每次打開 ChatGPT、Claude 或者 Gemini，對住個空白輸入框，最浪費時間嗰一刻，唔係 AI 答得慢，而係你自己都未諗清楚要點問。同一個任務，你求其打兩句，同你用一個 framework 框住個結構，出嚟嘅嘢可以差成條街。

Framework 嘅作用，唔係要你死記硬背一堆英文縮寫，而係幫你將腦入面一團模糊嘅需求，拆成 AI 真係讀得明嘅幾個部分：你想佢

工具會變，model 會升級，但呢套拆解嘅思路會留低，成為你日常 marketing workflow 嘅底層能力。

呢篇整理咗 16 個最常用、最實用嘅 prompting framework，分成兩大類。前面九個係結構型 framework，即係用英文縮寫幫你砌好個 prompt 嘅骨架，最快上手，日常用得最多。

後面七個係技巧型 framework，係控制 AI 點樣思考同點樣做嘢嘅方法，處理複雜啲、推理重啲嘅任務時先顯到威力。

每一個都會講埋一個 marketing 落地場景同一個可以直接拎去改嘅 prompt 例子。

呢一類嘅共通點，係用幾個英文字母提你 prompt 應該包含咩元素。由最簡單三個元素，去到五個元素嘅複雜版，按你件事嘅複雜程度揀就得。

RTF 係最入門、最萬用嘅結構，三個字母分別係角色、任務、格式。你先話俾 AI 知扮邊個專家，再講要做咩，最後指定出嚟係咩形式，例如清單、表格定段落。簡單到一句講完，但已經足夠應付大部分日常任務。

幾時用：日常雜務，寫 email、整 summary、改 copy、列 idea，唔需要好多背景嗰種。

Marketing 場景：你想快手整一份社交媒體貼文嘅內容方向清單，唔想佢長篇大論。

Prompt 例子：
扮一位香港社交媒體內容策劃。幫我列出一個本地餐飲品牌喺 Instagram 嘅五個內容主題方向。用清單形式，每個主題一句解釋點解啱香港受眾。

TAG 係最精簡嘅結構，三個字母係任務、做法、目標，即係「做咩、點做、做嚟為咩」。佢比 RTF 更着重結果，因為加咗一個明確嘅 Goal，等 AI 知道你最終想達到啲咩，唔會交差咗事。

幾時用：你心入面已經有清晰目標,想要一個直接、可衡量嘅輸出。

Marketing 場景：你想改善 email campaign 嘅開信率，想 AI 俾返一啲有方向、有指標嘅建議。

Prompt 例子：
任務：改善我哋電郵推廣嘅開信率。做法：分析 subject line 寫法、發送時間測試同受眾分層三方面。目標：俾返三個未來三個月可以實際執行、有機會提升開信率嘅具體改動。

RACE 係四個元素，角色、行動、背景、預期成果。佢比 RTF 多咗一個 Context 同一個 Expectation，等你可以塞返件事嘅背景落去，再明確講清楚你心目中嘅成功係咩樣。寫得快，又夠具體，係 marketing 任務嘅常用結構。

幾時用：你要快手砌一個結構完整嘅 prompt，但又唔想用太複雜嘅 framework。

Marketing 場景：你想為一個電商品牌做客戶分層策略，再用嚟做個人化電郵推廣。

Prompt 例子：
角色：你係一位專做電商品牌客戶分層嘅市場策略師。行動：制定一套客戶分層策略。背景：呢個品牌喺網上賣中高價家居用品，目標係提升客戶忠誠度同做到個人化電郵推廣。預期成果：根據人口特徵、購買行為同互動程度，分出三至四個客戶群,每個群俾返核心特徵、購買動機、訊息角度同偏好渠道。

CRAFT 係五個元素，背景、角色、行動、格式、目標受眾。佢喺 marketing 圈特別受歡迎，因為最後個 Target 逼你諗清楚件嘢係寫俾邊個睇。同樣一篇文，寫俾老闆同寫俾新手客戶，語氣同深度完全唔同，CRAFT 就係幫你框住呢一點。

幾時用：做內容行銷、文案，尤其係要為特定受眾度身訂造嗰種。

Marketing 場景：你要寫一篇 LinkedIn 文章，對象係一班中型企業嘅財務主管。

Prompt 例子：
背景：我哋係一間 B2B SaaS 公司，做財務自動化軟件。角色：扮一位有經驗嘅 B2B 內容策略師。行動：寫一篇五百字嘅 LinkedIn 文章，講財務團隊點樣用自動化慳返每月對帳時間。格式：先兩段引子，再三個重點 bullet，最後一段收結。目標受眾：中型企業嘅財務主管，佢哋忙、重實際、唔鍾意空泛理論。

APE 係三個元素，行動、目的、預期。佢嘅特別之處係個 Purpose，逼你講清楚件事背後嘅原因。當你話俾 AI 知你做呢件事係為咗咩，佢就可以調整答案嘅角度同深度，因為知道「點解」往往會改變一個好答案應該點樣寫。要留意，呢個係實戰版 APE，同學術界講嘅 Automatic Prompt Engineer 係兩回事，只係啱啱撞名。

幾時用：目標導向嘅策略任務，例如做 campaign brief、市場分析。

Marketing 場景：你要為一個新產品上市制定一套整體推廣策略。

Prompt 例子：
行動：為我哋即將上市嘅新產品制定一套整體推廣策略。目的：喺上市初期盡快擴大市場滲透同品牌知名度。預期：俾返一份詳細計劃，包括目標客群、線上線下推廣渠道，以及核心訊息策略。

RISEN 係五個元素，角色、指示、步驟、最終目標、收窄限制。佢最大特色係個 Steps，你可以親自指定 AI 跟邊個流程做，唔俾佢自己亂發揮。最後個 Narrowing 就係加返字數、語氣、用詞等限制，等出嚟嘅嘢一次到位，少啲返工。

幾時用：要寫長文、研究文件、內容 brief 等需要按特定結構展開嘅輸出。

Marketing 場景：你要寫一篇關於 AI 喺行銷應用嘅長篇 pillar 文章，想佢跟足你心目中嘅結構。

Prompt 例子：
角色：扮一位資深內容策略師。指示：寫一篇一千五百字嘅 pillar 文章，講 AI 喺行銷嘅實際應用。步驟：一、用一個數據 hook 開場；二、定義 marketer 面對嘅問題；三、列出五個解決方案，每個配一個真實例子；四、加一個總結表格；五、用下一步行動收結。最終目標：幫 marketer 理解三個今個星期就用得到嘅 AI 應用。收窄限制：用香港繁體中文，短段落，少術語，全文唔超過一千六百字。

CRISPE 係五個元素，能力與角色、背景洞察、明確任務、語氣個性、變化實驗。要留意，第一個 C 係「能力與角色」一個合併嘅元素，唔係兩個分開嘅字母，所以五個字母對應五個部分。佢嘅強項喺個性同實驗呢兩部分，前者控制語氣風格，後者叫 AI 一次過俾幾個版本俾你揀，特別啱要反覆打磨嘅創作。

幾時用：複雜、需要多次來回打磨嘅創作同策略工作，語氣同風格同樣重要嗰種。

Marketing 場景：你要為一個本地烘焙品牌寫一條三十秒短片嘅腳本，想要幾個版本揀。

Prompt 例子：
能力與角色：你係一位專做餐飲品牌嘅內容創作專家。背景洞察：客戶係一間主打無麩質蛋糕嘅本地小店，受眾係注重健康嘅年輕家庭。明確任務：寫一條三十秒短片嘅腳本，吸引第一次幫襯嘅客人。語氣個性：輕鬆、有少少幽默，貼地。變化實驗：俾返五個唔同方向嘅腳本版本。

TRACE 係五個元素，總目標、具體請求、做法、背景、範例。佢最分層，將「整體想做嘅事」同「實際要交嘅嘢」分開，再加一個 Example 俾 AI 對齊你想要嘅質素同風格。當你手上已經有一個好嘅範例，TRACE 就最幫到手。

幾時用：複雜、多步驟嘅 marketing 任務，例如制定內容框架、流程設計。

Marketing 場景：你要為一間 B2B SaaS 公司嘅 LinkedIn 頻道制定內容策略。

Prompt 例子：
總目標：為一間 B2B SaaS 公司嘅 LinkedIn 頻道制定內容策略。具體請求：整一份每月內容月曆，包含貼文類型、主題同發文頻率。做法：包括思想領導型貼文、產品亮點同客戶成功案例三類。背景：公司面向中型企業財務團隊，品牌語氣專業但易入口。範例：以下係我哋之前成功用過嘅貼文格式，請參考佢嘅結構同語氣（貼上範例）。

COAST 係五個元素，背景、目標、行動、場景、任務。佢特別之處係將高層次嘅 Objective 同具體嘅 Task 分開，再加一個 Scenario 描述真實情境，所以特別啱要 AI 一步步諗通一個策略問題先俾建議嘅情況。

幾時用：詳細嘅項目規劃、策略工作、情境分析，例如 campaign 策劃、go-to-market 計劃。

Marketing 場景：一間初創要喺競爭激烈嘅市場推出新嘅環保產品，你要為佢做數碼推廣策略。

Prompt 例子：
背景：一間初創準備喺競爭激烈嘅市場推出新嘅環保產品。目標：制定一套數碼推廣策略，盡量提升網上能見度同互動。行動：分析市場趨勢、識別目標客群、揀出最佳數碼渠道。場景：產品定於今年第一季上市，主攻注重可持續發展嘅消費者。任務：俾返一份詳細計劃，涵蓋 SEO、內容行銷同社交媒體策略。

呢一類唔係教你砌 prompt 骨架，而係控制 AI 嘅思考方式同做嘢方式。處理複雜推理、需要準確度、或者要 AI 用工具搵資料嘅任務時，呢啲技巧先係真正分高下嘅地方。

呢組技巧講嘅係你喺 prompt 入面俾幾多個例子。Zero-shot 即係唔俾例子，淨係靠指示。One-shot 俾一個例子。Few-shot 俾兩個或以上例子。俾例子嘅作用，係教 AI 你想要嘅格式、風格同思路，唔使 fine-tune 都做到貼近你心目中嘅輸出。如果你發現 zero-shot 出嚟唔穩定、時好時壞，加兩三個好例子往往係最高槓桿嘅一招。

幾時用：要特定格式、特定風格、要貼品牌語氣，或者 zero-shot 出嚟唔穩定嗰陣，就用 few-shot。

Marketing 場景：你要 AI 幫你大量生成貼文標題，想佢跟足你之前 high-performing 嘅標題風格。

Prompt 例子：
以下係三個我哋過往表現好嘅貼文標題：一、「唔使請設計師,一個 prompt 整好成個 banner」；二、「我哋試咗五個 AI 工具,淨係呢個留低咗」；三、「以前要三日,而家二十分鐘搞掂」。請跟返呢個風格、語氣同句式,再幫我寫十個關於 AI 內容工具嘅貼文標題。

Persona prompting 即係喺俾任務之前，先指定 AI 扮一個明確嘅角色、職業或者人物。當你框住佢嘅身份，例如「你係一位有十五年經驗、專做高端零售嘅品牌策略師」，佢嘅語氣、用詞、分析深度同專業焦點都會跟住變。要記住，persona 主要控制風格同語氣，對純邏輯推理嘅幫助冇咁直接，所以遇到要準確計數嗰類任務，就要再配多啲限制。

幾時用：需要特定專業聲音、特定溝通風格嘅輸出，例如要寫出某類專家嘅口吻。

Marketing 場景：你想要一份用資深品牌策略師口吻寫嘅品牌定位分析，唔要 generic 嗰種。

Prompt 例子：
你係一位有十五年經驗、專做高端零售品牌定位嘅策略師。我哋係一個新嘅本地手工香水品牌，主攻二十五至三十五歲、注重質感同故事嘅都市女性。請以你嘅專業角度，分析我哋應該點樣喺擠迫嘅市場入面建立差異化定位，並指出三個最值得優先講嘅品牌訊息。

Chain-of-Thought，簡稱 CoT，即係叫 AI 喺俾答案之前，先寫出中間嘅推理步驟，將一個複雜問題拆成一條清晰嘅邏輯鏈。呢個技巧喺多步驟推理、計數、邏輯分析嘅任務上，準確度提升好明顯。最簡單嘅版本，就係喺 prompt 後面加一句「請一步步諗」。

幾時用：任何需要多步推理、邏輯演繹、計算嘅任務，例如數據分析、歸因分析、策略拆解。

Marketing 場景：你要分析一個 campaign 嘅成效，搞清楚邊個渠道真正帶嚟轉化。

Prompt 例子：
我哋上個月做咗一個推廣,總共花咗五萬,分別投咗 Facebook、Google 同 EDM 三個渠道。我會俾返每個渠道嘅花費、點擊同轉化數據。請一步步分析：先計每個渠道嘅單次轉化成本，再比較成效,然後指出邊個渠道應該加碼、邊個應該削減,最後先俾結論。

Self-Consistency 係 Chain-of-Thought 嘅加強版。佢唔係淨係跑一次推理就收貨，而係叫 AI 用唔同嘅推理路徑跑多次同一條問題，再揀出現得最多嗰個答案，即係用「投票」嘅方式提升準確度。佢計算成本高啲，因為要跑多次，但喺準確度好緊要嗰啲任務上,可靠好多。

幾時用：用緊 CoT 而且準確度好重要嘅高風險任務，例如財務推算、邏輯分析、有唯一正確答案嗰種。

Marketing 場景：你要 AI 幫你推算一個訂閱制產品嘅客戶終身價值，呢條數唔可以計錯。

Prompt 例子：
我會俾你訂閱費、平均續訂月數同獲客成本三個數字。請你用三種唔同嘅計算思路,分別獨立推算客戶終身價值同回本期。三次計完之後,比較三個結果,揀出最一致嗰個答案,並解釋點解。

ReAct 係 Reason 加 Act 嘅組合，講嘅係 AI 喺「思考、行動、觀察」之間不斷循環：先諗下一步做咩，再用工具去做，例如搜尋、查 API、查數據庫,睇返結果之後再修正思路,如此重複。呢個就係今日大部分 AI agent 嘅運作核心,因為佢可以根據真實搵返嚟嘅資料更新自己嘅判斷，大幅減少亂噏。

幾時用：需要 AI 用工具搵資料先做得到嘅 agentic 任務，例如競品研究、SEO 審計、數據補全。

Marketing 場景：你要 AI agent 幫你做競品研究，搵返三個對手最近嘅推廣動向再做總結。

Prompt 例子：
你係一個可以使用網絡搜尋工具嘅研究 agent。任務：研究以下三個競爭對手最近三個月嘅推廣動向。請按以下方式運作：每一步先講你打算搜尋咩同點解,再執行搜尋,然後讀返結果並更新你嘅理解,如此重複,直至資料足夠先做總結。最後俾返一個比較表,列出三個對手嘅主打訊息、推廣渠道同明顯差異。

Prompt Chaining 即係將一個複雜任務拆成一連串細嘅、互相連住嘅 prompt，前一步嘅輸出，變成下一步嘅輸入。唔係要 AI 一口氣做晒所有嘢,而係砌一條流水線,每一步淨係專心做好一件事。咁樣可靠好多,因為拆細咗,出錯、亂噏、跑題嘅機會都低咗。

幾時用：超出單一 prompt 可靠處理範圍嘅多步驟 workflow,例如研究、出大綱、寫初稿、編輯一條龍,或者關鍵字研究到內容生成嘅 pipeline。

Marketing 場景：你要由一份客戶訪談紀錄,一路做到一封打動人心嘅推廣電郵。

Prompt 例子（一條三步嘅鏈）：
第一步：由以下客戶訪談紀錄中,抽出五個最核心嘅客戶痛點。第二步：用呢五個痛點,每個寫一句以問題為切入嘅電郵主旨。第三步：揀出最優先嗰句主旨,為佢寫一段一百五十字嘅電郵內文。每一步都用上一步嘅輸出做輸入。

Tree of Thoughts，簡稱 ToT，係 Chain-of-Thought 嘅進階版。CoT 係一條直線咁諗,ToT 就好似一棵樹咁,同時探索多條思考路徑：AI 喺每一步生成幾個可能嘅方向,評估邊條最有前途,再決定行落去定回頭試另一條。佢模仿嘅,係人類面對難題時嗰種反覆斟酌嘅過程。佢計算量大,所以最啱用喺質素比速度更重要嗰啲情況。

幾時用：需要探索、規劃、創意解難,而且冇單一明顯答案嗰類任務,例如策略規劃、複雜創作、商業問題拆解。

Marketing 場景：你要為一個增長停滯嘅品牌諗破局方向,想 AI 多角度探索,唔好一條路行到黑。

Prompt 例子：
我哋係一個增長停滯咗半年嘅本地 DTC 護膚品牌,主要靠 Facebook 廣告獲客,但成本越嚟越高。請你用 Tree of Thoughts 嘅方式思考：先生成四條完全唔同嘅破局方向,例如渠道、產品、定價、內容;逐一評估每條方向嘅潛在效果同風險;淘汰最弱嗰啲,保留最有潛力嘅兩條,再分別展開成具體可執行嘅計劃。

睇完十六個,唔需要全部記。

框架只係起點,真正嘅功力,係你用得多咗之後,可以喺一個 prompt 入面自然咁混搭幾個 framework,例如用 Persona 定身份、用 RISEN 砌結構、再用 Chain-of-Thought 叫佢推理。到嗰陣,你就唔再係喺對住空白輸入框諗緊點問,而係好清楚自己想 AI 點樣同你一齊做嘢。

結構型 framework：

技巧型 framework：