很多企業聽到 Prompt SOP 或 Prompt-based Skills，第一個問題通常是：

我們公司已經在用 ChatGPT、Gemini、Microsoft Copilot，還需要另外導入什麼系統嗎？

答案是：不一定。

真正重要的不是你一開始用哪個 AI 平台，而是公司有沒有建立一套「AI 任務標準化方法」。不管你用的是 ChatGPT、Gemini、Copilot，甚至是內部自建 LLM，都可以用類似的邏輯來做。

一、先不要急著做工具，先盤點「哪些工作最需要 Prompt SOP」

企業導入 Prompt-based Skills，第一步不是開發系統，而是盤點哪些任務最適合標準化。

建議優先找這幾種任務：

任務類型	為什麼適合
高頻重複	每週、每天都有人在做
格式固定	例如週報、會議紀錄、客戶摘要
判斷規則明確	例如合約風險、資安問卷、履歷初篩
輸出需要一致	多人協作時，格式不能各寫各的
有專家經驗	資深員工知道怎麼做，但新人不一定知道

例如：

會議紀錄整理
客戶訪談摘要
業務週報
客服回覆
資安問卷回覆
法務合約初審
ESG / 碳盤查資料整理
HR 面試評估
程式碼審查
多語系翻譯

這些任務的共同點是：
不是完全創意型工作，而是有固定流程、固定格式、固定檢查標準。

這種任務最適合做成 Prompt SOP 或 Prompt-based Skill。

二、把「好 prompt」整理成公司標準格式

接下來，不是把一大串 prompt 丟給員工，而是要把 prompt 拆成標準結構。

一個好的 Prompt SOP，至少要包含 8 個部分：

區塊	說明
任務目的	這個 prompt 要解決什麼問題
使用情境	什麼時候該用
AI 角色	AI 應該扮演顧問、編輯、審查員或分析師
輸入資料	使用者需要提供哪些資料
處理步驟	AI 要依照哪些流程思考或整理
輸出格式	結果要長什麼樣子
檢查清單	輸出前要確認哪些事項
禁止事項	不能編造、不能洩漏、不能下定論等

例如一個「會議紀錄 Skill」可以這樣設計：

任務目的：
將會議逐字稿整理成可追蹤的會議紀錄。

AI 角色：
你是專業的專案管理助理。

輸入資料：
使用者會提供會議逐字稿或會議重點。

處理步驟：
1. 摘要會議主題
2. 整理主要討論事項
3. 萃取決議事項
4. 列出待辦事項、負責人與期限
5. 標記未決問題與風險

輸出格式：
- 會議摘要
- 主要討論
- 決議事項
- 待辦事項表格
- 風險與待確認問題

檢查清單：
- 不要加入逐字稿中沒有出現的資訊
- 如果負責人或期限不明，標記為「待確認」
- 語氣保持專業、簡潔

這樣做的重點是：
不要只管理 prompt 文字，而是管理任務流程。

三、不同平台可以怎麼落地？

1. 如果公司用的是 ChatGPT

ChatGPT 的做法可以分三層。

第一層：建立公司 Prompt Library

最簡單的做法，是先建立一份內部 prompt library，例如：

客戶訪談摘要 prompt
週報整理 prompt
合約初審 prompt
資安問卷回覆 prompt
翻譯與潤稿 prompt
程式碼審查 prompt

每一個 prompt 都要有：

適用情境
使用方式
輸入範例
輸出範例
注意事項
版本紀錄

這適合剛開始導入 AI 的企業。

第二層：建立 Custom GPT 或專用 GPT

如果公司使用 ChatGPT Team、Business 或 Enterprise，可以把常用任務做成專用 GPT。OpenAI 的 GPTs 本質上就是客製化版本的 ChatGPT，可以加入 instructions、knowledge 和 actions，用於特定任務或領域。(Wikipedia)

例如可以建立：

「業務週報 GPT」
「資安問卷助理 GPT」
「ESG 報告助理 GPT」
「HR 面試摘要 GPT」
「技術文件審查 GPT」

每個 GPT 內部放入：

標準 instruction
公司範本
FAQ
檢查清單
標準輸出格式
禁止事項

這其實就是 Prompt-based Skills 的一種實作方式。

第三層：結合 API 或內部系統

如果企業有更高需求，可以透過 OpenAI API 把 Prompt SOP 寫進後端流程，例如：

從 CRM 抓客戶資料
從會議系統抓逐字稿
從 HR 系統抓履歷
從碳盤查系統抓活動數據
經過固定 prompt template
輸出成標準格式報告
存回內部系統

這時候 prompt 就不只是員工複製貼上的文字，而是正式工作流的一部分。

2. 如果公司用的是 Google Gemini

如果公司是 Google Workspace 生態，例如 Gmail、Docs、Sheets、Slides、Drive 都在用，Gemini 的落地方向會比較偏向「文件與協作場景」。

Google 的 Gems 是可客製化的 Gemini AI 助理，使用者可以建立特定任務或業務需求的 Gems；Google 也已把 Gems 整合進 Docs、Sheets、Slides、Drive、Gmail 等 Workspace 側邊欄，讓使用者能在工作文件中直接使用專門化 AI 助理。(The Verge)

實務上可以這樣做：

第一層：建立部門 Gems

例如：

業務 Gem：整理客戶信件、產生拜訪摘要
行銷 Gem：產生社群貼文、活動文案
HR Gem：整理履歷、產生面試問題
法務 Gem：初步檢查合約風險
PM Gem：整理需求文件與會議紀錄

每個 Gem 設定固定任務說明、語氣、輸出格式與注意事項。

第二層：搭配 Google Docs / Sheets 範本

Gemini 很適合搭配既有 Google Workspace 文件流程，例如：

Google Docs：產生報告、合約摘要、會議紀錄
Google Sheets：整理表格、摘要問卷結果、產生分析說明
Google Slides：根據文件產生簡報架構
Gmail：協助回覆客戶信件
Drive：摘要文件內容

Google 在 Workspace 中也持續擴充 Gemini 對 Docs、Sheets、Slides、Drive、PDF、Forms 等內容的摘要與生成能力。(The Verge)

第三層：建立共享與權限規範

Gemini / Gems 的重點不是每個人自己建一個，而是公司要規範：

哪些 Gems 是官方版本？
哪些部門可以使用？
是否可以複製？
是否可以修改？
是否可使用敏感資料？
是否需要主管或 IT 審核？

Google Workspace 的好處是它原本就有文件權限與共享機制，所以很適合把 Prompt SOP 與既有文件治理結合。

3. 如果公司用的是 Microsoft Copilot

如果公司主要使用 Microsoft 365，例如 Word、Excel、PowerPoint、Outlook、Teams、SharePoint，Microsoft Copilot 的落地方向會比較偏「辦公室工作流」與「企業資料整合」。

Microsoft 365 Copilot 是建立在大型語言模型與 Microsoft Graph 上，能在 Word、Excel、PowerPoint、Outlook、Teams 等 Microsoft 365 應用中協助使用者處理自然語言任務；Microsoft Graph 可提供組織內文件、郵件、會議、聊天等上下文。(Wikipedia)

實務做法可以分成三層。

第一層：建立 Copilot 使用指南

先針對常見任務寫清楚：

在 Word 裡如何請 Copilot 產生報告
在 Excel 裡如何請 Copilot 分析資料
在 Teams 裡如何整理會議重點
在 Outlook 裡如何產生客戶回信
在 PowerPoint 裡如何根據文件產生簡報

這一層重點是教育訓練，讓員工不要只輸入「幫我整理一下」。

第二層：用 SharePoint / Teams 管理 Prompt SOP

Microsoft 生態下，建議把 Prompt SOP 放在：

SharePoint 文件庫
Teams 頻道
OneNote / Loop
公司知識庫

每一個 SOP 都可以對應一種任務，例如：

客戶會議摘要 SOP
專案週報 SOP
合約審查 SOP
Excel 資料分析 SOP
PowerPoint 簡報產生 SOP

員工使用 Copilot 時，就依照這些 SOP 下指令。

第三層：用 Copilot Studio 建立 Agents

如果公司要更進一步，可以使用 Copilot Studio 建立特定任務 agents。Microsoft Copilot Studio 是用來建立、發布與管理 Copilot agents 的工具，可以連接知識來源、定義行為與建立企業內部流程。(arXiv)

例如：

客服知識庫 Agent
IT Helpdesk Agent
法務問答 Agent
HR 政策 Agent
採購流程 Agent
內部資安問卷 Agent

這就接近 Prompt-based Skills 的企業級做法：把任務、資料、流程與權限整合成一個可管理的 AI agent。

4. 如果公司用的是 GitHub Copilot 或 coding agent

如果目標是軟體開發團隊，那 Prompt SOP 也很重要。

GitHub Copilot 原本主要用於程式碼補全與開發輔助，後續也發展出 chat、agent mode、coding agent 等能力；目前 Copilot 已不只是補程式碼，而是逐漸走向能處理開發任務與 pull request 的 AI coding workflow。(Wikipedia)

開發團隊可以建立：

Code review prompt SOP
API 設計 prompt SOP
測試案例產生 prompt SOP
Pull request summary prompt SOP
Bug reproduction prompt SOP
Security review prompt SOP
Refactoring prompt SOP

例如 code review SOP 可以規定 AI 每次檢查：

邏輯錯誤
邊界條件
安全風險
效能問題
可讀性
是否符合團隊 coding style
是否需要補測試

這比單純問「幫我 review 這段 code」穩定很多。

四、平台不同，但導入方法其實一樣

不管你用 ChatGPT、Gemini、Copilot，或其他 AI 工具，企業導入 Prompt SOP / Prompt-based Skills 可以遵循同一個流程：

Step 1：選定高頻任務

先不要貪多。
選 3 到 5 個最常見、最容易標準化的任務。

例如：

會議紀錄
週報
客戶摘要
客服回覆
文件翻譯

Step 2：收集最佳 prompt

找出公司裡已經有人在用的好 prompt。

整理：

哪些 prompt 輸出比較好？
哪些格式最清楚？
哪些檢查條件最有用？
哪些情境最容易出錯？

Step 3：整理成 Prompt SOP

把 prompt 拆成：

任務目的
適用情境
AI 角色
輸入資料
處理步驟
輸出格式
檢查清單
禁止事項

Step 4：在平台中實作

平台	實作方式
ChatGPT	Prompt Library、Custom GPT、API workflow
Gemini	Gems、Workspace 文件範本、Drive / Docs / Sheets 流程
Microsoft Copilot	Copilot 使用指南、SharePoint SOP、Copilot Studio Agents
GitHub Copilot	Repo instructions、PR review prompt、coding agent workflow
自建 LLM	Prompt template、RAG、agent workflow、內部權限控管

Step 5：建立審核與版本控管

每個 Prompt SOP / Skill 都應該有：

版本號
負責人
適用部門
更新日期
審核人
使用限制
範例輸入與輸出
禁止使用情境

Step 6：定期評估效果

不要以為 prompt 寫完就結束。

應該定期檢查：

輸出是否穩定？
員工是否真的使用？
是否節省時間？
是否減少錯誤？
是否有不合規內容？
是否需要更新資料或格式？

五、企業導入時可以用的 Prompt SOP 範本

下面是一個可直接複製的格式：

【Prompt SOP 名稱】
例如：客戶訪談摘要 SOP

【適用情境】
當業務、PM 或顧問需要將客戶訪談內容整理成內部分析摘要時使用。

【AI 角色】
你是專業的 B2B 顧問與客戶需求分析師。

【輸入資料】
使用者會提供：
1. 客戶訪談逐字稿或摘要
2. 客戶產業與背景
3. 本次訪談目的
4. 需要特別注意的產品或服務

【任務目標】
請將輸入內容整理成可供業務主管、PM 與產品團隊閱讀的客戶需求摘要。

【處理步驟】
1. 先判斷客戶背景與訪談目的
2. 萃取客戶目前痛點
3. 整理明確需求與隱含需求
4. 標記採購疑慮或反對理由
5. 判斷下一步應採取的行動
6. 如果資訊不足，列出待確認問題

【輸出格式】
請使用以下格式輸出：
1. 客戶背景
2. 核心痛點
3. 明確需求
4. 隱含需求
5. 採購疑慮
6. 商機判斷
7. 建議下一步
8. 待確認問題

【檢查清單】
- 不得編造訪談中沒有出現的資訊
- 不確定的內容請標記為「推測」或「待確認」
- 語氣需專業、簡潔
- 輸出需適合內部決策使用

【禁止事項】
- 不要直接承諾客戶未確認的功能
- 不要加入沒有根據的商機金額
- 不要使用過度誇大的銷售語氣

這個範本可以放進 ChatGPT 的 Custom GPT、Gemini Gems、Copilot Studio Agent，也可以單純放在公司內部知識庫。

不管企業使用的是 ChatGPT、Gemini、Microsoft Copilot，還是自建 AI 系統，真正的關鍵都不是「哪一個模型最強」，而是能不能把組織裡反覆出現的工作，整理成可重複使用的 Prompt SOP。

一開始，AI 的使用靠個人技巧；但當企業規模變大，AI 就必須靠流程、標準與治理。

Prompt-based Skills 的價值，正是把散落在個人經驗裡的好 prompt，變成團隊可以共享、可以版本控管、可以持續改善的工作流。

未來企業的 AI 競爭力，不只來自模型能力，也來自企業能否把自己的知識與流程，封裝成 AI 可以穩定執行的 Skills。

The Blog

Prompt-based Skills 實際要怎麼做？如果公司用的是 ChatGPT、Gemini、Copilot 或其他 AI 工具