Prompt 提示詞進階技巧：善用「壽司結構」，避免 AI 忽略關鍵資訊

如何用 prompt（提示詞）和 AI 助理溝通、協作已成為許多人工作的日常。但隨著交給 AI 的任務及資料量劇增，工作者及企業可能常會遇到一個令人困惑的問題：

明明給了充足的資料、使用了 RAG 技術，AI 給的答案卻仍然不夠精準，甚至發生錯誤。

排除使用的 AI 模型能力不足、資料品質不佳、prompt 寫得不夠清楚，近期的研究發現，你面臨的可能是一個反直覺的因素：AI 也可能分心而沒仔細看完你給的資訊！

本篇 Aiworks 將告訴你，prompt 中的資訊結構和排列順序如何影響 AI 產出品質，並運用「壽司結構」等進階技巧設計高品質提示詞，讓 AI 更容易抓住重點！

文章大綱

壽司結構：將最重要的資訊放在 prompt 的最上層
為什麼 AI 會漏看關鍵資訊？解析大型語言模型（LLM）的注意力機制
日常可立即使用的 3 個 Prompt 心法

壽司結構：將最重要的資訊放在 prompt 的最上層

一個好的 prompt，就像一貫握壽司：

最上層（生魚片、主料）	清楚講出核心任務或原則
中層（醋飯）	長篇幅的文字如：脈絡、逐字稿、參考資料⋯⋯
底層或外層（海苔）	（視情況）再次強調重要指令

就像壽司不能沒有醋飯一樣，脈絡及參考資料等都是不可或缺的資訊，而將重點放在開頭，並視情況於結尾再次提醒，能顯著降低模型誤讀風險。

「壽司結構」簡單來說，就是：重點 —— 資料 —— （視情況）再重點。 -Aiworks — 「壽司結構」簡單來說，就是：重點 —— 資料 —— （視情況）再重點。

範例一：請 AI 總結長篇會議記錄

❌ 錯誤寫法	✅ 推薦寫法
以下是今天的會議逐字稿： [5000 字今天會議逐字稿] 請幫我總結行銷部的預算決議。以下是去年的參考資料： [2000 字去年會議逐字稿]	請根據以下資訊，總結行銷部門的預算決議，並列點說明：今天的會議逐字稿： [5000 字今天會議逐字稿] 去年參考資料： [2000 字去年會議逐字稿] 提醒：重點在行銷部門的預算數字，請列點說明。

範例二：請 AI 根據客服規範回覆

❌ 錯誤寫法	✅ 推薦寫法
你是一位專業客服人員，請回答客戶提問： [500 字客戶提問] 注意：請勿主動承諾客戶退款！以下是產品資訊： * 產品資訊 1 * 產品資訊 2 ⋯⋯ * 產品資訊 50	【角色】：你是一位專業客服人員。【核心原則】：請勿主動承諾客戶退款！以下為客戶提問： [500 字客戶提問] 以下是產品資訊： * 產品資訊 1 * 產品資訊 2 ⋯⋯ * 產品資訊 50 注意：請勿主動承諾客戶退款！

為什麼 AI 會漏看關鍵資訊？解析大型語言模型（LLM）的注意力機制

AI 的「序位效應」：為什麼放中間的提示詞容易被遺忘？

生成式 AI 的核心為大型語言模型（LLM, Large Language Model），而 LLM 則是建立在 Transformer 架構之上，所有的內容（context，又譯文本、上下文）都會被拆解成一個一個 token 進行解碼和編碼。而理想上 Transformer 會將注意力平均分配在內容中的每一個 token 上。

但根據史丹佛大學研究團隊發表的《Lost in the Middle: How Language Models Use Long Contexts》指出，在提供模型內容時：

若重要資訊放在最開頭，準確率高。
若重要資訊放在最結尾，準確率也高。
若重要資訊放在中間，隨著文本越長，準確率明顯下降。

當相關資訊出現在上下文的最開頭或最結尾處時，模型的效能表現最佳；然而，當模型必須對夾在輸入上下文中間的資訊進行推理時，效能就會急遽下滑。
（source: Figure 5, Lost in the Middle: How Language Models Use Long Contexts, 2023）

而這正與人類認知心理學中序位效應（Serial-position effect）的首因效應（Primacy effect）與近因效應（Recency effect）不謀而合：

首因效應（Primacy Effect）：我們容易記住第一印象，也就是最先看到的資訊
近因效應（Recency Effect）：我們容易記住剛剛發生的事，也就是最後看到的資訊

資訊越多越好？破解 AI 閱讀長文本的理解限制

根據該報告，AI 的注意力出現近似於「序位效應」的原因可能是：

閱讀順序的物理限制：在內容拆解的過程中，AI 依然是由左至右、由上至下地單向閱讀，當它在預測或處理當下這個字時，只能把注意力放在「前面已經出現過」的字詞上。
注意力被雜訊稀釋：隨著內容量增加，雖然包含了正確解答的機率增加，但也同時大幅增加了 AI 必須處理的「雜訊」，讓注意力被稀釋，甚至成為負擔。

可以想像將模型擁有一盞大小固定的聚光燈。當模型生成每一個字時，就會回頭掃視整段使用者提供的上下文，但它只看得見被光打亮的字。

聚光燈只能單向掃描，而前面已經出現過的字，模型會認為它更重要。
當內容很短時，聚光燈可以照亮每一個字；但當內容很長時，聚光燈無法讓內容中所有的字都一樣亮。

日常可立即使用的 3 個 Prompt 心法

最後，讓我們把「壽司結構」的概念轉化為馬上就能用的 3 個心法。

心法 1：任務前置，資料後置

先明確說明任務，再貼參考資料。

下方為這一期即將發佈的 podcast 逐字稿，請以提升點擊率為目標，由「具吸引力」到「專業正式」，提供我 5 個版本的主旨與預覽文字。
```
[逐字稿內容]
```

心法 2：角色設定放最前面

若希望模型扮演特定角色，務必置於 Prompt 的最前面。

你是一位社群貼文（SNS）小編，活躍於 Facebook 與 Instagram，來源內為你過往已公開發布的社群貼文文案。

請在每次回應遵循以下規則：
⋯⋯

心法 3：縮短參考資料篇幅

如果在 100 頁的 PDF 中，只需要針對第 50 頁的註腳及圖表內容提問，建議先抽取該段文字及圖表，單獨交給 AI，避免讓模型在 100 頁 PDF 中大海撈針。

閱讀下方內容及附圖，並解釋其意義：
```
[註腳內容]

```

好的 Prompt 設計，就是你的 AI 管理能力

AI 雖然強大，但它和人類一樣，注意力是有限的。

在內容及文本劇增時，資訊排列方式往往比資料量更重要。

透過如「壽司結構」簡單的 Prompt 結構設計，便可以有效降低模型誤讀的風險，提升回答準確率。

在 AI 協作流程中，競爭力並不只是來自於使用的模型與工具，而是如何安排資料，讓 AI 更容易理解重點。

📩 想為你的組織打造 AI 協作能力？

Aiworks 提供企業內訓、客製化培訓與實作工作坊，協助各產業團隊規劃生成式 AI 的導入與應用策略。

▼ 聯絡我們｜規劃你的 AI 實戰課程，讓轉型真正落地 ▼

（若表單未正常顯示，請點擊此連結進入表單填寫頁面）