🎯 Prompt & 任務裝配器 v2.0 | Task Studio (Prompt Engineering Edition)

💡 零碎想法暫存箱 (Idea Scratchpad & Inbox) 隨手記

+ E-ink 黑白向量 + 手機窄螢幕相容 + EPUB 英文錨點 + 踩煞車結算 + Cloudflare 發布 + 思維鏈推論

🎯 核心任務目標與模式切換 (Task Objective & Mode)

核心目標 (Core Objective) 動詞引導，一句話直入重點

預期交付成果物 (Deliverables) 清楚定義產出檔案或驗收標準

專案環境與補充背景 (Context & Audience)

🧠 先進提示工程技術 (Google Cloud & AWS Guide) 0 已啟用

🧩 調用工具箱 (Toolbox & Pipelines) 0 已選

🛡️ 工程鐵律與規範 (Engineering Guardrails) 0 已選

🔄 生命週期約束 (Task Lifecycle Protocol) 開工/覆核/收工

Step 1 / 6 角色定位與動作 (Role & Action)

🎭 步驟 1：定義 AI 角色與核心動詞 (Role & Action)

💡 Google & Frank Chiu 建議：不要只說「幫我寫文案」或「幫我想企劃」。設定具體的專業身份與動詞（如「摘要」、「重構」、「審查」、「最佳化」），能讓 AI 建立最契合的語氣與專業深度。

指定 AI 扮演的專家角色 (System Role)

核心任務目標 (動詞引導)

👥 步驟 2：目標受眾與背景脈絡 (Audience & Context)

💡 Frank Chiu 核心觀念：同一篇教學，講給國中生聽、跟講給製造業高階主管聽，內容與術語完全不同。交代清楚對象與環境，AI 就不會漫無目的地亂猜。

目標讀者是誰？他們希望解決什麼？

專案環境、系統限制與現有脈絡

📥 步驟 3：輸入素材與待處理內容 (Input Data & Scratchpad)

💡 Google Cloud 規範：在提示中附上具體事實、程式碼片段、書籍文字或隨手記筆記，作為 AI 推理與生成的依據（避免無源幻想）。

待處理的素材內容或零散想法

📐 步驟 4：明確輸出格式與排版 (Output Format & Structure)

💡 AWS 最佳實踐：明確限制輸出結構（如 Markdown 表格、H2/H3 結構、JSON、Mermaid 流程圖），禁止讓 AI 自由發揮導致輸出難以程式化解析。

預期輸出格式與章節架構

具體交付成果物清單 (Deliverables)

🚫 步驟 5：負向限制條件 (Negative Constraints - 哪些絕不能做)

💡 Frank Chiu 實戰防呆：告訴 AI「不要做什麼」往往比「做什麼」更有效！例如「不要簡體中文」、「不要編造未經證實的主張」、「不要彩底破壞墨水屏」。

嚴格禁止的事項 (Negative Bounds)

🔍 步驟 6：思維鏈推論與檢核標準 (CoT & Verification)

💡 Google & AWS 頂尖技術：要求 AI 逐步思考 (Chain of Thought)、自我審查 (Self-Refinement) 並標註不確定性，確保答案可靠度提升 80% 以上！

檢核驗證標準與自檢清單

即時裝配

字數: 0

預估 Tokens: ~0

極速 5k Context 🟢