AI 提示詞框架與 XML 結構設計 · Prompt Master

什麼是 Prompt Master？

Prompt Master 是一套專注於 提示工程 (Prompt Engineering) 與結構化提示詞設計的方法論。

在與 AI 進行程式碼編寫、翻譯、或複雜邏輯處理的協作時，最常見的問題是：AI 輸出格式不穩定。你可能在 Prompt 裡寫了「請只回傳程式碼」，但 AI 依然在程式碼前後加上了「好的，這是您的程式碼…」等贅詞，導致自動化腳本解析失敗。

Prompt Master 通過引進 XML 結構化語意 與 提示詞框架，將模糊的自然語言提示詞，升級為具備高健壯性、可預測性的「AI 程式配置」。

在 Prompt Master 中，我們推薦使用以下幾種提示詞框架來規範 AI 的輸出：

CO-STAR 框架：
- C (Context)：背景脈絡。
- O (Objective)：任務目標。
- S (Style)：寫作或語氣風格。
- T (Tone)：語氣。
- A (Audience)：受眾對象。
- R (Response)：輸出格式限制。
Structured XML 框架 (Anthropic 官方推薦)：使用 XML 標籤（如 <instructions>、<variables>、<output_format>）將提示詞的不同區塊進行明確的物理隔離。這是目前最適合大語言模型（如 Claude）的提示工程實踐。

在 LLM 的注意力機制中，連續的自然語言段落容易造成注意力被稀釋。而 XML 標籤（例如 <context>...</context>）有三個核心優勢：

強力的邊界隔離 (Strict Boundary Isolation)：
告訴 AI：「請僅對 <source_code> 標籤內部的代碼進行重構，嚴禁修改標籤外部的內容。」AI 能在注意力上精確鎖定，減少越界修改。
變數注入的安全沙箱 (Variable Sandboxing)：
如果你的 Prompt 包含使用者動態輸入的代碼，直接拼接可能會導致「提示詞注入攻擊」（Prompt Injection）。使用 XML 標籤將使用者輸入封裝在 <user_input> 中，AI 能將其視為「資料」而非「指令」。
零贅詞輸出格式化 (Zero-prose Output Formatting)：
透過預先在 Prompt 中指定輸出格式為 XML，例如：
```
請將您的最終修改程式碼寫在 <output> 標籤內。
```
AI 在回覆時，會嚴格遵循此結構，使你能夠透過簡單的正則表達式或 XML 解析器，在背景全自動抓取程式碼，省去繁瑣的文字清洗工作。

在下一章 [利用 XML 變數設計程式碼產生器] 中，我們將展示一個具體的實戰範例，說明如何使用 XML 標籤設計一個完全零贅詞、可被程式碼腳本直接調用的高品質程式碼產生器。