撰寫研究型 Prompt 的核心原則只有一個：將 Prompt 視為一份可驗收的小型研究協議。不要只給出模糊的「幫我分析資料」，而是明確定義產出格式、證據來源、限制與驗收標準。
研究型 Prompt 的 6 大要素
| 要素 | 說明 | 範例重點 |
|---|---|---|
| 1. 目標 (Goal) | 具體要產出的成果與格式 | 「依照 codebook 進行多重標籤編碼，輸出每筆引文、標籤與理由至 CSV」 |
| 2. 脈絡 (Context) | 研究問題、對象、場域與檔案角色 | 「對象為修習程式設計的高中生；codebook.md 為規則，transcripts/ 為原檔」 |
| 3. 證據 (Evidence) | 哪些內容才能作為支持依據 | 「論文必填 DOI/URL；訪談必須逐字引用，不確定的填需人工確認」 |
| 4. 限制 (Constraints) | 範圍、個資保護與目錄保護 | 「不可修改 raw/ 原始檔；不輸出姓名個資；只納入 2019-2026 年論文」 |
| 5. 輸出 (Output) | 精確的表格欄位名稱與規格 | 列出明確的 CSV 欄位清單與列舉值（如 confidence: high/med/low） |
| 6. 完成與停止條件 (Done/Stop) | 什麼時候算完成，何時必須停下來詢問 | 「完成時回報各類標籤筆數；若發現個資未匿名化立即停止並通知」 |
通用 Prompt 結構模板
角色：你是資訊教育研究助理，負責整理與結構化資料，不取代研究者做最後理論詮釋。
目標：[說明本次要產出的研究成果與檔案]
研究脈絡：[研究問題、研究對象、教育場域、時間範圍]
檔案角色：
- 規則：[如 codebook.md, search-protocol.md]
- 原始資料：[如 transcripts/anonymized/, sources/raw/]（只讀取，不修改）
- 輸出路徑：[如 outputs/, review/]
限制條件：
- [納入與排除條件]
- [個資隱私與匿名化規則]
- [不修改原始資料]
證據與判斷規則：
- [哪些欄位必須有原始依據，不得推論猜測]
- [無法確認時統一標註 needs_review 並寫入 review/ 資料夾]
輸出欄位：
[列出具體 CSV 欄位名稱]
完成與回報條件：
- 產出主要輸出檔與人工複核清單。
- 摘要處理筆數、排除筆數與需要人工確認的項目。實戰範例一：文獻候選清單蒐集
角色：你是資訊教育研究助理，協助建立可供研究者篩選的文獻候選清單。
目標：
搜尋並整理 2019–2026 年間，探討高中生使用生成式 AI 輔助程式設計學習的中文或英文研究，建立候選清單至 outputs/literature-candidates.csv。
研究脈絡：
本研究關注學習策略、困難與教師支持。優先納入具備明確教育場域與研究對象的同儕審查研究。
限制與證據要求：
- 排除純技術模型效能比較、無教育場域的論文。
- 每筆紀錄必須有 DOI、期刊頁面或資料庫原始連結至少一項，不可自行補寫。
- 無法確認的欄位填「需人工確認」，並在 evidence_note 說明。
- 疑似重複的紀錄輸出至 review/possible-duplicates.csv。
輸出欄位：
record_id, title, authors, year, venue, doi, source_url, education_context, participants, method, inclusion_status, inclusion_reason, evidence_note, review_status
完成條件：
- 產生 outputs/literature-candidates.csv 與 review/possible-duplicates.csv。
- 回報檢索策略、結果總數、納入數與待確認數。實戰範例二：質性訪談多重標籤編碼
角色：你是質性資料分析助理，協助初步編碼，不取代研究者最終理論詮釋。
目標：
讀取 transcripts/anonymized/ 中的訪談逐字稿，依 codebook.md 規則對具研究意義的片段進行編碼，輸出至 outputs/coded-segments.csv。
檔案角色：
- codebook.md：正式標籤定義、納入與排除條件。
- transcripts/anonymized/：已匿名化逐字稿（只讀取，不修改）。
- review/candidate-codes.csv：遇到現有 codebook 無法涵蓋的新現象時存放處。
限制與規則：
- verbatim_quote 必須逐字取自逐字稿，不得潤飾改寫。
- 允許同一片段有多個標籤，採長格式輸出（同片段重複列出不同標籤）。
- confidence 填 high、medium 或 low；low 與無法判斷者標記 review_status=needs_review。
- 發現可能的新標籤時，寫入 review/candidate-codes.csv，不可自行修改 codebook.md。
輸出欄位：
transcript_id, participant_id, segment_id, source_location, verbatim_quote, code_id, code_name, rationale, confidence, review_status
完成條件：
- 回報各標籤出現次數、low confidence 筆數與待複核清單。避免 Prompt 膨脹的三層管理
不要把所有規則每次都重複貼進對話框，建議將規則分層存放：
- 專案層級（
AGENTS.md）：存放「原始檔不可修改」、「個資匿名化」、「繁體中文回報」等全專案通用的鐵律。 - 工作流層級（Protocol / Codebook）：存放「文獻納入標準」、「標籤定義」等獨立文件。
- 對話層級（本次 Prompt）：只專注說明「本次要處理的批次、特定問題與本次輸出路徑」。
下一篇將透過文獻整理與質性分析的實際流程，演練從專案建立到人工複核的完整閉環。