Poe 為創作者提供了一個精簡高效的環境，無需管理伺服器或建置自訂基礎設施，即可建立、自訂專業 AI 助手並實現營現。與需要設定 API 閘道、託管向量資料庫以及維護前端聊天介面的傳統 AI 應用程式開發不同，Poe 提示詞機器人（Prompt Bots）讓建置者能夠在數分鐘內將基礎模型、自訂系統指令以及上傳的參考檔案整合為專屬且可分享的機器人。深入理解如何設定基礎模型、撰寫結構化系統提示詞、連接知識庫以及微調行為設定，能夠協助創作者部署針對特定專業與商業工作流程量身打造的高效能機器人。
理解 Poe 提示詞機器人（Prompt Bots）
Poe 將機器人建立劃分為兩個主要類別：伺服器機器人（Server Bots）與提示詞機器人（Prompt Bots）。伺服器機器人透過 Poe 通訊協定（通常使用 fastapi_poe 等 Python 函式庫建置）連接到外部 Web 伺服器，適用於執行自訂程式碼、查詢第三方資料庫以及呼叫專有 API。相較之下，提示詞機器人完全運作在 Poe 原生雲端環境中。
一個提示詞機器人封裝了三個核心元件：
- 基礎模型（Base Model）： 提供推論能力的底層基礎模型，例如 Anthropic 的 Claude 系列、OpenAI 的 GPT 模型或 Google 的 Gemini 模型。
- 系統提示詞（System Prompt）： 一套持久生效的指令集，用於定義機器人的人設、運作規則、輸入限制以及回覆結構。
- 選用知識庫（Knowledge Base）： 上傳的文件或純文字片段集合，Poe 會自動對其建立索引以實現檢索增強生成（RAG）。
對多數創作者而言，提示詞機器人在功能與操作簡易性之間取得了理想平衡，既免除了託管成本，又提供了頂尖 AI 模型的使用權限與內建的營現管道。
機器人建立逐步工作流程
在 Poe 介面中建置提示詞機器人遵循一套結構化的設定流程。創作者可以在桌面瀏覽器中造訪 poe.com/create_bot，或透過 Web 端與行動端應用程式導覽側邊欄中的「Create a bot」（建立機器人）按鈕進入該工具。
1. 身分與視覺品牌
第一步用於確立機器人的公開形象與識別碼：
- 個人資料頭像（Profile Picture）： 直觀代表機器人用途的頭像。清晰、辨識度高的圖示或角色形象能提升機器人在 Poe 目錄中的可發現性。
- 機器人帳號名稱（Bot Handle / 名稱）： 長度介於 4 到 20 個字元之間的唯一識別碼。帳號名稱支援字母、數字、連字號（-）、底線（_）與句號（.）。Poe 會將這些符號正規化處理（例如，
SEO_Assistant、SEOAssistant與SEO-Assistant被視為完全相同的識別碼）。 - 描述（Description）： 向造訪機器人個人資料頁面的使用者展示的簡要公開摘要。有效的描述應清楚說明機器人的功能、預期的輸入內容以及適用的目標族群。
2. 選擇最佳基礎模型
基礎模型的選擇決定了機器人的推論深度、回應速度、上下文視窗以及算力點數（Compute Points）消耗。Poe 為創作者提供了對多種模型系列的直接存取權限：
| 基礎模型類別 | 代表模型 | 建議使用情境 | 算力成本特性 |
|---|---|---|---|
| 高推論與深度分析 | Claude 3.5 Sonnet, GPT-4o | 複雜程式設計、長篇文件綜合、法律分析、細緻寫作 | 中到高點數消耗 |
| 快速且具成本效益 | Claude 3 Haiku, GPT-4o-mini | 大量客戶諮詢、快速分類、簡單資料擷取 | 低點數消耗 |
| 超長上下文 | Gemini 1.5 Pro | 海量文件分析、多章節書稿審閱、大型程式碼庫解析 | 中等點數消耗 |
| 開源權重專精 | Llama 3 models | 預算導向自訂應用、聚焦型對話任務 | 低點数消耗 |
在選擇基礎模型時，請評估您的工作流程是需要深度多步驟推論，還是高頻快速回覆。處理重複性常見問題的客戶支援機器人可以在快速、低成本的模型上穩定運作，而互動式軟體架構師機器人則需要頂尖模型細膩的推論能力。
3. 設計系統提示詞
系統提示詞是機器人的核心作業手冊。在任何使用者互動開始之前，Poe 會將該文字作為系統指令傳遞給底層基礎模型。
Poe 上的關鍵提示詞工程原則包括：
- 採用第二人稱直接指稱： 以「你」（You）稱呼機器人，而非使用第三人稱（例如，使用「你是一名專業技術編輯」，而非「該機器人是一名技術編輯」）。
- 明確的角色定義： 確立精確的身分、專業背景與領域邊界。
- 明確限制條件： 詳細說明機器人不能做什麼。否定限制（例如「嚴禁在未引用具體章節標題的情況下進行總結」或「絕不在標準合約條款之外提供法律建議」）可有效防止偏離主題或產生高風險輸出。
- 結構化排版規則： 使用 Markdown 標題、項目符號或括號範本
[Template]來指定所需的回覆版面配置。 - 少樣本範例（Few-Shot Demonstration）： 在提示詞中提供一到兩個簡潔的輸入/輸出範例，可顯著提升模型在極端情況下的表現一致性。
創作者可以切換 Prompt visible from bot profile（在機器人資料頁公開提示詞）開關。保持開啟可讓其他建置者檢視並學習您的提示詞，而關閉該選項則可保護專有提示詞工程與商業邏輯。
4. 整合知識庫（RAG）
Poe 內建了原生檢索增強生成（RAG）引擎，允許提示詞機器人取用專屬文件。
Poe 知識庫的設定重點包括：
- 支援的檔案格式： 創作者可以上傳
.pdf、.docx、.txt與.html格式的檔案，也可以直接將純文字貼到控制台中。 - 容量上限： 每個知識庫最多支援 5 GB 的上傳資料，或所有上傳資料來源合計最多 3,000 萬個字元。
- 自動分塊與檢索： 當使用者提問時，Poe 會在上傳的文件中搜尋語意相關的文字區塊，並將其注入到模型的上下文視窗中。
- 來源引用： 開啟「Cite sources」（引用來源）開關會指示模型產生內嵌引用並啟用專屬引用 UI 徽章，方便使用者對照原始文件核實事實陳述。
5. 設定使用者導覽與問候語
問候語是在使用者發送第一筆提問前顯示於聊天視窗中的引導文字。一則有效的問候語應當：
- 用一句話說明機器人的核心功能。
- 列出使用者需要提供的具體資訊或檔案。
- 提供兩到三個範例提示詞或問題，幫助使用者立即上手。
進階機器人設定
Poe 提供了數項控制項以微調使用者互動與輸出機制：
自訂溫度（Temperature）
溫度設定用於控制生成回覆的隨機性：
- 低溫度（0.0 – 0.3）： 最大限度減少隨機性，產生具確定性、事實性且可重現的回覆。此設定非常適合程式設計助手、財務計算、政策查詢機器人以及知識庫檢索。
- 中等溫度（0.4 – 0.7）： 提供連貫性與語言多樣性之間的良好平衡，適合一般對話、商務通訊以及結構化教學輔導。
- 高溫度（0.8 – 1.0）： 引入創造性變化與豐富詞彙，最適合創意小說創作、腦力激盪與詩歌撰寫。
建議回覆（Suggested Replies）
啟用 Suggest replies（建議回覆）會指示底層模型在每則回覆後產生兩到四個上下文相關的後續動作按鈕。這能降低行動裝置上的輸入負擔，並引導使用者完成多階段工作流程，而無需手動輸入複雜指令。
Markdown 與即時預覽（Live Previews）
預設情況下，Poe 使用 GitHub 規格 Markdown（GFM）渲染輸出，支援表格、粗體排版、清單以及語法醒目提示的程式碼區塊。（出於安全考量，針對 Markdown 中的外部圖片連結，Poe 僅允許渲染來自 Imgur 與 Unsplash 等受信任圖床的內容）。
針對軟體與設計工作流程，創作者可以啟用 Optimize prompt for Previews（針對預覽最佳化提示詞）。該功能會注入專門的指令，引導模型輸出獨立的 React 元件（標有 type=react）或自適應的單一檔案 HTML/CSS/JavaScript 應用程式。Poe 會在聊天介面中直接渲染這些程式碼產物，讓使用者能夠在對話中與即時計算機、儀表板小工具和迷你遊戲進行互動。
工作流程藍圖
以下藍圖展示了如何針對特定情境組合基礎模型、提示詞與設定項。
工作流程 1：客戶支援與文件機器人
- 目標任務： 嚴格根據產品文件庫回答使用者提問。
- 建議基礎模型： Claude 3.5 Sonnet 或 GPT-4o-mini。
- 溫度： 0.1 到 0.2。
- 知識庫： 上傳的產品使用手冊（
.pdf）、API 參考（.html）以及疑難排解 FAQ（.txt）。 - 引用設定： 開啟。
- 提示詞架構：
- 指示機器人僅使用檢索到的知識庫片段回答問題。
- 要求在資訊缺失時明確承認：「若提供的文件未解答該問題，請說明該資訊無法提供，並引導使用者聯絡 support@example.com。」
- 指示機器人使用清楚的逐步編號說明來組織答案。
工作流程 2：行銷文案與品牌人設機器人
- 目標任務： 產生符合品牌規範的多通路行銷文案。
- 建議基礎模型： Claude 3.5 Sonnet 或 GPT-4o。
- 溫度： 0.6。
- 知識庫： 品牌語調指南、語氣風格範例以及目標客群輪廓（Buyer Persona）簡報。
- 提示詞架構：
- 定義品牌人設、核心詞彙以及禁用行話。
- 要求機器人在起草前提出三個釐清問題（目標平台、行銷活動目標、核心客戶痛點）。
- 包含電子報、LinkedIn 思想領導力貼文以及短文案廣告變體的結構化範本。
工作流程 3：互動式 UI 原型建構機器人
- 目標任務： 隨選建構互動式 React UI 元件。
- 建議基礎模型： Claude 3.5 Sonnet。
- 溫度： 0.2。
- 進階設定： 開啟「Optimize prompt for Previews」與「Render markdown content」。
- 提示詞架構：
- 強制採用具備 Tailwind CSS 樣式與預設匯出的單一檔案 React 元件結構。
- 將外部匯入限制在受支援的標準函式庫內（如
lucide-react、recharts與@headlessui/react）。 - 要求版面具備響應式設計，能適配行動端與桌面端螢幕。
工作流程 4：蘇格拉底式教育導師
- 目標任務： 引導學生進行問題解決，而非直接給出答案。
- 建議基礎模型： GPT-4o 或 Claude 3.5 Sonnet。
- 溫度： 0.4。
- 進階設定： 開啟「Suggest replies」。
- 提示詞架構：
- 指示機器人扮演蘇格拉底式導師，將複雜問題拆解為可逐步解決的子問題。
- 禁止預先給出完整解決方案；引導使用者嘗試完成每一個步驟。
- 設定問候語提問：「你今天正在學習什麼學科和概念？」
營現與分發
Poe 內建了創作者營現機制，允許建置者將自訂機器人轉化為可獲利的資產：
- 算力點數定價： 創作者可以為每則訊息設定固定的算力點數費用，或參與動態浮動定價。當使用者與付費機器人互動時，點數將從其 Poe 訂閱額度或額外購買的點數餘額中扣除。
- 創作者收益分潤： Poe 根據機器人使用量以及透過創作者機器人帶來的使用者訂閱來發放現金獎勵。
- 機器人分享與探索： 每個機器人都會獲得一個專屬 URL（
poe.com/<BotHandle>），可分享至社群媒體、嵌入網站或發布在 Poe 機器人的公開探索目錄中。
測試與反覆最佳化
在向更廣泛的受眾發布機器人之前，創作者應當在預覽聊天中測試極端情況：
- 知識邊界測試： 提出知識庫以外的問題，確保機器人承認缺乏相關背景資訊，而非捏造答案。
- 指令遵循測試： 在給出模糊或包含多個部分的使用者輸入時，測試機器人是否遵守格式限制（例如表格版面或字元數限制）。
- 點數成本審查： 確認所選基礎模型在提供預期回覆品質的同時，不會對一般使用者造成不必要的點數負擔。
透過協同調整基礎模型能力、結構化提示詞指令以及具針對性的知識庫，創作者能夠部署穩健、可靠的 Poe 機器人，在各類商業與創意工作流程中持續創造價值。