100組AI提示詞完整地圖：數位時代83篇文章精華整理
台灣《數位時代》系統梳理83篇歷史文章，繪製覆蓋8大場景的「100組AI提示詞完整地圖」，核心論點是：AI時代競爭力不在死背提示詞，而在理解各家模型架構邏輯並建立可複用工作流
基本信息
- 来源类型：网页文章
- 原文位置：raw/articles/2026-06-02-174013-tg-323c06.md
- 原文 URL：https://www.bnext.com.tw/article/91010/ai-prompt-map-100-guide-productivity-tools
- 消化日期：2026-06-02
- 作者：蘇柔瑋
- 发布时间：2026-06-01
- 来源：數位時代 BusinessNext
- 覆盖范围：整理收录 100+ 组实战提示词，分为 8 大类——① 提示词写法技巧（DRAG 框架 / Meta-prompting / 降低幻觉 / 可复用工作流）② 模型官方指南（GPT-5.5 / Claude / Gemini 3 / PTCF 框架）③ 职场商业应用（营销 / 业务 / 求职 / Figma / 财报）④ AI图像生成（ChatGPT Image 2.0 / Gemini / JSON 风格复刻）⑤ 特定工具提示词（NotebookLM 简报 / Claude Skill / Perplexity）⑥ AI翻译（去AI味 / 文藻翻译系主任5大重点）⑦ 学习成长（费曼学习法 / Ikigai / 30天家教计划）⑧ AI使用观念（防过劳 / 防大脑外包 / 企业导入 / 情感风险）
核心观点
-
AI时代竞争力的核心不是死背特定提示词：文章明确指出”AI時代的競爭力不再是死背特定提示詞，而是在於理解各家模型的架構邏輯，並建立可複用的工作流”——提示词只是工具，理解模型逻辑才能跨模型迁移，建立工作流才能避免每次都从零开始
-
8大场景覆盖从基础到进阶的完整提示词版图：100+组提示词不是随机堆砌，而是按「基础写法→官方指南→职场实战→视觉生成→工具专项→翻译优化→学习成长→观念心智」8层递进，形成从”怎么写”到”什么时候该用AI”的完整认知地图
-
模型官方指南呈现”少即是多”趋同趋势：GPT-5.5 官方”Prompt越短越聰明、結果先行”、Claude 官方”少即是多”、Google PTCF 框架（角色·任务·情境·格式）——三大厂商同时强调简洁直接优于长文描述，传统”越详细越好”的写法正在被淘汰
-
DRAG框架提供”哪些工作外包AI，哪些必须自己做”的决策模型：YouTube 频道 theMITmonk 提出四步骤框架，核心价值不是给出提示词模板，而是帮用户区分哪些任务适合外包给AI、哪些必须自己完成——这是提示词工程的元认知层
-
Meta-prompting让AI帮你优化提示词本身：当指令太简略导致AI产出很普时，不要自己绞尽脑汁改提示词，而是让AI协助改善指令本身——从模糊输入到精准提示词的自动优化，三招实现提示词的自我进化
-
特定工具提示词代表”深度用法”的天花板：NotebookLM 研究助理+简报生成+会议记录、Claude Skill 记住工作习惯、Perplexity 串接 Google 日历——工具专用提示词的价值在于释放产品被隐藏的潜力，而非通用对话能替代的场景
-
费曼学习法+AI家教构成”自适应学习系统”的实战范式：30天自学习计划让ChatGPT当专属家教，核心逻辑是费曼”用你听得懂的方式解释”+反问验证——AI从问答工具升级为24小时学习伙伴
-
AI使用观念层比提示词技巧层更重要：防过劳（设定边界/不追求完美/重设人机分工）、防大脑外包（先写丑陋初稿/用AI验证而非生成）、企业导入（MIT框架评估最佳切入点）——提示词技巧解决”怎么用”，观念层决定”该不该用”和”用到什么程度”
实操内容保留
DRAG 框架四步骤
DRAG 框架（来源：YouTube 频道 theMITmonk）用于区分哪些工作适合外包给 AI、哪些必须自己完成：
- 列出你所有的工作任务
- 按”重复性”和”判断力需求”两个维度分类
- 高重复+低判断力的任务外包给 AI
- 高判断力的任务自己完成，但可以用 AI 辅助准备
Meta-prompting 三招
让 AI 帮你改善提示词本身：
- 把模糊的原始需求给 AI，请它改写为结构化提示词
- 让 AI 分析你的提示词哪里不够精准
- 让 AI 针对目标工具（ChatGPT / Gemini / Claude）调整格式和逻辑
降低 AI 幻觉三招
- 要求 AI 标注资料来源
- 分段确认步骤，不让 AI 一次跑完全程
- 使用否定句限制范围（“不要XX”、“排除XX”）
万用提示词公式
让 AI 先规划再执行、先自查再输出：
[任务描述]
在执行前，先列出你的执行计划供我审核
执行后，自查输出质量，列出3个可能的改进点
Google PTCF 框架
Google 官方发布的结构化提示词框架：
- P（Persona/角色）：设定 AI 的角色身份
- T（Task/任务）：明确要完成的任务
- C（Context/情境）：提供背景上下文
- F（Format/格式）：指定输出格式要求
NotebookLM 简报提示词原则
避免 3 个 NG 指令 + 学会分工逻辑，2 大原则让 NotebookLM 生出完整可用的简报定稿。
AI 翻译去 AI 味 5 个改善重点
文藻翻译系主任提出：
- 修正句型长度（避免长句堆叠）
- 调整语气（符合目标语言口语习惯）
- 设定专有名词一致性
- 避免英式中文语感
- 使用在地用语替换机器直译
费曼学习法 AI 版 4 步骤
- 请 AI 用简单语言解释复杂概念
- 请 AI 反问你来验证理解
- 让 AI 找出你理解中的漏洞
- 用 AI 生成 30 天学习计划并逐日推进
关键概念
- 提示词工程 — 本文是提示词工程领域最全面的实践索引，覆盖从基础框架到进阶策略的完整版图
- DRAG 框架 — YouTube 频道 theMITmonk 提出的任务分类四步框架，用于区分哪些工作外包 AI
- Meta-prompting — 让 AI 帮你优化提示词本身的自动化提示词改进方法
- PTCF 框架 — Google 官方发布的结构化提示词框架（角色·任务·情境·格式）
- 费曼学习法 — 将 ChatGPT 变成 24 小时专属家教的学习方法论
- NotebookLM — Google 个人 RAG 知识库工具，用于研究分析、简报生成、会议记录
- Claude Cowork — Claude 桌面应用协作模式，用自然语言完成复杂任务
- Claude Code — 文中提到 Claude Skill/Cowork 工作流的进阶用法
- GPT Image 2 — ChatGPT Image 2.0 图像生成，支持繁体中文排版和 3D 效果
- Gemini — Google AI 模型，PTCF 框架和图像生成的主要载体
与其他素材的关联
- 与 2026-05-31-bnext-17-office-prompts 的关系：本文是那篇 17 组提示词的”超级扩展版”，同一来源（數位時代）的系统升级，从 17 组扩展到 100+ 组并新增 6 个场景分类
- 与 2026-05-27-bnext-chatgpt-image-2-60-prompts 的关系：本文第 4 类”AI图像生成提示词”直接整合了那篇 60 组 ChatGPT Image 2.0 的核心内容
- 与 2026-05-27-woshipm-yunshu-skill-practical-guide 的关系：本文第 5 类”Claude Skill”提示词与云舒 Skill 实操教程形成互补——本文侧重”Skill 让 AI 记住工作习惯”的用户视角，云舒侧重”跑通→复盘→封装→回溯”的工程视角
- 与 2026-05-31-notebooklm-x-gemini 的关系：本文第 5 类 NotebookLM 提示词覆盖简报生成和会议记录，与江昱德的”记忆+思考双层架构”形成工具用法↔架构设计的互补
原文精彩摘录
在使用生成式AI時，許多工作者常面臨「為什麼AI給我的答案都很普？」或「換了新模型指令就要重寫？」的困境。事實上，AI時代的競爭力不再是死背特定提示詞，而是在於理解各家模型的架構邏輯，並建立可複用的工作流。
隨著OpenAI、Anthropic、Google等巨頭相繼更新模型架構，傳統的長文描述正逐漸被淘汰。各家模型近期強調「少即是多」與「結果先行」，Google也推出如「PTCF框架」（角色、任務、情境、格式）的結構化思維，幫助你用最短的指令切中核心。
以上 100 組提示詞看似龐大，但你不需要全部記住。建議從與你工作最相關的類別下手——做企劃的先看職場應用、常處理資料的從 NotebookLM 切入、要對外溝通的補強翻譯與生圖。先複製、再修改、最後內化成自己的版本。