不再盲測：我如何透過評分機制精進提示詞設計

這位作者過去在設計提示詞時，僅憑直覺調整，並依主觀感受判斷輸出「看起來更好」即告一段落。在深入了解 AI 內部運作原理後，他轉而採用一套嚴謹的提示詞評估流程。 • 該流程包含撰寫變數化的提示詞範本，並建立 5-10 個包含輸入與理想輸出的測試案例；接著對每個輸出進行 0-10 分的評分並計算平均分，據此改進提示詞、重新運行並比較成效。 作者透露，其首個提示詞的平均分僅 2.32/10，但在兩次迭代後，分數顯著提升至 7.86/10。他表示：> 「我確切地知道哪個改變導致了哪次躍升。」 他最大的意外發現是，提示詞的失敗並非隨機，而是「每次都在相同的幾種輸入類型上出現問題」。儘管此評估方法並非適用所有情況，但當需要 AI 代理產生極高品質的輸出時，它便成為不可或缺的工具。