TL;DR

Meta-prompting 是要求 AI 寫提示—— 你描述想要的結果，機器起草能產生它的精確、結構良好的指令。它把寫提示從猜謎變成委派：AI 需要什麼脈絡何必用猜的，AI 自己能精確告訴你？

類比

看看一個家庭實際上怎麼把房子蓋出來。

選項一：他們抓起錘子開始蓋。牆蓋在感覺對的地方；有人發現沒有浴室時才加蓋浴室。每個決定都在施工當下即興，由最沒資格看遠的人做。房子站住了 —— 勉強 —— 而每個缺陷都是好意的人刻意蓋進去的。

選項二：他們雇建築師。家庭一條線都不畫。他們只回答問題 —— 幾間臥室？在家工作？北向採光？常娛樂賓客嗎？—— 建築師把答案轉換成藍圖：精確、有尺寸、而且完整。然後施工者照圖施工，不是照感覺。而好藍圖的安靜魔法在這：它消除了施工者的犯錯空間。 當每個尺寸都事先決定，施工者放錯不了樓梯，因為樓梯已經在紙上。

現在看看大多數人怎麼用 AI：他們憑感覺施工。在發問當下即興一個提示，塞進任何想到的脈絡 —— 口語版的把牆敲進去然後祈禱。Meta-prompting 是雇建築師。模型讀過一千個你這類任務的最佳實務提示；它知道完整的指令長什麼樣 —— 角色、限制、格式、邊界情況 —— 就像建築師知道完整的房子需要什麼，包括你從不想起、直到它缺席的那些部分。

而家庭在這一切裡的工作？回答問題和審閱藍圖。你已經見過它的小型版本：先問我是建築師的訪談 —— meta-prompting 的輕量形式。這一課是完整的委託：不只收集答案，而是產出圖紙本身。

運作原理

Meta-prompt 是關於提示的提示。它有四個工作部分：

部分你提供什麼範例
角色AI 起草時應該是誰「你是一位資深提示工程師」
目標最終提示必須完成的任務「……寫一個為我們商店生成商品描述的提示」
已知條件只有你知道的事實「受眾：送禮者。語氣：活潑。每則最多 60 字」
交付物meta-prompt 回傳什麼「只輸出完成的提示，可直接複製貼上，無註解」

組合起來，master meta-prompt 讀起來像這樣：

你是一位資深提示工程師。為這個任務寫出完美的提示：為一家線上禮品店生成 60 字的商品描述，語氣活潑，強調禮物適合誰。提示必須指定角色、語氣、長度、結構和要排除什麼。寫之前，先問我最多 3 個能讓提示更好的問題。然後只輸出完成的提示，可直接使用。

注意解剖。訪談子句是選配但強大 —— 它是把先問我折進委託裡，讓建築師索取你忘了主動提供的那兩個事實。「只輸出完成的提示」子句是格式強制：沒有它，模型會開心地回傳關於提示的文章而不是提示。而成品應該一眼認出 —— 一個完整的 one-shot 提示：動詞、脈絡、目標格式、排除 —— 第一課的解剖，由以此為生的人組裝。

最後一步是初學者錯過的：測試、然後審查、然後部署。 在真實案例上跑生成的提示。如果輸出令人失望，不要手工修 —— 把失敗餵回建築師：「這個提示產出了 X；弱點是 Y；修改提示。」一輪修訂通常就讓藍圖落位。提示在通過真實工作前都是草稿 —— 而像任何 AI 輸出一樣，在重要工作前它值得一次審查。

改寫前後（提示）

範例 1 —— 重複任務

寫一篇關於我們新分析功能的 LinkedIn 貼文。

在發問當下憑感覺寫，這產出制式貼文 —— 而且下個月同樣制式的貼文，因為什麼都沒被捕捉。每次重複都重新即興牆的位置。

你是一位資深提示工程師。我們的 CTO 需要一個可重複使用的提示，為我們的 B2B 軟體功能寫 LinkedIn 上線貼文。問我最多 4 個關於聲音、受眾、和過去貼文為何有效的問題。然後只交付提示，指定角色、受眾、語氣、結構、長度限制、和一件它永遠不能做的事。

一個 meta-prompt、一輪訪談 —— 藍圖出來了：一個全團隊永遠可以貼上的可重複使用上線貼文產生器。家庭沒畫任何線；建築師問了對的問題；圖紙現在存在了。

範例 2 —— 專業輸出

用簡單的詞彙摘要這份法律合約。

祝你好運 —— 「簡單詞彙」碰上合約語言，模型即興出一個誰都不滿意的中間地帶。使用者重試，用四種方式換句話說，手裡還握著錘子。

扮演提示工程師。設計一個為無法律訓練的小企業主摘要合約的提示。摘要必須標記：義務、罰則、終止觸發條件、任何不尋常之處。它必須在括號中定義每個法律術語，並以 3 項「與律師討論」清單作結。先問我最多 3 個問題，然後只輸出提示。

生成的提示知道使用者永遠不會知道的事 —— 要求把終止觸發條件當作一個類別、把行話放括號、加上升級清單。建築師知道完整的「合約摘要房」需要什麼，包括家庭不知道要要求的房間。

範例 3 —— 困難對話

寫一則訊息告訴我的團隊死線延後了。

情緒負載重、脈絡密集 —— 而即興的提示沒帶任何那個脈絡，所以模型猜語氣。猜錯了。

你是一位專精職場溝通的提示工程師。訪談我 —— 一次一個問題，最多 5 題 —— 關於這次死線延後：原因、團隊氣氛、我需要他們之後的感受和行動。然後為起草這則訊息寫出完美提示，並只輸出那個提示。

訪談浮出真正的限制（「兩個人週末加班 —— 要提及」），而那些限制被工程進提示本身。最終的訊息不是幸運的草稿；它是從知道地形的藍圖蓋出來的。

常見陷阱

  1. 盲目使用生成的提示。 AI 寫的提示是 AI 輸出 —— 流暢、自信、而且偶爾以只有測試能揭曉的方式出錯。永遠先在真實案例上跑，並為重要工作審查它：缺失的限制、假設的事實、幻覺的需求。建築師很熟練；藍圖在施工前仍要檢查。
  2. 模糊的委託。 「為行銷寫個好提示」是雇了建築師卻拒絕回答任何問題。結果是給制式房子的制式藍圖。提供已知條件 —— 受眾、語氣、格式、限制 —— 或更好，讓訪談子句把它們從你身上拉出來。
  3. 接受你看不懂的提示。 如果生成的提示含一條你無法解釋的指示，你部署了無法除錯的機器。逐行讀；要求 AI 說明任何讓你困惑的子句（「為什麼你加了『避免最高級』？」）。你讀不懂的藍圖是你改不了的藍圖。
  4. 對瑣碎任務 meta-prompt。 委託建築師設計一個架子，比直接釘一個更慢。簡單請求用直接、結構良好的 one-shot 提示勝過兩步儀式。Meta-prompting 在重複任務、專業格式、高風險工作上回本 —— 好藍圖在多次施工中攤銷。
  5. 忘記你可以改提示，而不只是用它。 輸出令人失望時，大多數人調整輸出。建築師的客戶反而是退回藍圖：「這個提示低估了語氣 —— 修訂它，其他保留。」你雇了專業人士；用修訂循環。

常見問題

AI 能寫自己的提示嗎？

能 —— 而且出奇地好，因為現代模型已內化數千個有效的提示模式，知道特定任務的完整指令長什麼樣。技巧就是 meta-prompting：描述你的目標和限制，可選擇先讓 AI 訪談你，然後讓它輸出打磨好、可直接使用的提示。要注意：AI 寫的提示在測試前都是草稿，重要使用前應像任何 AI 輸出一樣被審查。

什麼是 meta-prompt？

Meta-prompt 是交付物為另一個提示的提示。不是向 AI 要答案（「寫我的貼文」），而是要一個問題（「寫那個能生成我貼文的提示」）。它通常指定 AI 應扮演的角色、最終提示必須完成的任務、只有你知道的限制、和輸出格式 —— 通常是「只要完成的提示，無註解」。

Meta-prompting 和「先問我」有什麼不同？

它們是同一洞見的親戚 —— 模型比你更知道它需要什麼資訊。「先問我」在答案之前收集資訊；meta-prompting 更進一步，產出指令本身，而且常內折一場先問我式訪談。經驗法則：「先問我」改善一個答案；meta-prompt 創造一個改善該類型所有未來答案的可重複藍圖。

下一課

到目前為止的一切都在工程單一對話。但有一種方法能讓工程永久：一條在每則訊息之前的常設指示，帶著角色、語氣和規則 —— 自動套用、永遠有效、不必重複你自己。那個永遠不離開房間的提示。

繼續下一課：工程一個 Persona —— 理論

離開前的練習：挑一個你這個月提示過三次以上的任務。委託建築師 —— 帶訪談子句的完整 meta-prompt —— 讓它起草你的可重複藍圖。測試一次、要求一輪修訂，然後數數第四次使用時它省了你幾分鐘。