什麼是元提示法？
元提示法（Meta-Prompting）是指在 AI 正式回答之前，先讓模型評估並改寫你給它的提示。你不再逐字手動調整，而是讓模型先寫一份草稿，再指出草稿的不足，然後重寫指令來補上這些漏洞。它把寫提示這件事，變成一個由 AI 自己執行的回饋循環。
你一定聽過提示工程（Prompt Engineering）。元提示法是更上一層的做法。你不再是房間裡唯一的編輯，而是讓模型也成為自己的編輯。
為什麼元提示法勝過無止境的手動微調？
元提示法之所以有效，是因為模型挑出文字毛病的能力，遠勝於第一次就寫出完美文字。根據 2026 年多份提示工程技術指南整理的研究，「生成、批評、修訂」這個自我精煉循環，通常能將輸出品質提升一成至兩成半。
手動微調有天花板。你改一個字、重跑一次、用肉眼看結果，再猜下一步要改什麼。這個過程慢，而且你的猜測會被自己已經寫下的內容牽著走。
模型沒有這種包袱。當你要求它依照一個明確標準去批評提示，它會點出你幾小時前就已經視而不見的缺漏脈絡、含糊動詞與未定義的輸出格式。
三步元提示循環如何運作？
這個循環有三個動作：草稿、批評、改寫。模型先回應你的需求，再依照你定義的評分標準替自己的答案打分，最後改寫原始提示，讓下一次的答案得分更高。你保留的是改良後的提示，而不是改良後的答案。
第一步是草稿。把你粗略的任務交給模型，讓它照常回應一次。
第二步是批評。要求它列出自己回應中最弱的三點，並說明每一點為何會讓讀者失望。
第三步是改寫。要求它重寫你的原始提示，讓那三個弱點不再出現。把改寫後的提示留下來，當成你的新範本。
以下是一段你今天就能貼進 Claude、ChatGPT 或 Gemini 的完整提示：
試試這段提示：
你是我的提示工程師。這是我之前給你的任務：「[貼上你的原始提示]」。
1. 先當作初稿，正常回答這個任務一次。
2. 接著批評你自己的初稿。列出最弱的三個面向，並逐一說明它具體會如何辜負真實的讀者。
3. 最後，重寫我的「原始提示」，讓未來的模型不會再犯這三個弱點。補上缺少的脈絡、指定輸出格式，並定義一個出色的答案應該長什麼樣子。只在程式碼區塊內回傳改寫後的提示。
元提示法在真實任務上是什麼樣子？
以一個薄弱的行銷提示為例：「替我們的新會計功能寫一則 LinkedIn 貼文。」跑完這個循環，模型會把它改寫成一段指明受眾、語氣、開場鉤子、字數與行動呼籲的提示。到了第二輪，輸出就不再是千篇一律的官腔。
實際上，批評那一步可能會指出：原始提示從沒說這則貼文是寫給誰看的、沒設字數上限，也沒指定開場鉤子的風格。
改寫後的提示會變成類似這樣：「替害怕月結記帳的香港中小企老闆，寫一則 120 字的 LinkedIn 貼文。以一個具體痛點開場，點出新會計功能的一項實際好處，最後以一個輕巧的提問收尾，邀請留言。語氣：平輩對話，不用術語。」
同一個模型、同一個主題，差別完全在於模型替自己寫出來的那段提示。
哪些錯誤會讓元提示法失靈？
最大的錯誤是省略評分標準。如果你從不告訴模型「好」是什麼意思，它的批評就會滑向空泛的稱讚，改寫也幾乎不會有變化。動手前，先用一句話定義你的標準，例如「出色的答案要具體、少於 150 字，而且發布前不需要任何修改」。
第二個錯誤是留下改良後的答案，而不是改良後的提示。答案是用完即棄的，改寫後的提示才是你下週能重複使用的資產。
第三個陷阱是過度循環。把這個循環跑超過兩三次，通常只會增加篇幅，而非品質。當批評開始吹毛求疵、而不是找出真正的缺口時，就該停手。
最後，別讓模型在改寫過程中捏造事實。元提示法改善的是結構與清晰度，而非準確性。任何數字或論點，你仍要自己查證。
如何在接下來 20 分鐘內試用元提示法？
挑一個你經常重複使用的提示，例如每週報告的請求或內容簡報，把它跑一次三步循環。將改寫後的提示存成範本，你就擁有了一個會用上數十次、而且更鋭利的提示版本。
從你最重複的任務開始，因為你花在改良這個提示上的時間，會在每一次未來的使用中回本。
貼上上一段的範本，放進你真實的提示，然後仔細閱讀模型的批評。光是那段批評，往往就比任何教學更能教會你提示的訣竅。
重點整理
元提示法讓你從猜測措辭，升級到執行一個由 AI 自己驅動、可重複的改良循環。這正是「提示停在第二級」與「提示晉升第五級」之間的差別，而它只需要你多寫一段指令。
在 UD，我們相信最好的科技會在你所在之處接住你，並陪你一起成長。懂AI，更懂你 UD相伴，AI不冷。
讓元提示法真正為你工作
想知道你的 AI 功力到底有多深？先用 UD 的 AI IQ 測試量一量自己的等級，再讓我們的團隊把元提示法這類技術，化為整個團隊都能執行的工作流程。我們手把手帶你完成每一步，從提示範本到實際部署。