如果只是簡單問 AI：「解釋什麼是迴圈」，得到的答案通常會像教科書一樣生硬且充滿技術名詞。但如果套用 PARTS 框架，指令會變得非常精準：

• Persona (角色): 你現在是一位經驗豐富的兒童程式教育導師。

• Action (行動): 請向 7-10 歲的國小生解釋程式設計中的「迴圈 (Loop)」概念。

• Reference (參考與限制): 請以 Scratch 的重複執行積木為例子來說明，絕對不要使用複雜的數學或電腦科學專有名詞。

• Tone (語氣): 語氣要生動、親切且充滿鼓勵。

• Structure (結構): 輸出請分成三個區塊：1. 簡單的定義、2. 生活中的小故事比喻、3. 一個趣味互動問答題。

組合成的完整提示詞會長這樣：

「你現在是一位經驗豐富的兒童程式教育導師。請向 7-10 歲的國小生解釋程式設計中的『迴圈 (Loop)』概念。請以 Scratch 的重複執行積木為例，且不要使用複雜的數學術語。請用生動、親切且充滿鼓勵的語氣對話。最後，請將內容結構化分成三個區塊：簡單定義、生活故事比喻、以及一個趣味互動問答題。」

如果只是簡單問 AI：「幫我設計一堂教分數的課」，得到的答案通常會是通用的標準教案，缺乏針對性。但如果套用 CRIS(PE) 框架，指令會變得非常精準且充滿彈性：

• Capacity (角色與能力): 你是一位擁有十年經驗、擅長翻轉教育的國小數學老師。

• Request (具體要求): 請幫我設計一堂 40 分鐘的數學課，主題是「認識分數」。

• Insight (洞察與背景): 班上三年級的學生對數學感到枯燥，專注力較短，但他們非常喜歡動態活動與分組競賽。這是他們第一次接觸分數概念。

• Statement (格式聲明): 請以表格形式列出時間分配、活動步驟，並列出所需的日常環保教具清單。

• Personality (個性與語氣): 語氣要充滿創意、生動活潑，且具備教學熱忱。

• Experiment (實驗與探索): 請在教案開頭，提供三個不同主題的「5 分鐘破冰引起動機」方案讓我選擇。

組合成的完整提示詞會長這樣：

「你是一位擁有十年經驗、擅長翻轉教育的國小數學老師。請幫我設計一堂 40 分鐘的數學課，主題是『認識分數』。班上三年級的學生對數學感到枯燥，專注力較短，但他們非常喜歡動態活動與分組競賽，且這是他們第一次接觸分數概念。請以表格形式列出時間分配與活動步驟，並列出所需的日常環保教具清單。請用充滿創意且生動活潑的語氣撰寫。最後，請在教案開頭提供三個不同主題的『5 分鐘破冰引起動機』方案讓我選擇。」

PARTS 和 CRISPE 屬於「架構型」的技巧，幫你把話說清楚。除此之外，要榨出 AI 更強大的潛力，你還可以搭配以下三個非常實用的「策略型」提示詞技巧：

少樣本提示 (Few-Shot Prompting：直接給範例)，與其花一大堆文字解釋你想要的風格，不如直接「給它看幾個例子」。

怎麼用： 假設在撰寫甜點網購平台的商品文案時，你可以先貼上兩段過去寫好的生乳捲或奶酪的熱銷文案，然後對 AI 說：「請模仿上述的語氣、排版和吸引客人的切入點，幫我寫一篇新款季節塔的產品介紹。」 這樣 AI 抓取品牌風格的精準度會直線上升。

B. 思維鏈 (Chain of Thought, CoT：要求它一步步想)，當任務邏輯非常複雜時，直接要求 AI 給答案，它很容易出錯或邏輯跳躍。這時只要在指令最後加上一句神奇的咒語：「請一步一步思考 (Let's think step by step)」。

怎麼用： 當你需要 AI 幫忙規劃複雜的邏輯時，例如設計一個結合 MakeCode、座標系運算和指令方塊的 Minecraft 闖關遊戲，加上這句話，AI 就會先列出規劃步驟、拆解座標邏輯，最後才給出完整的遊戲設計腳本，邏輯會嚴密非常多。

C. 負面提示 (Negative Prompting：告訴它不要做什麼)，有時候，明確告訴 AI「絕對不要出現什麼」，比告訴它「要做什麼」更容易控制最終品質。

怎麼用： 「請解釋這個概念。絕對不要使用專有名詞，不要超過 300 字，不要用說教的語氣，不要包含任何總結性的廢話（如『總而言之』）。」

這兩個框架的主要差異在於

PARTS →「控制格式」，側重於「執行與格式控制」。它就像是給員工下達一份精確的工作清單，特別強調最後的產出結構。(適用情境：行政文書、講義結構產出、標準程式碼生成)

CRISPE→「激發創意」，「脈絡理解與探索發想」。它多出了「Insight (背景洞察)」與「Experiment (實驗)」來引導 AI 提出多種解決方案。(適用情境：創意企劃、破冰遊戲發想、解決複雜教學痛點)

PARTS 中的 Structure (結構) 和 CRISPE 中的 Statement (格式聲明)

它們的核心目的完全相同，都是為了「控制 AI 最終產出的排版與格式」。

在撰寫提示詞時，這兩個「S」負責處理的任務都包含：

• 指定視覺排版： 例如「請用表格比較」、「請列出項目符號」、「請輸出成 Markdown 格式」。

• 設定內容篇幅： 例如「字數限制在 300 字以內」、「請將教案分成三個主要段落」。

• 限制輸出條件： 例如「只給我最終的評分標準，不要有額外的問候語」。

深津式提問框架是由日本內容平台 note.com 的經驗長（CXO）深津貴之（Fukatsu Takayuki）所提出的一套指令結構，旨在讓 ChatGPT 等 AI 模型的回應更為精準、可控。此框架的核心在於透過明確的指令來限縮 AI 的答題範圍，因為 ChatGPT 本質上是一個以「文字接龍」為基礎的語言模型，前段輸入的文字會大幅影響後續的輸出。

框架的核心原則，正確的提問架構應包含以下幾個要點：

• 要明確定義角色：明確告訴 AI 它應該扮演什麼專業角色，例如「專業的編輯」或「美語老師」。

• 明確指示輸入與輸出：清楚說明你會提供什麼內容（輸入），以及你期望 AI 產出什麼結果（輸出）。

• 清楚地說明要輸出的內容：具體描述最終答案的格式或目標。

• 使用標記式語言來說明非文本的部份：利用 #、## 等標記來區分指令的不同區塊，使結構更清晰。

• 條列式給予清楚的命令：將限制條件或要求以條列式列出，便於 AI 理解與遵循。

• 盡量限縮 AI 輸出回答的範圍：透過具體的規範（如字數、難度）來限制 AI 的發揮空間，避免回答過於發散。

曼陀羅思考法，又稱九宮格思考法或曼陀羅九宮格思考術，是一種源自藏傳佛教曼陀羅圖譜的「圖像化」思考方式，後經日本學者今泉浩晃系統化，成為提升聯想力、邏輯力和創意力的工具。其名稱「曼陀羅」（Mandala）為梵文音譯，意為「獲得本質」或「具有本質之物」，象徵幫助使用者找到核心目標並規劃達成路徑。

曼陀羅思考法的基本結構是一個 3x3 的九宮格，最中央的格子填入「想達成的目標」或「想解決的問題」。圍繞中央的八個格子則用來填入相關的想法或子目標,主要包含兩種思考模式：

• 放射性思考（發散式思考）：這是一種水平思考，沒有固定的填寫順序，使用者可以自由聯想，將與核心主題相關的各種想法填入周圍格子。這種方式有助於從多個角度審視問題，拓展視野，避免陷入單一方向的直線思維。例如，日本職棒選手大谷翔平在設定「成為頂尖選手」的目標時，不僅思考技術層面，還透過放射性思考納入了「心志」、「品性」和「運氣」等面向。

• 螺旋性思考（垂直思考）：這是最初的版本，強調邏輯推導。使用者從中央目標出發，在外圈隨意選擇一個格子開始，並「順時針」依序填入答案。前後格子之間具有因果關係，能幫助深入挖掘問題的根本原因，適合用於步驟規劃或流程分析。