跳到主要內容

AI 102 · 模組 1

從 Prompt 到 Context

為什麼 Prompt 寫得很好,AI 仍然可能得到錯誤答案?

開始第一節
已完成 0 / 6
同步我的進度加入梯次後,進度可跨裝置保存,講師也能看到

資訊

加入後,你已完成的模組編號會連同「學員代碼」傳送給講師,講師可以看到你的進度。請使用講師提供的代碼,不要輸入姓名、公司機密或其他個資。進度資料與該梯次的其他資料一起保存。

學習目標

  • 說明 Prompt(提示詞)與 Context(上下文)的差異
  • 理解 AI 的回答取決於 Instruction(指令)加上 Context
  • 辨識由資訊不足造成的錯誤,並區分 Prompt 問題、Context 問題與需要人為判斷的情況
  • 說明 Context Engineering(上下文工程)的基本目的

問題與需求

8 分鐘

Prompt 寫得很好,答案卻是錯的

在 AI 101 你學會把任務說清楚。但很多人遇到這樣的情況:指令明明清楚、格式也講明白了,AI 的回答仍然不能用。這時候再把 Prompt 改得更長,往往沒有幫助。

工作情境

請幫我分析這份合約的主要風險。

這句話本身沒有問題。但 AI 要分析得準,還需要知道:

  • 合約全文,而不只是幾個段落
  • 公司對風險的判斷標準
  • 適用的法律與過去的版本
  • 這位客戶的背景

注意

缺少這些資訊時,AI 不一定會告訴你「我不知道」。它可能依一般情況推測,給出讀起來很合理的分析。合理不等於正確。

重點: 指令清楚,不代表 AI 拿到了完成任務所需的資訊。

核心概念

8 分鐘

Prompt 與 Context 的差別

Prompt(提示詞)主要描述你要 AI「怎麼做事」。Context(上下文)則是 AI 在執行任務時「可以使用的資訊」。兩者分工不同,缺一不可。

Prompt(提示詞)

  • 要做什麼:任務
  • 如何做:步驟與方法
  • 輸出格式
  • 限制條件

Context(上下文)

  • 合約全文、會議紀錄等材料
  • 公司政策與風險標準
  • 歷史版本與客戶背景
  • 目前工作進行到哪裡
基本模型:Task + Instruction + Context = AI Output
  1. Task(任務):這次要完成什麼工作
  2. Instruction(指令):希望 AI 怎麼做、輸出什麼格式
  3. Context(上下文):AI 可以依據的資訊
  4. AI Output(輸出):由以上三者共同決定,最後由人審查

所以,當答案不理想時,除了問「Prompt 要怎麼改」,也要問:「AI 手上有沒有它需要的資訊?」

自我檢測

團隊抱怨 AI 分析合約風險的結果很空泛。Prompt 已經寫明了任務、格式與限制,但你發現對話中只貼了合約的封面與目錄。最先該做什麼?

團隊抱怨 AI 分析合約風險的結果很空泛。Prompt 已經寫明了任務、格式與限制,但你發現對話中只貼了合約的封面與目錄。最先該做什麼?

重點: Prompt 決定怎麼做,Context 決定依據什麼做。AI 的輸出取決於兩者。

7 分鐘

Context Engineering 在做什麼

Context Engineering(上下文工程)是有意識地決定:在完成某項任務時,AI 應該看到哪些資訊、從哪裡取得、在什麼時候提供。它不是把資料全部塞給 AI。

完成

好的 Context 不是越多越好,而是在正確時間,提供正確、可信、足夠且安全的資訊。
  1. 這個任務真正需要什麼資訊?
    先想任務,再想資料,而不是反過來。
  2. 這些資訊從哪裡來,可信嗎?
    有沒有正式來源,是不是最新版本。
  3. 這些資訊可以提供給 AI 嗎?
    涉及個資、機密或未授權資料時,應該先停下來判斷。

這三個問題會貫穿整門課。AI 可以協助整理與分析,但選擇哪些資訊、判斷來源是否可信、決定是否採用結果,仍然是人的責任。

重點: Context Engineering 是判斷「什麼資訊值得讓 AI 知道」,而不是把更多資料塞進去。

示範

10 分鐘

示範:同一個 Prompt,三種 Context

同一位行政人員問 AI 同一個問題,只是每次提供的 Context 不同。以下資料皆為模擬,僅供示範。

固定不變的 Prompt

請幫我判斷這筆採購是否符合政策:辦公室筆電 8 台,總價 24 萬元,只取得一家報價。

三種 Context 下的可能結果(示意)
情況提供的 ContextAI 可能的回答可信程度
A沒有提供任何政策文件依一般常識判斷「應該符合」,並說明採購通常需要核准沒有依據,屬於推測
B兩年前的舊版政策(單筆 3 萬元以上需比價,未要求三家)認為取得一家報價即可,只需部門主管核准有依據,但依據已過期
C最新正式政策(單筆 5 萬元以上需三家比價)指出不符合,需補足三家比價才能送審有依據,來源與版本明確

討論看看:

  • Prompt 有沒有不同?
  • Context 如何改變了答案?
  • 哪一個答案最值得信任?為什麼?
  • 如果你只看到答案 A 或 B 的文字,能不能發現有問題?

資訊

三個答案讀起來都很流暢、語氣也都很肯定。差別在於它們所依據的資訊。使用者需要知道 AI 依據了什麼,而不只是看它說了什麼。
自我檢測

沒有給任何政策文件時,AI 很肯定地回答「這筆採購符合政策」。你該如何看待這個答案?

沒有給任何政策文件時,AI 很肯定地回答「這筆採購符合政策」。你該如何看待這個答案?

重點: 同一個 Prompt,Context 不同,答案可能完全不同。答案是否可信,要看它依據什麼。

實作

10 分鐘

實作:Prompt、Context,還是需要人來判斷?

下面是 8 個模擬案例。請先為每個案例選擇你認為最主要的原因,再和同學或講師討論。有些案例可能有不只一種合理的解讀,重點是說出你的理由。

8 個案例(請自行判斷)
案例發生了什麼事想一想
1指令只寫「幫我整理一下」,AI 交出三頁流水帳使用者說清楚要什麼了嗎?
2指令明確要求比較兩家供應商,但對話中只貼了其中一家的報價AI 拿到比較所需的資料了嗎?
3AI 引用了已停用的差旅辦法,指令本身沒有問題資料是哪個版本?誰負責更新?
4指令要求「用表格列出風險」,資料完整,AI 卻寫成長篇文字指令有沒有被清楚執行?
5既沒有附資料,指令也很模糊,AI 的回答不著邊際兩個方面都需要補強嗎?
6AI 依最新政策給出合理建議,但這個案件涉及是否對長期合作廠商破例AI 能替人決定這件事嗎?
7一次貼上 40 頁附件,只問一個小問題,AI 漏看第 27 頁的關鍵條款資料是不是太多、太雜?
8AI 的摘要寫「客戶已同意」,但原始郵件只寫了「我們再研究看看」摘要可信嗎?該由誰回頭核對原文?
  • Prompt Failure:指令不清楚,或沒有被遵守
  • Context Failure:AI 缺少、拿到錯誤或過多的資訊
  • Both:兩方面都有問題
  • Human Judgment Required:資訊與指令都沒問題,但需要由人來決定或負責
自我檢測

AI 依最新版正式政策,正確整理出某項採購的規定。但這次是長期合作廠商的緊急採購,是否破例並不在政策條文之中。這比較像哪一種情況?

AI 依最新版正式政策,正確整理出某項採購的規定。但這次是長期合作廠商的緊急採購,是否破例並不在政策條文之中。這比較像哪一種情況?

重點: 出錯時先分辨:是指令、資訊,還是需要人來決定。

重點回顧

7 分鐘

重點回顧:從「怎麼問」到「該知道什麼」

完成

這個 AI 任務真正缺的,是指令,還是正確的 Context?

AI 101:我要怎麼跟 AI 說?

  • 定義任務
  • 寫清楚指令
  • 審查輸出

AI 102:AI 應該知道什麼?

  • 判斷需要哪些資訊
  • 判斷來源是否可信、是否最新
  • 判斷哪些資訊不該提供

下一個單元會把 Context 拆開來看:AI 在完成任務時,可能需要哪些類型的資訊?

自我檢測

同事說:「只要把所有相關檔案都上傳給 AI,就不會再有 Context 問題。」下列哪一項回應最符合本單元的觀念?

同事說:「只要把所有相關檔案都上傳給 AI,就不會再有 Context 問題。」下列哪一項回應最符合本單元的觀念?

重點: 好的 Context 是在正確時間,提供正確、可信、足夠且安全的資訊。

接下來做什麼?