讓 AI 在給出最終答案之前，先把推理過程一步步寫出來的提示技術。核心做法是在提示詞裡加上「請一步一步思考」或直接提供推理步驟的範例。研究顯示，這個看似簡單的技術能讓<a href="/zh/glossary/core-concepts/llm/">大型語言模型</a>在數學、邏輯推理、多步驟問題上的準確率大幅提升——有時候從 20% 提升到 80% 以上。

在提示詞裡提供幾個「輸入→輸出」的示範例子，讓 AI 從中學習你期望的格式、風格或任務模式，然後對新輸入做出符合示範的回答。比 Zero-Shot（直接說需求）多了示範例子，比 Fine-tuning（重新訓練模型）輕量很多。當你的任務有特定的非標準格式要求，或需要高度一致的輸出風格時，Few-Shot 效果遠超只靠文字描述。

提示詞壓縮是在不失去關鍵資訊的前提下，縮減送入 AI 模型的提示詞長度的技術。目的是讓對話在長時間或多輪次之後，不因為把所有歷史訊息都塞進上下文而超出模型的 context window，或造成不必要的費用和延遲。常用方法包括：把早期對話摘要成幾行重點、只保留最近幾輪完整記錄、刪去已經解決的分支、以及把長文件替換成精煉摘要。

系統化地設計和優化給 AI 的指令，以獲得更準確、更符合需求的輸出。讓同樣的 Claude 模型在不同的指令設計下，產出完全不同品質結果的核心技能。

攻擊者透過在外部內容（網頁、文件、使用者輸入）裡嵌入惡意指令，試圖覆蓋或繞過 AI 系統原本的 System Prompt 設定，使 AI 執行未授權行為的攻擊手法。

「提示詞」是你在對話裡輸入的問題或指令；「<a href="/zh/glossary/prompt-techniques/system-prompt/">系統提示詞</a>（System Prompt）」是在對話開始前設定的「背景規則」，決定 Claude 在這個對話裡的角色、行為準則和限制。類比：提示詞是你對 Claude 說的「做這件事」；<a href="/zh/glossary/prompt-techniques/system-prompt/">系統提示詞</a>是你在對話開始前告訴它「你是誰、你要怎麼表現」。對一般 claude.ai 用戶，這個差別在 Claude Projects 的 Instructions 設定裡最明顯。

在提示詞開頭指定 Claude 扮演特定角色或專家身份，使其以該角色的知識框架、語氣和思維方式回答，是最基礎也最有效的 Prompt 技巧之一。

在對話開始前送給 Claude 的隱藏指令層，用來定義角色、設定規則、限制行為範圍。對話中所有訊息都在 System Prompt 的框架下運作，且對一般使用者不可見。

直接給 AI 一個任務指令，不提供任何範例就期待它完成——「零個示範，直接射出」。和 Few-Shot Prompting（提供幾個例子讓 AI 學習格式）相對。大多數人平常用 Claude 的方式其實就是 Zero-Shot：直接說「幫我寫一封郵件」，沒有先給範例。