TASK-CONTEXT-OUTPUT（TCO）框架是專為多步驟 AI 工作流設計的提示詞方法，透過任務定義、上下文注入與輸出控制三層結構，顯著提升複雜任務處理效率達 40%。
多步驟工作提示詞框架 TASK-CONTEXT-OUTPUT（TCO）是解决複雜 AI 任務的標準化方法，透過任務定義、上下文注入與輸出控制三層結構，讓 AI 系統能穩定執行連貫的多步驟工作流程。根據 Gartner 人工智慧研究（Gartner AI Research）的企業採用報告，正確設計的提示詞框架可將任務完成時間縮短 35-40%。
什麼是 TCO 框架？
TCO 框架起源於自然語言處理領域對結構化提示的需求。根據麻省理工學院計算機科學與人工智慧實驗室（MIT Computer Science and Artificial Intelligence Laboratory (CSAIL)）的研究，多步驟任務若缺乏明確的結構引導，AI 模型在中間步驟的錯誤率會上升 23%。TCO 框架正是為了解決這個問題而被設計出來。
核心思維：將複雜任務拆解為三個清晰層次，讓 AI 在每個階段都有明確的判斷依據。
TASK 層：任務定義的藝術
任務定義是整個框架的基石。一個好的任務描述必須包含：角色（Role）、動作（Action）與目標（Goal）。
- 角色設定：明確 AI 在此任務中的身份，如「你是數據分析師」
- 動作定義：具體說明需要執行的操作，如「分析銷售數據找出趨勢」
- 目標澄清：說明預期成果格式與品質標準
根據史丹佛大學以人為本人工智慧研究所（Stanford HAI (Human-Centered AI Institute)）的 AI Index 年度報告，清晰的任務邊界定義能提升模型輸出準確率達 18%。
CONTEXT 層：上下文注入策略
上下文資訊決定了 AI 輸出的相關性與準確度。有效注入上下文的三種方式：
- 範例學習（Few-shot）：提供 2-3 個具體範例讓 AI 理解期望格式
- 約束條件：明確列出禁止事項與限制（如「不要使用專業術語」）
- 背景資料：附上相關文件、數據或先前的對話歷史
OUTPUT 層：輸出格式控制
輸出控制確保 AI 產出符合實際應用需求。常用控制技巧：
- 指定輸出格式（JSON、Markdown、純文字）
- 設定長度限制（「摘要不超過 100 字」）
- 定義結構（如「每個章節需包含標題與三個要點」）
實戰範例：自動化報告生成
【TASK】
你是企業策略分析師，請根據提供的銷售數據生成季度報告。
【CONTEXT】
- 數據來源：Q3 銷售數據.csv（附件）
- 目標讀者：中高階管理層
- 禁止事項：不使用未經證實的推測
- 範例格式：請參考「報告範本.md」
【OUTPUT】
- 格式：Markdown
- 章節：執行摘要、關鍵指標、趨勢分析、建議事項
- 長度：800-1200 字
- 必須包含：3 個圖表描述區塊（以 [插入圖表] 標記）這個框架的優勢在於：即使 AI 在中途被打斷，重新啟動時也能從當前任務狀態快速恢復，避免重複勞動。
