金融從業者的提示工程（Prompt Engineering）實戰手冊

「Prompt Engineering」聽起來像是工程師的工作，但在 2026 年，它已成為每個金融從業者的必備技能。一個好的提示（Prompt）和一個差的提示，在 ChatGPT 或 Claude 上可以得到天壤之別的結果。

為什麼金融從業者需要學習提示工程？

金融工作的核心是處理大量信息：市場報告、財務數據、客戶需求、監管文件。LLM 可以大幅加速這些工作，但前提是你知道如何正確地「問問題」。根據 McKinsey 的研究，掌握提示工程的金融從業者，在信息處理任務上的效率比未掌握者高出 40%。

金融場景下的 5 大提示技巧

技巧一：角色設定（Role Prompting）。在提示開頭設定 AI 的角色，例如：「你是一位擁有 20 年經驗的香港股票分析師，專注於科技和金融板塊。請分析以下財報...」角色設定能讓 AI 以更專業的視角回答問題。

技巧二：思維鏈（Chain of Thought）。對於複雜的金融分析，要求 AI 逐步推理：「請一步一步地分析這家公司的估值，首先計算 P/E 比率，然後對比行業平均，最後給出估值結論。」

技巧三：少樣本學習（Few-Shot Learning）。提供 2-3 個示例，讓 AI 理解你的輸出格式要求：「請按照以下格式分析股票：[示例格式]。現在請分析 [目標股票]。」

技巧四：約束條件設定。明確說明限制條件：「請用 200 字以內的中文，以非專業投資者能理解的語言，解釋什麼是量化寬鬆及其對香港房地產市場的影響。」

技巧五：迭代優化。不要期望第一個提示就得到完美答案。先得到初稿，然後用後續提示優化：「請把上面的分析更聚焦在風險因素上，並加入 3 個具體的數據支撐。」

金融工作中的實際應用場景

客戶報告撰寫：「請根據以下數據，為一位 45 歲、風險承受能力中等的香港客戶撰寫一份季度投資組合回顧報告，語氣專業但易懂，長度 500 字。」市場評論：「請以彭博社風格，用 300 字撰寫今日港股市場評論，重點分析恒生科技指數的走勢。」合規文件審查：「請審查以下客戶協議，識別可能違反香港 SFC 規定的條款，並提出修改建議。」

Alpha Academy 的所有課程都包含針對特定行業的提示工程模組，幫助學員在實際工作場景中最大化 AI 工具的價值。