5.3 提供參考樣本與設定專家身份

前面兩節講的是"把話說清楚"的基本功。這一節上兩個進階技巧，能讓你的指令從"能用"升級到"好用"——而且立竿見影。

這兩個技巧是：提供參考樣本和設定專家身份。它們的共同點是：與其用一堆抽象要求去描述，不如直接給 AI 一個"對標物件"或一個"角色框架"。

一、參考樣本勝過抽象描述#

官方有一句話特別到位："給一個滿意樣本讓 AI 模仿，比十行抽象要求更有效。"

為什麼？因為抽象描述容易有歧義，而樣本是具體的、可參照的——語氣、格式、結構、風格，全都"寫"在樣本里，AI 照著做就行。

抽象要求 vs 參考樣本#

假設你要讓 AI 寫一份週報，對比兩種寫法：

bash
复制
❌ 抽象要求版：
   "寫一份週報，語氣專業但不生硬，結構清晰，
    重點突出，排版美觀，讓領導一眼看懂。"
   （"專業""美觀""一眼看懂"全憑 AI 自己理解）

✅ 參考樣本版：
   "參照下面這份上週的週報，寫本週的週報，
    保持同樣的結構、語氣和排版風格：
    ---以下為樣本---
    【本週完成】
    1. 完成 XX 專案需求評審……
    2. ……
    【下週計劃】……
    【問題與風險】……
    ---樣本結束---"

樣本版直接把"專業、美觀、清晰"這些抽象詞，變成了看得見摸得著的模板，AI 幾乎不會跑偏。

樣本能傳遞什麼#

一個好樣本，可以同時傳遞多個維度的資訊：

換句話說，一個樣本頂得上你羅列十條要求。

用樣本的小竅門#

1. 給"你最滿意的那一版"：樣本質量決定了輸出質量的天花板
2. 標註清楚"這是樣本"：用分隔符（如 ---樣本---）明確區分樣本和指令，避免 AI 混淆
3. 指明模仿重點："主要參考它的結構和語氣"，比"照著寫"更精準

二、設定專家身份：給 AI 一個角色框架#

第二個技巧是預設角色。在指令開頭給 AI 設定一個資深背景，相當於給它套上一層"專業濾鏡"——讓它更快進入該領域的表達框架和術語體系。

為什麼要設定身份#

沒有身份時，AI 用的是"通用回答"——四平八穩、不出錯但也不出彩。設定身份後，AI 會主動呼叫該領域的專業視角、術語和表達習慣，回答的專業度立刻提升。

常見角色設定#

設定身份的寫法#

把身份放在指令開頭，一句話點明即可：

bash
复制
"你是一位有 10 年經驗的投行財務分析師。
請分析這份財報，重點指出 3 個財務風險訊號，
並用通俗語言解釋每個訊號的含義。"

注意：身份要和任務匹配。讓"法律顧問"去寫廣告文案，反而會帶偏風格。

三、激勵機制：促深度輸出#

設定身份後，再加一句激勵機制，能進一步激發 AI 的深度思考——這是官方提到的"激發深度"技巧。

什麼是激勵機制#

就是明確告訴 AI 你對輸出的期望深度，促使它不只是完成任務，而是給出有洞察的內容：

bash
复制
✅ "你是一位資深資料分析師。請深入分析這份資料，
    不要只描述表面現象，要挖掘出 3 條非顯而易見的
    業務洞察，每條洞察配資料支撐。"

"不要只描述表面現象""挖掘非顯而易見的洞察"——這類表述就是在抬高 AI 的輸出標準，讓它從"交差"變成"出彩"。

激勵話術參考#

四、樣本 + 身份：組合使用效果最佳#

這兩個技巧並不衝突，組合使用效果最好。一個典型的進階指令長這樣：

bash
复制
【身份】你是一位有 10 年經驗的投行財務分析師，
        擅長從財報中識別風險訊號。
【任務】分析工作區裡的 2026年中報.pdf。
【樣本】參考下面這份我滿意的分析報告風格：
        ---樣本---
        [貼上一份過往的優質分析]
        ---樣本結束---
【要求】不要只羅列資料，要挖掘 3 條非顯而易見
        的風險訊號，每條配資料支撐和通俗解釋。
【格式】輸出 docx，開頭 150 字結論先行。

身份 + 樣本 + 激勵 + 清晰要求，四管齊下——這已經是一條相當高質量的指令了。

五、兩個技巧的適用邊界#

雖然這兩個技巧很強大，但也不是每次都必須用：

別為了用而用——簡單任務套一堆身份和樣本，反而顯得囉嗦。

小結#

這兩個進階技巧，核心記住四點：

1. 參考樣本勝過抽象描述——給一份你滿意的樣本，AI 照著模仿最準
2. 樣本能同時傳遞結構、語氣、格式、風格、篇幅，一個頂十條要求
3. 設定專家身份，讓 AI 進入專業視角，更快對齊術語和表達框架
4. 加一句激勵機制，促使 AI 從"交差"升級到"出彩"

下一節，也是本章最後一節，我們講一個貫穿所有任務的方法論：任務拆解與小步快跑——面對複雜任務時，怎樣一步步穩紮穩打地推進。