什麼是「人設、目標、反目標」提示法？
「人設、目標、反目標」是一種三段式提示結構：你告訴AI要扮演什麼角色、要達成什麼目標，以及要避免哪一種具體的失誤模式。反目標這一段幾乎人人都會漏掉，但正正是它決定輸出結果會不會失控。
大多數人只寫「人設加目標」兩段式提示，例如「你是專業編輯，請改善這段文字」。這種寫法是大部分AI使用者的習慣做法，但也正是輸出品質忽好忽壞的根本原因。
為什麼這個方法能解決AI最麻煩的習慣
大型語言模型有一個預設習慣，無論你是否要求，它都傾向直接「幫你改好」。TechRepublic與eWeek在2026年一份提示工程報道中，明確點出了這個現象，並指出反目標正是解決方法，因為它能在AI的預設行為出現之前先行攔截。
如果沒有反目標，你請Claude或ChatGPT評論你文章的結構，它往往會悄悄把句子改寫一遍，而不是給你評論。你之後還要逐句對比新舊版本才能找出真正的意見，這樣做完全違背了你當初提問的目的。
三步驟寫出「人設、目標、反目標」提示
寫這種提示只需要三句精準的句子，不需要三段長篇解釋。每一句各司其職，漏掉任何一句，輸出品質都會打回原形。
--- 人設：給AI一個具體的專業身分，而非籠統角色。「一位在頂尖內容公司工作、擅長找出結構弱點的資深編輯」比「一個樂於助人的寫作助手」更有效，因為前者能觸發更精準、更穩定的行為模式。
--- 目標：用一句話講清楚你想要的單一結果。「找出這篇論述在結構上的弱點」是目標，「幫我看看這個」不是。
--- 反目標：直接點名AI的預設失誤模式並明確禁止它。「不要改寫我的句子，只需指出問題，不用幫我修正」就是清楚告訴AI要壓抑哪一種習慣。
2026年一位AI工作流程顧問在Medium發表的六個月測試報告發現，加入結構化的反目標設計後，在ChatGPT、Claude與Gemini三個模型上測試複雜推理任務，「自信但錯誤」的答案大約減少了28%至30%。
立即試用：客戶稿件編輯提示範本
以下是一個完整、可直接複製使用的版本，專為練習者最常遇到的任務而設：想得到客戶稿件的結構意見，而不是被AI悄悄改寫一遍。
試試這個提示：
「你是一位在頂尖內容公司工作的資深編輯，擅長找出其他編輯容易忽略的結構弱點。
你的目標：指出這篇稿件的論述在哪裏失去讀者注意力、失焦或重複，並解釋每個問題點的原因。
反目標：不要改寫任何句子，不要提供替代文案，也不要用泛泛的讚美沖淡意見。只需指出問題，用編號列點方式呈現，最嚴重的問題排在最前。
以下是稿件內容：[貼上你的文字]」
直接貼上使用，AI就會給你一份編號問題清單，而不是一段你要自己逐句對比才能看懂的改寫文字。
這個技巧最適合用在什麼情況
當AI的預設習慣正正與你想做的事相反時，反目標就最能發揮作用。以下三個練習者常見情境最能說明這一點。
--- 編輯意見：反目標「不要改寫」能阻止AI用自己的語氣取代你原本的風格。
--- 數據提取：反目標「不要概括，只提取準確數字」能阻止AI把你需要逐字引用的數字改用自己的說法表達。
--- 集思廣益：反目標「暫時不要收窄成單一想法」能阻止AI太早選定一個方案而放棄其他選項。
但當你其實想要AI的預設行為時，這個技巧反而幫不上忙，例如要求它從零開始寫一篇文章。在這類任務上加入反目標，只會增加摩擦而沒有實際好處。
令反目標失效的常見錯誤
反目標要夠具體才能真正壓過AI的預設行為，含糊的寫法往往會被AI直接忽略。
--- 太婉轉：「盡量不要改太多」聽起來像建議而非規則，AI會把它當成可選項。
--- 放得太後：如果把反目標放在一大段背景說明之後，很容易被淹沒。應該放在提示最前面三句之內。
--- 與目標互相矛盾：反目標若與目標本身衝突（例如要求「詳細意見」同時又要求「回覆不超過20字」），AI只能自行決定如何取捨，結果難以預測。
如果提示已經寫對，結果卻仍然飄忽不定，通常是反目標正與提示中其他隱藏的預設指示互相拉扯，值得回頭檢查一下。
五分鐘實測練習
選一個你每週至少會用AI處理一次的任務，並且你留意到AI每次都以同一種方式出錯。把這個失誤模式用一句話寫下來，再按上面的格式改寫成反目標。
用同一個任務分別跑一次有反目標和沒有反目標的版本，並排比較兩者的輸出。兩者之間的差距，就是你現在的AI輸出有多少被悄悄「修正」過，而你其實從未同意。
總結
大部分AI輸出不穩定，問題不在模型本身，而在提示從來沒有告訴AI「不要做什麼」，於是AI只能靠自己的預設行為填補這個空白。「人設、目標、反目標」格式只需多寫一句話，就能省去大部分猜測。
如果你想建立一套更完整的系統，確保整個工作流程都能穩定輸出，可以參考我們的相關文章，了解如何建立輸出合約以獲得穩定AI結果，這個方法與反目標技巧配合使用效果特別好。
懂AI，更懂你 UD相伴，AI不冷。
本文由UD AI團隊審閱。
想要一套系統，而不只是一個提示？
一個好提示只能解決一個任務，一套真正的AI工作流程才能解決所有任務。UD 團隊手把手帶你完成每一步，由挑選合適模型到建立團隊都能重複使用的提示範本。
