提示工程(Prompt Engineering)是生成式人工智能(Generative AI)應用中至關重要的一環，它引導 人工智能(AI)模型產生準確和有用的結果。在香港這樣一個多元文化、多語言的國際城市，生成式AI的應用需要考慮更多的文化、政策和社會因素，才能更好地滿足本地需求。
提示工程是一種設計和編寫指令(提示)的技巧，旨在讓生成式AI模型能夠產生所需要的結果。無論是文本生成(如GPT-4、Bard)、圖像創作(如Midjourney、Stable Diffusion)、音樂創作(如MusicLM)、程式碼生成(如GitHub Copilot)等，都依賴於提示的品質。在香港這個多語言、多文化的社會中，企業在應用提示工程時，在設計上需要考慮語言如中文、英文和粵語等的交互和文化差異，才能讓AI產生符合當地期望的結果。以下提示模式，有助於生成式AI在香港這個多元且特殊的社會環境中更好地運作：
多模式助企業解決問題
角色模式(Persona Pattern)：讓AI扮演特定角色並完成指定任務。例如，在香港可能要求AI扮演「本地稅務專家」以回答企業的稅務問題，或者扮演「國際旅遊顧問」以提供給遊客的旅遊建議。這種模式能確保AI提供符合本地文化和政策的建議。
受眾角色模式(Audience Persona Pattern)：針對不同背景的人群設計提示，特別是考慮香港居民、內地遊客，以及國際商務人士的不同需求。例如： 「解釋香港的稅制政策，假設我是一位來自內地的投資者。」
問題優化模式(Question Refinement Pattern)：在多語言環境中，問題可能容易出現表達不清的情況，可以請AI幫助改進問題，使其在粵語或繁體中文環境下更精準。
翻轉互動模式(Flipped Interaction Pattern)：讓AI引導人們，直到它收集到足夠的訊息。例如，要求AI提問以了解企業在香港市場上的行銷挑戰，直到它能夠提出具體的建議。這種模式有助於AI更好地理解香港的商業環境。
元語言創建模式(Meta Language Creation Pattern)：定義一些常見詞彙的特殊含義，對於香港的金融業、法律業等專業領域非常有用。例如：「當說出『公司重組』時，AI應該理解這是根據香港《公司條例》所規定的程序。」
替代方案模式(Alternative Approaches Pattern)：要求AI提供不同的解決方案。例如：「提供不同方式來進行稅務籌劃，並比較各方案在香港法律框架下的優勢與風險。」
指導AI大模型釐清誤解
連鎖思維提示(Chain-of-Thought Prompting)：透過分步解釋的方式，幫助AI理解香港複雜的法規或政策問題，提供更具體的建議。
程式輔助語言(Program-aided Language, PAL)提示：在涉及香港特定財務計算或稅務問題時，讓AI使用程式或公式進行分析，確保結果的精確性。
企業如果未能掌握提示工程，可能帶來的問題頗多，例如對文化或語言的誤解。香港是一個多語言社會，提示如果沒有清楚地表達，可能導致AI誤解。例如，一個未經調整的提示，可能讓AI無法區分粵語和普通話的用詞差異，導致回應不符合本地居民的語言習慣。又例如香港的政策和法規，與其他地區存在差異，如果提示不考慮這些因素，AI可能會提供與香港法律或政策不符的建議，對企業造成風險。因此，隨着不同的AI大模型推出市場，沒有品質好的提示輸入，就變成得物無所用了。
香港電腦學會企業架構專家小組執行委員成員 葉德良
東網網站 : https://on.cc/東網Facebook專頁 : https://www.facebook.com/onccnews/