看完這張疑似 Anthropic 內部用來最佳化 Fable 5 的 Prompt 結構後，我突然意識到：很多人寫 Prompt，其實一開始方向就錯了。
不少人以為，好的 Prompt 就是要寫得越長越好、越複雜越好，最好再加上一堆角色設定、提示技巧與思考步驟。
但對 Fable 5、Claude、Codex 這類能力更強的模型來說，真正重要的已經不是「教模型怎麼思考」，而是把任務的目標、邊界與交付標準講清楚。
好的 Prompt，可以很簡單
這張圖整理出的 Prompt 結構，其實只有五個部分：
Context：背景是什麼
讓模型知道任務發生的情境、目前狀態與相關背景。
Request：你要模型做什麼
明確描述希望模型完成的任務，而不是只給一個模糊方向。
Output Format：結果要如何交付
指定輸出形式，例如條列、表格、JSON、文章、摘要、程式碼或可直接使用的內容。
Constraints：有哪些限制
說清楚哪些事情不能假設、不能越界、不能改動，或必須遵守哪些條件。
Checkpoint：什麼時候要停下來問你
定義模型在什麼情況下需要暫停，而不是一遇到小問題就反覆詢問。
這五個部分看起來簡單，但正好對應到 Agent 時代最重要的 Prompt 思維：讓模型知道任務目標、執行邊界與完成標準。
Prompt 的重點，從「控制模型」變成「定義任務」
以前很多人寫 Prompt，會花很多力氣告訴模型要怎麼扮演、怎麼思考、怎麼一步一步分析。
這些指令在早期模型能力還不穩定時，確實有一定幫助。但模型越強，越不需要你用大量文字去控制它。
更重要的是，你有沒有把任務本身講清楚：
這個任務要完成什麼？
可以使用哪些資料？
哪些事情不能自行假設？
最後要輸出成什麼形式？
什麼情況下才需要回來問使用者？
換句話說，Prompt 不再只是單純的「指令文字」，而更像是一份簡化版的任務規格書。
Checkpoint 是最容易被忽略的關鍵
在這五個部分裡，Checkpoint 特別重要。
使用 AI Agent 或 Codex 類工具時，常見問題有兩種：一種是模型太常停下來問問題，導致任務推進很慢；另一種是模型完全不問，直接執行高風險操作，最後可能改壞檔案、刪錯資料，或超出原本需求範圍。
所以 Prompt 應該清楚定義：什麼時候可以繼續完成任務，什麼時候必須暫停詢問。
比較理想的原則是，只有在三種情況下才暫停：
- 涉及不可逆操作
例如刪除資料、覆蓋檔案、送出正式訊息、部署到正式環境。 - 任務範圍發生變化
例如原本只是修一個錯誤，結果發現需要重構整個架構。 - 需要使用者提供必要資訊
例如缺少資料來源、帳號、API Key、品牌語氣或目標受眾。
除此之外，模型應該盡量主動完成任務，最後再整理結果回報。
模型越強，越需要清楚的規格
Agent 時代的 Prompt，不只是為了得到一次回答，而是要讓模型能夠穩定執行一段工作流程。
它可能需要理解需求、讀取資料、修改檔案、產生內容、檢查錯誤，甚至在多個工具之間切換。
因此，好的 Prompt 不一定要很長，但一定要精準。
它需要的是必要的背景、明確的任務、清楚的限制，以及可以判斷任務是否完成的標準。
模型越強，越不需要你塞一堆冗長的提醒。它真正需要的是：
目標在哪裡。
邊界在哪裡。
成果要長什麼樣子。
什麼情況下必須停下來問你。
結語
以後在寫複雜任務的 Prompt 前，可以先檢查這五個部分：
Context、Request、Output Format、Constraints、Checkpoint。
如果這五件事都清楚，Prompt 就不需要刻意寫得很花俏。
因為 Agent 時代的 Prompt，重點不是把模型當成需要手把手教學的工具，而是把它當成能協助完成任務的夥伴。
你不需要教它怎麼思考。
你需要告訴它：要完成什麼、不能越過哪裡，以及做到什麼程度才算完成。
