並說明這個查詢大概會掃多少資料、有沒有需要加索引的欄位。把表結構貼給它，不要讓它猜欄位名。順便問效能，避免寫出一個在正式資料上跑不動的查詢。
33. 檢查程式碼的安全問題
檢查下面這段程式碼有沒有安全問題，重點看：使用者輸入有沒有驗證、有沒有把密鑰寫死在程式裡、錯誤訊息會不會洩漏內部資訊。
每個問題說明風險是什麼、怎麼改。
沒問題的項目也講一聲。指定要檢查的面向，比問「安全嗎」有用。要它連沒問題的也回報，你才知道它真的看過那幾項。
34. 寫 commit message
根據下面的變更內容寫一則 commit message。
格式：第一行是類型加一句摘要，不超過 50 字；空一行；接下來列出改了什麼和為什麼。
〔貼上 diff 或變更說明〕指定格式和字數，產出才會跟團隊既有的紀錄一致。「為什麼」那段最有價值，半年後回頭看只有它救得了你。
📖 延伸閱讀：Claude Code 指令教學｜30 個必學指令與使用情境，打造高效 AI 開發流程
指令會下了，下一步是讓這些整理、分類、回覆不用你每天手動下。
用 AI 指令寫行銷貼文與經營社群
行銷類指令最常見的問題是拿到「換個產品也能套」的空話。解法是把對象和賣點寫到不能再具體，下面八組的〔 〕位置就是你一定要填的地方。
35. 把一篇貼文改成多平台版本
把下面這篇貼文改成三個版本：Threads 版（200 字內、口語）、LinkedIn 版（正式、加一個提問結尾）、IG 版（分行短句、開頭要抓住人）。
三個版本的核心訊息要一致，不要各講各的。
〔貼上原文〕「核心訊息要一致」要寫出來。不寫的話它會為了配合各平台語氣，把重點也一起改掉。
36. 下標題給多個版本
幫這篇文章想 8 個標題，讀者是〔對象〕，他們最在意〔什麼〕。
其中兩個用問句、兩個放數字、兩個講結果、兩個講痛點。
每個標題控制在 25 字內。
〔貼上文章重點〕指定每種類型各幾個，才不會拿到八個大同小異的標題。一次要多個版本，挑的成本比重下一次低。
37. 寫 EDM 主旨列
幫這封 EDM 想 6 個主旨，收件人是〔名單描述〕。
每個都不要超過 18 個字（手機版會截斷），不要用「限時」「最後機會」這類促銷字眼。
信件內容：〔摘要〕18 字是手機版的實際限制，講出這個數字和原因，比叫它「短一點」精準。
38. 從長文抽社群短句
從下面這篇文章裡挑 5 句可以單獨拿出來當社群貼文的句子。
要求：脫離上下文也看得懂、有具體資訊不是空話、不要是總結句。
直接引用原文，不要改寫。「不要是總結句」這條很重要。不擋的話它會挑那些讀起來很有哲理但沒有資訊量的句子。
39. 寫產品文案
你是〔產品類型〕電商的文案。
寫一段商品描述，對象是〔具體的人〕，重點放在〔一個賣點〕，語氣〔描述〕，控制在〔字數〕內。
產品資訊：〔規格與特色〕角色、對象、賣點、語氣、字數五個都給齊，拿到的東西才不會換個產品也能套。
40. 分析競品文案
下面是三個同類產品的文案。
分析每一個主打什麼賣點、對誰說話、用什麼語氣，做成表格。
最後指出三家都沒有講的角度有哪些。最後那句才是你要的。前面的分析是過程，「都沒講的角度」才是你能切進去的位置。
41. 寫回覆留言的模板
幫我寫〔情境〕的留言回覆模板，要三種版本：正面留言、提問、負面留言。
每種給兩句話的版本和一句話的版本。
語氣〔描述〕，不要用「感謝您的支持」這類罐頭句。同時要長短兩版，是因為你實際回的時候情況不一樣。一次要齊，比每次現想快。
42. 產內容行事曆
幫我排下個月的社群內容行事曆，一週三則，主題圍繞〔核心主題〕。
每則寫：日期、主題一句話、內容形式（圖文／短影音／純文字）、要導向哪個行動。
做成表格。「要導向哪個行動」這欄逼它想目的。少了這欄，你會拿到十二則各自漂亮但湊不成一件事的貼文。
用 AI 指令生圖與生影片
生圖指令跟文字指令是兩套邏輯：文字模型看的是語意，生圖模型看的是詞的權重和順序。這八組著重在結構，不是給你一份風格詞大全。
43. 生圖指令的基本結構
〔主體〕，〔動作或狀態〕，〔場景〕，〔光線〕，〔風格〕，〔畫面比例〕生圖指令的順序會影響權重，越前面的詞影響越大。先寫主體再寫修飾，不要一開頭就堆風格詞。
44. 指定風格但不要堆疊風格詞
a ceramic coffee cup on a wooden table, morning side light,
clean flat vector illustration, warm amber accent, minimal geometric shapes,
soft shadows, uncluttered風格詞挑三到五個就好。塞十幾個同義的風格詞（電影感、高級質感、大片氛圍）只會分散權重，模型反而猜不出你要什麼。
實測：同一句主體描述，兩次都指定「扁平向量插畫風」，差別只在後面有沒有再堆十個風格詞。堆疊版出來是寫實攝影風，指定的扁平向量完全沒生效；只留四個風格詞的版本才真的畫成扁平向量。多加的那些詞不是沒作用，是會把你真正要的風格蓋掉。
45. 控制構圖與視角
〔主體描述〕, close-up shot, shallow depth of field, subject on the left third,
negative space on the right for text overlay留白位置要講清楚，尤其圖之後要壓字的時候。不講它會把主體放正中間，你的標題就沒地方擺。
46. 負面提示詞怎麼寫
text, words, letters, typography, watermark, signature, logo,
ugly, deformed, cluttered, noisy, low quality負面提示詞固定一組重複用就好，不用每次重想。文字類的一定要放，目前多數生圖模型畫不出可讀的中文字。
47. 生影片的鏡頭描述
〔畫面內容〕, camera slowly pushes in, 3 seconds,
steady shot, no cuts, soft natural light生影片要把鏡頭運動和秒數講出來。只描述畫面內容的話，你拿到的多半是一段沒有目的的晃動。
48. 同一角色多張圖保持一致
同一個角色我要產五張不同場景的圖。
先幫我寫一段固定的角色描述（外型、髮型、服裝、配色），這段每張圖都會原樣帶上。
再針對這五個場景各寫一句場景描述：〔場景 1〕…〔場景 5〕把角色描述固定成一段重複使用，是目前最實際的一致性做法。每次重寫角色外型，出來的就會是五個不同的人。
49. 本機跑還是用線上服務
（這則不是指令，是選擇題）
本機跑：免費、無限次、資料不外流，但畫質受模型和顯卡限制
線上服務：畫質好、上手快，但按次計費、圖片會上傳我自己在本機跑 Stable Diffusion 產部落格的示意圖，實測下來概念圖和氛圍圖夠用，但需要清楚文字標籤的圖畫不出來，那種我改用向量圖自己排。要精準文字就別指望文生圖。
50. 生簡報封面圖
幫我生一張簡報封面圖。主題是〔主題〕，〔底色〕，〔哪一側〕大量留白給我之後壓標題，
〔另一側〕放〔元素〕，扁平向量風格，柔和陰影。
畫面裡不要出現任何文字、字母、浮水印。16:9 橫式。簡報封面最常見的需求是要留位置壓標題，這件事一定要講，不然它會把主體放在正中間。
實測：約 40 秒生出來，深藍底、左半邊留白、右下角折線圖與幾何色塊、16:9，全部照做。「不要出現任何文字」也完全守住，圖上一個字都沒有。這裡要分清楚兩件事：叫它「不要有文字」做得到，叫它「在圖上寫出可讀的中文字」目前還是做不到，需要文字的圖還是得自己後製壓上去。
怎麼把這些指令改成你自己的
上面每一組的〔 〕都不是隨便挖的，它們對應四個你一定得自己填的欄位。經理人在談提示詞範本時說過一句話很準：範本無法預先涵蓋每項工作的目的與條件。範本能幫你少漏東西，真正讓答案變準的是你填進去的內容。
角色的脈絡。不是頭銜，是這個角色正在處理什麼、面對什麼限制。「有 20 年經驗的行銷總監」沒有資訊量，「負責一個月預算 5 萬、主打 25 到 35 歲女性的保養品牌」才有。
對象。這份產出要給誰看，決定了深度和語氣。同一份資料整理給主管看要集中在決策與風險，給新同事看要補基礎背景。
要求。你到底要什麼，講到不能再具體。「幫我優化這段程式碼」太模糊，「這段函式在資料超過一萬筆時很慢，在不改變輸出的前提下優化速度」它才知道往哪動手。
還有一件實測之後才看清楚的事：格式類的限制它守得很牢，判斷類的要求它不太敢做。你說「一句話」「不要用形容詞」「不准寫程式碼」，它幾乎都會照辦；但你說「挑出最值得注意的那一個」「只留最重要的三點」，它傾向把全部都給你，讓你自己挑。原因不難理解，漏掉東西的代價比多給高。所以凡是要它「篩」的指令，都要把篩選結果的數量講死，並補一句其餘不要提。
驗收標準。這格最多人漏掉，也最有效。它不是形容詞，是可以檢查的條件：三個方案、每個附一句預算量級、用繁體中文、結論放最前面。你把它想成交辦工作時附的那句「做完長這樣我就收」。
ChatGPT、Claude、Gemini 的指令寫法差在哪
同一組指令丟給三家，結果不會一樣，這件事多數人知道。比較少人注意的是：三家官方文件對「該怎麼寫指令」的建議，本身就互相矛盾。中文圈談這題的文章幾乎都只引 OpenAI 那一邊。
few-shot 範例三家講法正面衝突
要不要在指令裡附範例，三家給的答案完全不同。OpenAI 建議先不要：「推理模型通常不需要範例就能產生好結果，先寫不含範例的提示詞。」Anthropic 反過來把範例列為最可靠的引導方式之一，建議放 3 到 5 個。Google 講得最直接：「我們建議一律在提示詞中放 few-shot 範例。」
實務上的折衷是看任務類型。輸出格式要求嚴格、你心裡有明確標準的（分類、抽欄位、固定格式），給範例最有效；開放性的創作先讓它自己來，一開始就給範例反而會把它框死。
角色設定要給到什麼程度
OpenAI 的文件沒有特別談角色。Anthropic 明確建議設定角色，說法是在系統提示裡設定角色能聚焦模型的行為與語氣，「即使只有一句話也有差」。Google 則要求把角色定義放進系統指令或提示詞的最前面，跟輸出格式並列為優先級最高的內容。
三家沒有衝突，但都有一個共同前提：角色要帶資訊。只寫年資和頭銜，三家都幫不了你。
推理力度參數你碰不碰得到
三家現在都提供調整「模型願意花多少力氣想」的參數。OpenAI 的 reasoning.effort 有 low、medium、high、xhigh、max 五級，不支援關閉；Anthropic 的 effort 同樣是 low 到 max；Google 的 thinking level 分級較少。
但這是開發者在 API 或後台設的參數，一般聊天視窗看不到。判斷方法很簡單：如果你是打開瀏覽器或 App、打字、看它回答，那你沒有這顆旋鈕。沒有也不影響，官方的建議本來就不是調到最高最好，medium 加上把指令寫清楚，多數任務就夠了。
同一個需求三家各自怎麼寫
拿「把一份會議記錄整理成待辦清單」當例子，照三家各自的建議寫出來會長這樣。
OpenAI 版（不給範例，直接講清楚要什麼與驗收標準）
把下面的會議記錄整理成待辦清單，每項寫成「誰、在什麼時間之前、要做什麼」。
沒有指定負責人的另外列一區標成待確認。
Anthropic／Google 版（附 2 到 3 則範例，格式更穩定）
把會議記錄整理成待辦清單。先看這兩個例子：
〔範例 1：原句 → 整理後〕
〔範例 2：原句 → 整理後〕
照同樣格式整理下面這份。兩種都能用。差別在你要不要花力氣準備範例，換取格式更穩定。任務會重複很多次的，準備範例划算；一次性的，直接講清楚就好。
| 技巧 | OpenAI | Anthropic | |
|---|---|---|---|
| 「請一步一步思考」 | 明說避免 | 改用參數控制，不寫在文字裡 | 一般沒必要 |
| few-shot 範例 | 先 Zero-shot，不夠再補 | 建議 3 到 5 個 | 建議一律要放 |
| 角色設定 | 文件未特別談 | 建議，一句話也有差 | 建議，且要放最前面 |
| 加重語氣（務必／絕對不要） | 建議改用平實用語 | 建議調回正常語氣 | 要求把關鍵指令放前面 |
| 推理力度參數 | low 到 max 五級 | low 到 max | thinking level，分級較少 |
常見問題 FAQ
Q1：AI 指令和提示詞是同一件事嗎？
是同一件事的兩個叫法。你打給 AI 的那段話，有人叫指令、有人叫提示詞（prompt），指的都是同一個東西。要說有什麼細微差別，「指令」聽起來偏向要它做一件事，「提示詞」在生圖圈用得比較多，但實務上不用分。
Q2：這些指令可以直接複製嗎？
可以，但〔 〕裡一定要換成你自己的內容，那些不是裝飾。直接照抄別人的範本效果通常有限，因為範本裝的是別人的情境。上面「怎麼把這些指令改成你自己的」那節列的四個欄位，是每一組都要填的。
Q3：同一組指令在三家上結果會一樣嗎？
不會，而且差異主要來自兩件事。一是模型本身的訓練與偏好不同，二是三家官方建議的寫法就不一樣，尤其在要不要附範例這點上是正面衝突。如果你固定用其中一家，照那家的官方建議調整指令會比較有效。
Q4：生圖指令為什麼幾乎都用英文？
因為多數生圖模型的訓練資料以英文標註為主，同樣的概念用英文詞比較容易對上模型認得的特徵。這跟文字模型不一樣，文字模型用中文下指令完全沒問題。另外目前多數生圖模型畫不出可讀的中文字，需要精準文字標籤的圖不要指望文生圖。
Q5：指令下了還是不對怎麼辦？
先別重寫整段，改用追問的方式修：「這裡不對，我要的是⋯⋯」「這段太長，壓到 50 字」，讓它在原本的基礎上改。一輪一輪往你要的方向靠，通常比重下一次快。如果連問三四次還是歪，多半是最初的需求本身沒想清楚，回頭把四個欄位補齊再問。
總結
AI 指令沒有魔法句，能用的指令都長得很像：交代角色的脈絡、把要求講到不能再具體、指定輸出格式、補一句可以檢查的驗收標準。2026 年多一件事要做，把「請一步一步思考」這類舊寫法拿掉，模型已經會自己想了。上面 50 組都照這個結構寫，你真正要花時間的不是背指令，是把〔 〕裡的東西想清楚。至於三家官方講法不一致這件事，反而說明一件更實在的事：沒有一套寫法在所有模型上都最好，會判斷比會背有用。
如果你已經寫得出好指令，卻懶得每天一則則手動下，想把重複的整理、分類、回覆變成自動跑的流程，可以看看我們的AI 自動化與系統開發服務。
