(01)
RTSWC 公式：提示詞的完整藍圖
RTSWC 是提示工程的最佳實踐公式，將一個好提示詞所需的所有元素結構化，讓 AI 從「你是誰」到「你要怎麼做」再到「邊界在哪」都有明確指引。
RTSWC 公式結構
Role
角色
角色
+
Task
任務
任務
+
Skills
技能
技能
+
Workflow
工作流程
工作流程
+
Constraints
限制條件
限制條件
Role
定義 AI 身份與專業背景
Task
明確描述需要完成的任務
Skills
指定 AI 需要具備的特定能力
Workflow
定義任務的執行步驟順序
Constraints
邊界條件：長度、格式、禁止事項
以下是一個完整的 RTSWC 公式範例（顏色對應各元素）：
「你是一位有十年行銷經驗的數位策略師，幫我為新款咖啡機撰寫三則 Instagram 貼文，你特別擅長用故事型文案引發情感共鳴。每則貼文請先寫標題，再寫正文（不超過 150 字），最後加上 3 個相關主題標籤。貼文語氣活潑但不要過度口語化。」
公式不必僵化使用：RTSWC 是框架，不是規定。簡單任務可以省略 Skills 和 Workflow，但 Role（角色）+ Task（任務）+ Constraints（限制）三個核心幾乎任何時候都應該包含。
(02)
角色設定（Role Prompting）：讓 AI 成為專家
給 AI 一個具體的角色身份，它的輸出會從「通用助理的建議」變成「領域專家的判斷」。這個技巧能提升輸出的專業性和個人化程度高達 30%（研究數據）。
沒有角色設定
「幫我寫一則廣告」
AI 給你一個中規中矩、像模板填空的廣告，語氣平淡，缺乏針對性。
有角色設定
「你是個超潮的行銷大師，幫我寫一則吸睛廣告」
AI 會用更具感染力的語氣、更大膽的表達方式，符合「潮」這個角色所呈現的風格。
常考情境：Q47（Brianna 的健身計畫）、Q55（向小學生解釋光合作用）都考的是「受眾設定」的重要性。要讓 AI 對「兒童受眾」說話，提示詞就要明確寫出「兒童目標受眾」，而不是模糊說「解釋得更簡單一點」。
(03)
JSON 輸出格式：結構化資料的力量
當你需要 AI 的輸出「被程式讀取」或「整合到工作流程」時，指定 JSON 格式是最佳選擇。JSON 讓每筆資料都有明確標籤，機器可以直接解析，不需要人工整理。
"貼文清單": [
{
"編號": 1,
"標題": "每個早晨都值得一杯好咖啡",
"內文": "探索新款 XX 咖啡機，讓清晨的儀式感升級...",
"標籤": ["咖啡控", "早晨儀式", "生活品質"],
"適合平台": "Instagram"
}
]
JSON 輸出的核心優勢：
結構清晰
鍵值對讓資料一目了然
每個欄位都有標籤，不需要人工從段落文字中提取特定資訊。
機器可讀
直接接入自動化工作流
JSON 可以直接被 Make.com、n8n、Python 等工具解析，無縫整合到自動化流程。
批量處理
同一格式的多筆資料
要求 AI 生成多個產品描述時，JSON 確保每筆資料的欄位結構一致，方便匯入資料庫。
減少歧義
精確控制輸出結構
若不指定格式，AI 的輸出段落結構可能每次不同，難以程式化處理。
(04)
資料視覺化選擇：圖表類型快速判斷
Q45、Q56 考的是：給定一個資料分析目標，應該用哪種圖表？這是提示詞優化的延伸——你必須能指定「正確的視覺化類型」，AI 才能生成有意義的圖表。
散點圖（Scatter Plot）
探索兩個連續變數之間的關係
範例：消費者年齡（X）vs 購買產品數量（Y）。看相關性（正相關、負相關、無相關）。
考點：Q45
考點：Q45
折線圖（Line Chart）
顯示數據隨時間的持續變化趨勢
範例：2000–2005 年西班牙與南非的人口變化。看增長/下降斜率。
考點：Q56（從橫條圖改為折線圖）
考點：Q56（從橫條圖改為折線圖）
圓形圖（Pie Chart）
顯示各部分占整體的比例
範例：各產品線占總銷售額的百分比。注意：不適合時序資料。
橫條圖 / 長條圖（Bar Chart）
比較不同類別的數值大小
範例：比較各城市的銷售額。不適合展示相關性或時間趨勢。
記憶規則：時序 → 折線；相關性 → 散點；比例 → 圓形；比較 → 長條。在提示詞中明確指定圖表類型，AI 才能生成符合分析目的的視覺化。