精確度優勢: 在推理任務中,採用 Markdown 結構的 GPT-4 達到了 81.2% 的準確率,遠高於使用 JSON 格式的 73.9%,進步幅度高達 7.3 個百分點 。同時,Markdown 在維持清晰度的前提下,比 JSON 節省了約 15% 的 Token 用量 。
人性化設計: Markdown 被普遍推薦用於讓提示詞和指令檔案對人類和 AI 模型都更加清晰易懂 。OpenAI 自家的 Playground 工具也建議在生成提示詞時使用 H1 標題 。
主要缺點: Markdown 標題提供的邊界較為「軟性」。它在面對提示詞注入攻擊(Prompt Injection)時可能較為脆弱,因為模型可能不會將 ## 輸入 視為一個不可逾越的硬性分隔 。一位安全研究員特別指出,不建議使用 Markdown 來分隔需要分類的輸入內容,並表示使用 XML 標籤時,模型「較不容易被騙」 。
XML 風格的標籤使用明確的起始與結束標記,例如 <指示>、<結構> 和 <輸入>,來區隔提示詞的各個部分。Anthropic 的官方指南明確將 XML 標籤推薦為處理複雜提示詞的主要結構工具,並指出它們能建立無歧義的邊界,從而減少誤解 。
安全性優勢: XML 提供了明確的起始與結束邊界,使得被注入的內容更難在各個區段之間「滲透」 。對於 AI 代理(Agent)而言,有論點認為 XML 標籤在區隔指示、範例、參考資料與使用者問題方面,表現優於 Markdown 標題 。
並非總是更好: 對於簡短、單純的提示詞,使用 XML 反而可能略微降低準確率。一項測試顯示,純文字提示詞的準確率為 97.6%,而 XML 格式為 96.4% ——這是一個微小的 1.2 百分點差距,且幻覺率並未改變 。此外,使用 XML 會導致輸入 Token 的開銷增加 31% 。XML 的優勢與提示詞的「複雜度」成正比,而非「品質」。具體來說,當提示詞超過約 500 個 Token 且包含 3 個以上的邏輯段落時,XML 才能發揮其價值 。
| 供應商 | 官方建議 |
|---|---|
| Anthropic (Claude) | 對複雜提示詞明確推薦 XML 標籤,將其視為主要的結構工具 |
| OpenAI (GPT) | 在 Playground 中建議使用 Markdown 搭配 H1 標題;當需要嚴格邊界時,XML 也是可行的選擇 |
| 業界一般共識 | 對複雜/多段落提示詞以及安全性至關重要的任務推薦 XML;注重可讀性則選 Markdown |
三大主要供應商都認為 XML 是有效的分隔模式,但 XML 的格式不需要非常嚴格——關鍵在於其語意意圖 。
| 使用情境 | 建議格式 |
|---|---|
| 簡短、單純的提示詞 | Markdown 或純文字 |
| 複雜、多段落的提示詞 | 使用 XML 標籤進行段落分隔 |
| Anthropic Claude 提示詞 | XML 標籤,因為這是 Anthropic 的官方推薦 |
| OpenAI GPT 提示詞 | 普遍推薦 Markdown 標題;當需要嚴格邊界時,XML 也有幫助 |
| 高安全性 / 易受提示詞注入攻擊的場景 | XML 標籤,因其明確的邊界更難被突破 |
| 供人類閱讀的共享文件 | Markdown |
| 正式環境中的代理流程 (Agent Pipelines) | XML 風格的標籤有助於建立更清晰的段落邊界 |
許多實務工作者會採用混合策略:使用 Markdown 標題來架構整體提示詞,同時在圍繞使用者輸入的區塊使用 XML 風格標籤或程式碼區塊 。這種方法結合了 Markdown 的可讀性與 XML 的安全性邊界。
舉例來說,你可以這麼做:
## 指示
[你的指示內容]
## 情境
[背景資訊]
## 使用者輸入
<UserInput>
[實際的使用者輸入]
</UserInput>
這種模式兩全其美——既有對人類友善、清晰標示的段落,也能在提示詞中不可信賴的部分周圍建立硬性邊界。
在大多數日常使用中,請使用 Markdown,因為它具有可讀性高、Token 使用效率高,且在提示詞格式比較中有數據支撐的良好表現 。當你需要處理複雜、多部分的提示詞,需要為安全性設立嚴格的語意邊界,或是正在使用 Claude 模型時,請改用 XML 標籤 。格式的有效性也取決於 AI 模型本身——但人類端的可維護性,與模型的表現同等重要 。
精確度優勢: 在推理任務中,採用 Markdown 結構的 GPT-4 達到了 81.2% 的準確率,遠高於使用 JSON 格式的 73.9%,進步幅度高達 7.3 個百分點 。同時,Markdown 在維持清晰度的前提下,比 JSON 節省了約 15% 的 Token 用量 。
人性化設計: Markdown 被普遍推薦用於讓提示詞和指令檔案對人類和 AI 模型都更加清晰易懂 。OpenAI 自家的 Playground 工具也建議在生成提示詞時使用 H1 標題 。
主要缺點: Markdown 標題提供的邊界較為「軟性」。它在面對提示詞注入攻擊(Prompt Injection)時可能較為脆弱,因為模型可能不會將 ## 輸入 視為一個不可逾越的硬性分隔 。一位安全研究員特別指出,不建議使用 Markdown 來分隔需要分類的輸入內容,並表示使用 XML 標籤時,模型「較不容易被騙」 。
XML 風格的標籤使用明確的起始與結束標記,例如 <指示>、<結構> 和 <輸入>,來區隔提示詞的各個部分。Anthropic 的官方指南明確將 XML 標籤推薦為處理複雜提示詞的主要結構工具,並指出它們能建立無歧義的邊界,從而減少誤解 。
安全性優勢: XML 提供了明確的起始與結束邊界,使得被注入的內容更難在各個區段之間「滲透」 。對於 AI 代理(Agent)而言,有論點認為 XML 標籤在區隔指示、範例、參考資料與使用者問題方面,表現優於 Markdown 標題 。
並非總是更好: 對於簡短、單純的提示詞,使用 XML 反而可能略微降低準確率。一項測試顯示,純文字提示詞的準確率為 97.6%,而 XML 格式為 96.4% ——這是一個微小的 1.2 百分點差距,且幻覺率並未改變 。此外,使用 XML 會導致輸入 Token 的開銷增加 31% 。XML 的優勢與提示詞的「複雜度」成正比,而非「品質」。具體來說,當提示詞超過約 500 個 Token 且包含 3 個以上的邏輯段落時,XML 才能發揮其價值 。
| 供應商 | 官方建議 |
|---|---|
| Anthropic (Claude) | 對複雜提示詞明確推薦 XML 標籤,將其視為主要的結構工具 |
| OpenAI (GPT) | 在 Playground 中建議使用 Markdown 搭配 H1 標題;當需要嚴格邊界時,XML 也是可行的選擇 |
| 業界一般共識 | 對複雜/多段落提示詞以及安全性至關重要的任務推薦 XML;注重可讀性則選 Markdown |
三大主要供應商都認為 XML 是有效的分隔模式,但 XML 的格式不需要非常嚴格——關鍵在於其語意意圖 。
| 使用情境 | 建議格式 |
|---|---|
| 簡短、單純的提示詞 | Markdown 或純文字 |
| 複雜、多段落的提示詞 | 使用 XML 標籤進行段落分隔 |
| Anthropic Claude 提示詞 | XML 標籤,因為這是 Anthropic 的官方推薦 |
| OpenAI GPT 提示詞 | 普遍推薦 Markdown 標題;當需要嚴格邊界時,XML 也有幫助 |
| 高安全性 / 易受提示詞注入攻擊的場景 | XML 標籤,因其明確的邊界更難被突破 |
| 供人類閱讀的共享文件 | Markdown |
| 正式環境中的代理流程 (Agent Pipelines) | XML 風格的標籤有助於建立更清晰的段落邊界 |
許多實務工作者會採用混合策略:使用 Markdown 標題來架構整體提示詞,同時在圍繞使用者輸入的區塊使用 XML 風格標籤或程式碼區塊 。這種方法結合了 Markdown 的可讀性與 XML 的安全性邊界。
舉例來說,你可以這麼做:
## 指示
[你的指示內容]
## 情境
[背景資訊]
## 使用者輸入
<UserInput>
[實際的使用者輸入]
</UserInput>
這種模式兩全其美——既有對人類友善、清晰標示的段落,也能在提示詞中不可信賴的部分周圍建立硬性邊界。
在大多數日常使用中,請使用 Markdown,因為它具有可讀性高、Token 使用效率高,且在提示詞格式比較中有數據支撐的良好表現 。當你需要處理複雜、多部分的提示詞,需要為安全性設立嚴格的語意邊界,或是正在使用 Claude 模型時,請改用 XML 標籤 。格式的有效性也取決於 AI 模型本身——但人類端的可維護性,與模型的表現同等重要 。