以 JSON 或 XML 格式提示可以使 LLM 的輸出增加 10 倍 為什麼 因為結構化格式為模型提供了明確的邊界和期望 當你要求非結構化文本時，LLM 必須猜測： 這應該有多長？ 我需要哪些部分？ 我什麼時候算完成？ 需要什麼程度的細節？ 但使用 JSON/XML 時，你實際上是在提供一個模板： json{ "summary": "", "key_points": [], "analysis": "", "recommendations": [] } 現在模型知道該填寫什麼，以及每個部分大約需要多少內容 這就像 "寫一些關於汽車的內容" 與 "填寫這個汽車評論表格，包含這 12 個特定字段" 之間的區別 結構消除了決策癱瘓，並給予模型全面性的許可 此外，JSON/XML 自然鼓勵模型以有組織的塊進行思考，而不是僅僅流式文本直到它感覺 "完成" [這裡是元黑客] 甚至不要嘗試從頭開始編寫結構化提示 相反： 1. 語音轉文本，將你想要分析/研究/撰寫的所有內容腦力激盪出來 2. 將那段雜亂的文字粘貼到 AI 中 3. 要求它 "根據這個腦力激盪創建一個 JSON 提示結構，以獲得最佳輸出" 4. 獲取生成的 JSON 模板 5. 將其作為你的實際提示發送回去 你可以獲得結構化提示的所有好處，而不必自己思考結構 AI 知道哪些字段會更有用，甚至比你更清楚 在 30 秒內將你的意識流轉化為專業級提示 自己試試 - 要求以段落形式與結構化格式進行相同的分析 結構化版本每次都會長 3-5 倍，並且詳細得多