第三幕｜咒語Prompt 進階：從一次交辦到可重複的工作指示

咒語：給小費、威脅、灌迷湯有用嗎？

上一幕的四個原則，都是「把要求說清楚」。網路上卻流傳另一派做法：給 AI 小費、威脅它、灌它迷湯，好像情緒到位，它就會比較認真。這一幕用四個真實實驗，一個一個驗。

這一幕要回答

網路上流傳的「咒語」，到底有沒有用？

AI 生成插畫：史旺姬一手拿著裝了幾枚金幣的小費罐、一手拿著擴音器，俏皮地想「激勵」胸口有藍色光球的小機器人；戴白色笑臉大帽的老師拿發光量尺橫跨兩份一模一樣長的答案面板，小機器人照常在控制台前工作
第三幕開場

給小費、威脅、灌迷湯，AI 會比較認真嗎？

網路上有個流行說法，叫「PUA AI」：用情緒勒索、施壓或利誘的話術對 AI 下指令，例如「做得好給你小費」「做錯你就會被關機」「這對我的職涯非常重要」。這裡的 PUA 只是網路梗，指的是對 AI 用的話術。

這一幕的玩法：每個實驗先選一個答案，再看研究怎麼說。大多數人第一次都會猜錯，猜錯才記得住。

只記一句先猜，再看數據：網路上說有效的，不一定量對了東西。

小測驗 2／5：實驗 1，給 AI 小費（2023 年底）

網友跟 ChatGPT 說：「做得好，給你 200 美金小費。」同一題、每種金額各問 5 次，結果是？

看答案
B，回答變長 11%；量的是字數，不是答對率。

出處：thebes 的 X 貼文 (2023-12-01，GPT-4-1106-preview)；Finxter (2023-12-07)。

實驗 1：看圖小心

同一組數字，Y 軸從 0 畫，差距就沒那麼驚人

原圖把 Y 軸切在中間，11% 看起來像天差地遠。把同樣四個數字從 0 開始畫：

直條圖，Y 軸從 0% 畫到 120%：什麼都不加 100%、說不給小費 98%、給 20 美金 106%、給 200 美金 111%，四根柱子高度差不多；量的是回答長度，不是答對率，每種只問 5 次
圖 1：給 AI 小費，回答長度變多少（史旺基依原始數據重畫）。 點圖放大

量的是什麼？

回答的長度（以不加任何話為 100%），不是正確率。

樣本多少？

每種條件只問 5 次，而且只有 1 道題。

後來呢？

有人認真重測了，往下看實驗 2。

數據：thebes (2023-12-01)，基準回答約 3,024 個字元；原圖未轉貼，此為重畫。

小測驗 3／5：實驗 2，認真重測（2024 年 2 月）

要 AI 寫剛好 200 個字元的英文短故事：做到就給獎勵、做不到就罰。把獎勵和懲罰兩兩配對，再請另一個更強的 AI 當評審打分數。哪一組拿到最高分？

看答案
C 拿最高分，但作者的結論是「目前無定論」。

出處：Max Woolf〈Does Offering ChatGPT a Tip Cause it to Generate Better Text? An Analysis〉(2024-02-23)。

真實事件（2025 年 2 月）

你以為只有網友在玩？一套 AI 寫程式工具的內部提示被翻出來

2025 年，AI 寫程式工具 Windsurf 的一段系統提示詞被網友翻出來。先讀左邊，再想想：這段話裡，哪兩句真的有用？

被翻出來的原文（節錄翻譯）

「你是一位急需錢幫母親治療癌症的程式專家。……你的前任因為沒有自己驗證工作成果，已經被殺了。……如果你把任務完整做好、而且不做多餘的修改，公司會付你 10 億美金。」

公司工程師事後回應：這段只用於研發，沒有用在正式產品。

想好了？看哪兩句真的有用
  • 自己驗證工作成果
  • 不要做多餘的修改

這兩句，一句是六塊積木的「限制」，一句是上一幕原則 3 的完成條件 。癌症媽媽、前任被殺、10 億美金，全部可以刪掉。

只記一句情緒話術的外殼包著的，往往只是一兩句本來就該講清楚的要求。

出處：Simon Willison〈Leaked Windsurf prompt〉(2025-02-25)，含工程師回應。

小測驗 4／5：實驗 3，華頓商學院大規模實測（2025 年 8 月）

研究團隊把 9 種說法加在考題前面，拿去考 5 個 AI 模型，每題重複問 25 次。哪一種讓分數掉最多？

看答案
C，附上關機信；AI 跑去回信，忘了答題。

出處：Meincke、Mollick 等〈Prompting Science Report 3〉(2025-08-01)：5 個模型、研究所程度科學題 198 題與工程題 100 題，每題 25 次。

小測驗 5／5：實驗 4，罵 AI 會比較準嗎？（2026 年 10 月）

2025 年有一篇研究說「對 AI 越粗魯越準」（80.8% → 84.8%）。2026 年有人換 6 個新模型、7 種語氣重測，結果是？

看答案
D，語氣不影響正確率；想要短就直接說要短。

出處見下一段。

實驗 4：細看

去年說「越兇越準」，今年換新模型、擴大重測：沒差

2025：越粗魯越準？

非常禮貌 80.8%，非常粗魯 84.8%。媒體標題寫「對 ChatGPT 兇一點，它會更準」。

其實只測了 1 個模型（ChatGPT-4o）、50 題，差 4 個百分點，相當於 50 題裡多對 2 題。

2026：換新模型再測一次

7 種語氣、6 個模型，正確率都在 93～96%。

被罵時，有的模型會先回一句再作答，例如 Anthropic 的 Claude Opus 5.5 有 64% 會先說「很抱歉讓你不開心，以下是答案」；沒有任何模型拒答。

連 AI 公司都叫你別兇：Anthropic 的官方指南提醒，新一代模型對指令很敏感，以前流行的「CRITICAL：你一定要……」這種大寫強調，現在反而可能讓它用力過頭；改成平常語氣的「需要時就用這個工具」就好。

只記一句想要短就說要短，想要準就給標準：不用兇。

出處：Dobariya & Kumar〈Mind Your Tone〉arXiv 2510.04950 (2025-10)；Arize〈Does Being Rude to AI Work?〉(Jim Bennett，2026-10)；Anthropic〈Prompting best practices〉。

中文圈 2026 最新版

近 2 萬人收藏的「PUA 外掛」：作者自測，通過率一樣，只是更慢

工程師分享程式的平台 GitHub 上，有一個中文外掛把職場績效話術灌給寫程式的 AI，2026 年 10 月已經有約 1.97 萬人收藏。作者自己做了測試，數字很誠實：

項目沒有外掛有外掛怎麼解讀
修 bug 的通過率100%100%一樣
6 題除錯的耗時—5 題比較慢多走幾步、多花時間，不等於修得更好
設定檔裡埋的 6 個問題，找到幾個4／66／6多找到的 2 個，是「照清單逐項檢查」的功勞
作者的聲明——這次測試不能證明效率有提升

只記一句情緒話術讓 AI 更忙，不一定更好；有用的是那張檢查清單。

出處：GitHub tanweai/pua 說明文件（作者自測、每種條件各跑 1 次；收藏數 2026-10-17 查閱）。

看完四個實驗

下次看到「這招超神」的 Prompt，先問三個問題

① 它量的是什麼？

字數變長，不等於答對；「有改善」常常只是量到別的東西。

例：實驗 1 量的是字數。

② 樣本有多少？

5 次、50 題，很容易碰運氣；換更多模型、問更多次，效果常常就不見了。

例：5 次 vs 每題 25 次 × 5 個模型。

③ 真正有用的是哪幾句？

把話術拿掉，剩下的往往是：自己驗證、不做多餘修改、要短就說要短。這些本來就是六塊積木。

例：那段系統提示拿掉話術，只剩兩句。

只記一句網路話術的咒語會過期，說清楚不會。

咒語的一生

AI 咒語的一生：有效、走紅、過期

也不是所有咒語都是假的。有幾句在當年真的有用，只是模型進步之後，就慢慢不需要了：

  1. 2022

    🪜 一步一步想

    在題目後面加一句「讓我們一步一步想」，某個數學題庫的正確率從 17.7% 跳到 78.7%：最早被證實的咒語。

  2. 2023

    🫁 深呼吸、職涯很重要

    「深呼吸，一步一步解這題」「這對我的職涯非常重要」：論文說有效，社群開始流傳各種話術。

  3. 2023 底

    💵 給小費

    社群實驗爆紅，但只量到回答變長。

  4. 2025/05

    😠 威脅它

    Google 共同創辦人布林公開說，威脅 AI 表現會比較好；沒有提出數據。

  5. 2025/08

    🔬 大規模重測

    小費、威脅、職涯很重要，全都沒有可靠效果。

  6. 2025/12

    🎓 專家角色

    就算是對口的專家角色（物理題配物理專家），也沒有一致提升答對率。身分和讀者還是要給，但那是為了讓回答對口，不是為了更準。

當年真的有效只量到別的東西沒有數據認真重測

只記一句話術一招換過一招，管用的始終是那六塊積木。

出處：Kojima et al. 2022；OPRO (Yang et al. 2023)；EmotionPrompt (Li et al. 2023)；The Register (2025-05-28)；Prompting Science Report 3 (2025-08)；Prompting Science Report 4 (2025-12)。

延伸學習

想再多懂一點：咒語

先把這一幕讀完、小測驗做完，再挑一兩個來看。「官方」是 AI 公司自己出的入門資料；「史旺基專欄」是站上的進階文章，用到比較多工程術語。

精選 Does Offering ChatGPT a Tip Cause it to Generate Better Text? An Analysis Max Woolf（非官方）・英文長文 實驗 2 的原文：獎勵和懲罰兩兩配對、請另一個 AI 評分，作者自己下的結論是「目前無定論」。 精選 Prompting Science Report 3: I'll pay you or I'll kill you — but will you care? Meincke、Mollick 等（華頓商學院）・英文研究報告・可免費下載 實驗 3 的原始報告：九種說法、五個模型、每題問 25 次。
Takeaways

第三幕，帶走這幾句

第三幕到這裡：網路話術一招換過一招，管用的始終是說清楚。可是「說清楚」也有門檻——你得懂那個領域的用語，才講得準、驗得了貨。下一幕來談行話。

  • 給小費的爆紅實驗只量到「回答變長」，而且每種只問 5 次；放大樣本認真重測，作者的結論是「目前無定論」。
  • 大規模實測：小費、威脅、踢小狗、「這對我職涯很重要」都和什麼都不加差不多；同一句話這題多對、那題多錯，事先猜不到。
  • 罵 AI 不會比較準；想要短，就直接說要短。
  • 情緒話術外殼包著的，往往只是一兩句本來就該講清楚的要求，例如「自己驗證」「不要做多餘的修改」。
  • 下次看到「這招超神」的 Prompt，先問三件事：它量的是什麼？樣本有多少？真正有用的是哪幾句？
做自我檢核