附錄 4：Prompting 心法 — 讓 AI 幫你寫 code

Tip

這章教你怎麼跟 AI 要 code——本書整套「📋 複製這段話，貼給 AI」就是這套心法的成品。速記版（三原則）在附錄 1 §B；這裡是完整版 + 可複製模板 + 病人隱私守則。

一句話心法

AI 是一個「打字飛快、但完全不認識你的資料、也不懂你臨床情境」的住院醫師；你是主治。

它能在 3 秒內生出 50 行 R code，但它不知道你的欄位叫什麼、不知道 faricimab 怎麼給、會把統計細節講得很有自信卻是錯的。你的工作不是「自己寫」，而是把情境講清楚、把產出驗證好。這章就是教你「把情境講清楚」。

一個好的 code prompt 的五個零件

幾乎所有「AI 寫出來的 code 跑不動 / 跑出怪東西」，都是因為少給了下面某一塊：

零件	你要給什麼	不給會怎樣
① 環境	「我在 RStudio / Posit.Cloud 跑 R」	AI 給你 Python，或裝不起來的套件
② 資料長相	貼 `glimpse(df)` 或欄位名 + 型別	AI 幻想欄位名（寫 `bcva_letters` 但你的是 `bcva`）→ 跑出 NULL
③ 明確任務	要做什麼、用哪個套件 / 函數	AI 自由發揮，用跟同學不一樣的做法
④ 輸出格式	「可直接貼 Console 跑、最上面加 `library()`、加中文註解」	AI 給一堆解釋、漏掉 `library()`、要你自己拼
⑤ 慣例 / 限制	「用 tidyverse 的 `\\|>`、用最新函數」	AI 給 5 年前的寫法（`gather()` 而非 `pivot_longer()`）

Note

②「資料長相」是新手最常漏、也最致命的一塊。 你不用貼整份資料，貼 glimpse(df) 的輸出（欄位名 + 型別 + 前幾筆）就夠 AI 對齊了。

萬用模板（複製去填）

把這個骨架存起來，每次要 code 就填空：

我在 Posit.Cloud 上的 RStudio 跑 R。

我有一個 data frame 叫 `___`，glimpse 長這樣：
[貼上 glimpse(df) 的輸出]

請給我 R code，用 `___`（套件 / 函數）做這件事：
1. ___
2. ___

要求：
- 可以直接複製貼到 RStudio Console 跑
- 最上面用 library() 載入需要的套件
- 用 tidyverse 的 |> pipe、用最新版函數
- 每段加繁體中文註解
- 先給 code，不用長篇解釋

填好之後再看一眼「五個零件」都齊了沒，就可以貼。

❌ vs ✅：四種常見情境

寫一段新的 code

❌ 「幫我畫 BCVA 隨時間的圖」

✅ 「我有 data frame fu_long，glimpse：[貼]。請用 ggplot2 畫 line plot：x = week、y = bcva_change、依 arm 上色，加 95% CI 的 error bar。可直接貼 Console 跑、加中文註解。」

Debug（最有價值的用法）

❌ 「我的 code 壞了，幫我看」

✅ 「我跑這段：[貼 code]，出現這個錯誤：[貼完整紅字]。我的資料 head 長這樣：[貼 5 列]。請告訴我原因和怎麼改。」

改寫 / 套到新資料

❌ 「改一下」

✅ 「下面這段是 trial 資料的 code：[貼]。請幫我改成讀 data/my_hospital_baseline.csv、欄位名一樣，其他邏輯不變。」

看懂別人的 code

✅ 「請幫我逐行解釋這段在做什麼，用繁體中文，假設我沒學過 R：[貼 code]」——本書「參考程式碼」看不懂時就這樣問。

對話節奏：開新 vs 續前

呼應本書每個任務標的 🆕 / ↩︎️ 記號（見 Part 1 的「對話管理」說明）：

🆕 開新對話：換新主題、或問一個獨立概念時。免費版 AI 上下文有限，別把所有東西塞進同一個對話，它會越來越鈍、忘記前面設定。
↩︎️ 續前對話：要 AI「改剛剛那段」「沿用剛剛的 model / 變數」時——它需要記得前文。

迭代回饋才是 AI 寫 code 的精髓，把它當 pair programming：

給情境 + 任務  →  AI 給 code  →  你跑  →  紅字 / 怪結果
      ↑                                         │
      └──────  貼錯誤 / warning / 期望 回去 ◀────┘
                （續前對話，一輪一輪逼近）

跑出 deprecation warning？把 warning 貼回去：「請改用最新版 dplyr/tidyr 寫法」。

🔒 病人隱私：絕對不要貼真實 PHI

這條沒有例外

不要把可識別的真實病歷資料（姓名、病歷號、生日、真實檢查值整表）貼進 ChatGPT / Gemini / Claude 等公開 AI。 那等同把 PHI 上傳到第三方，違反院內資安與 IRB 規範。

正確做法：AI 要的是「資料長相」，不是「真實資料」。給它：

欄位名 + 型別（glimpse() 的結構，把值遮掉也行）
2–3 列「假資料」（自己編的數字，schema 一樣就好）

本書全程用模擬資料正是這個道理——你跟 AI 練的是「拆需求、看 code」，真實資料留在院內 R 環境裡跑。

你一定要做的驗證

AI 會用非常有自信的語氣寫錯——尤其在「眼科專業」與「統計細節」：藥物分類、Q4W vs T&E、random effect 結構、CMH 權重公式、PSM 設定都常出錯。

把「驗證」當成你不可外包的責任：

對照教材：先翻本書對應任務的「參考程式碼」比對做法。
查 ref：方法概念不確定，回頭看 references.bib 引到的論文（Cheung 2025、Austin 2011、Ho 2011 等）。
跑 sanity check：結果跟 paper / 常識差太多就是有問題（例：Table 1 兩臂年齡差 20 歲、proportion > 100%）。
課堂現場統一用教材的參考程式碼跑，AI 版本可能用不同套件、不同預設，產出跟同學對不上。

更多踩雷案例見附錄 1 §C「三個常見坑」。

貼出去之前的健檢清單

講了環境（RStudio / R）？
貼了資料長相（glimpse() / 欄位名）？
任務具體（做什麼、用哪個套件）？
要求可直接跑 + library() + 中文註解？
這該是 🆕 開新 還是 ↩︎️ 續前 對話？
確認沒有貼真實病人資料？

六項都打勾，再按 Enter。

本章重點

AI = 打字快但不懂你資料的 RA；你是負責驗證的主治
好 prompt 五零件：環境、資料長相、明確任務、輸出格式、慣例
用「萬用模板」填空，最常漏的是「貼 glimpse(df)」
Debug 就把完整錯誤訊息貼回去；迭代 = pair programming
絕不貼真實 PHI——給 schema + 假資料就好
AI 會自信地寫錯統計，對照教材 + 查 ref + sanity check 是你的責任

# 附錄 4：Prompting 心法 — 讓 AI 幫你寫 code {.unnumbered} ```{r} #| label: setup-prompting #| include: false source("_common.R") ``` ::: {.callout-tip} 這章教你**怎麼跟 AI 要 code**——本書整套「📋 複製這段話，貼給 AI」就是這套心法的成品。速記版（三原則）在 [附錄 1 §B](appendix.qmd)；這裡是完整版 + 可複製模板 + 病人隱私守則。 ::: ## 一句話心法 > **AI 是一個「打字飛快、但完全不認識你的資料、也不懂你臨床情境」的住院醫師；你是主治。** 它能在 3 秒內生出 50 行 R code，但它**不知道你的欄位叫什麼、不知道 faricimab 怎麼給、會把統計細節講得很有自信卻是錯的**。你的工作不是「自己寫」，而是**把情境講清楚、把產出驗證好**。這章就是教你「把情境講清楚」。 --- ## 一個好的 code prompt 的五個零件幾乎所有「AI 寫出來的 code 跑不動 / 跑出怪東西」，都是因為少給了下面某一塊： | 零件 | 你要給什麼 | 不給會怎樣 | |---|---|---| | **① 環境** | 「我在 RStudio / Posit.Cloud 跑 R」 | AI 給你 Python，或裝不起來的套件 | | **② 資料長相** | 貼 `glimpse(df)` 或欄位名 + 型別 | AI **幻想欄位名**（寫 `bcva_letters` 但你的是 `bcva`）→ 跑出 NULL | | **③ 明確任務** | 要做什麼、用哪個套件 / 函數 | AI 自由發揮，用跟同學不一樣的做法 | | **④ 輸出格式** | 「可直接貼 Console 跑、最上面加 `library()`、加中文註解」 | AI 給一堆解釋、漏掉 `library()`、要你自己拼 | | **⑤ 慣例 / 限制** | 「用 tidyverse 的 `\|>`、用最新函數」 | AI 給 5 年前的寫法（`gather()` 而非 `pivot_longer()`） | ::: {.callout-note} **②「資料長相」是新手最常漏、也最致命的一塊。** 你不用貼整份資料，貼 `glimpse(df)` 的輸出（欄位名 + 型別 + 前幾筆）就夠 AI 對齊了。 ::: --- ## 萬用模板（複製去填）把這個骨架存起來，每次要 code 就填空： ```text 我在 Posit.Cloud 上的 RStudio 跑 R。我有一個 data frame 叫 `___`，glimpse 長這樣： [貼上 glimpse(df) 的輸出] 請給我 R code，用 `___`（套件 / 函數）做這件事： 1. ___ 2. ___ 要求： - 可以直接複製貼到 RStudio Console 跑 - 最上面用 library() 載入需要的套件 - 用 tidyverse 的 |> pipe、用最新版函數 - 每段加繁體中文註解 - 先給 code，不用長篇解釋 ``` 填好之後再看一眼「五個零件」都齊了沒，就可以貼。 --- ## ❌ vs ✅：四種常見情境 ### 寫一段新的 code ❌ 「幫我畫 BCVA 隨時間的圖」 ✅ 「我有 data frame `fu_long`，glimpse：[貼]。請用 `ggplot2` 畫 line plot：x = `week`、y = `bcva_change`、依 `arm` 上色，加 95% CI 的 error bar。可直接貼 Console 跑、加中文註解。」 ### Debug（最有價值的用法） ❌ 「我的 code 壞了，幫我看」 ✅ 「我跑這段：[貼 code]，出現這個錯誤：[貼完整紅字]。我的資料 head 長這樣：[貼 5 列]。請告訴我原因和怎麼改。」 ### 改寫 / 套到新資料 ❌ 「改一下」 ✅ 「下面這段是 trial 資料的 code：[貼]。請幫我改成讀 `data/my_hospital_baseline.csv`、欄位名一樣，其他邏輯不變。」 ### 看懂別人的 code ✅ 「請幫我逐行解釋這段在做什麼，用繁體中文，假設我沒學過 R：[貼 code]」——本書「參考程式碼」看不懂時就這樣問。 --- ## 對話節奏：開新 vs 續前呼應本書每個任務標的 🆕 / ↩️ 記號（見 Part 1 的「對話管理」說明）： - **🆕 開新對話**：換新主題、或問一個獨立概念時。免費版 AI 上下文有限，**別把所有東西塞進同一個對話**，它會越來越鈍、忘記前面設定。 - **↩️ 續前對話**：要 AI「改剛剛那段」「沿用剛剛的 model / 變數」時——它需要記得前文。 **迭代回饋**才是 AI 寫 code 的精髓，把它當 pair programming： ```dot 給情境 + 任務 → AI 給 code → 你跑 → 紅字 / 怪結果 ↑ │ └────── 貼錯誤 / warning / 期望回去 ◀────┘ （續前對話，一輪一輪逼近） ``` 跑出 deprecation warning？把 warning 貼回去：「請改用最新版 dplyr/tidyr 寫法」。 --- ## 🔒 病人隱私：絕對不要貼真實 PHI ::: {.callout-important title="這條沒有例外"} **不要把可識別的真實病歷資料（姓名、病歷號、生日、真實檢查值整表）貼進 ChatGPT / Gemini / Claude 等公開 AI。** 那等同把 PHI 上傳到第三方，違反院內資安與 IRB 規範。 **正確做法**：AI 要的是「資料**長相**」，不是「真實資料」。給它： - **欄位名 + 型別**（`glimpse()` 的結構，把值遮掉也行） - **2–3 列「假資料」**（自己編的數字，schema 一樣就好）本書全程用**模擬資料**正是這個道理——你跟 AI 練的是「拆需求、看 code」，真實資料留在院內 R 環境裡跑。 ::: --- ## 你一定要做的驗證 AI 會**用非常有自信的語氣寫錯**——尤其在「眼科專業」與「統計細節」：藥物分類、Q4W vs T&E、random effect 結構、CMH 權重公式、PSM 設定都常出錯。把「驗證」當成你不可外包的責任： 1. **對照教材**：先翻本書對應任務的「參考程式碼」比對做法。 2. **查 ref**：方法概念不確定，回頭看 `references.bib` 引到的論文（Cheung 2025、Austin 2011、Ho 2011 等）。 3. **跑 sanity check**：結果跟 paper / 常識差太多就是有問題（例：Table 1 兩臂年齡差 20 歲、proportion > 100%）。 4. **課堂現場統一用教材的參考程式碼跑**，AI 版本可能用不同套件、不同預設，產出跟同學對不上。更多踩雷案例見 [附錄 1 §C「三個常見坑」](appendix.qmd)。 --- ## 貼出去之前的健檢清單 - [ ] 講了**環境**（RStudio / R）？ - [ ] 貼了**資料長相**（`glimpse()` / 欄位名）？ - [ ] **任務具體**（做什麼、用哪個套件）？ - [ ] 要求**可直接跑 + `library()` + 中文註解**？ - [ ] 這該是 **🆕 開新** 還是 **↩️ 續前** 對話？ - [ ] 確認**沒有貼真實病人資料**？六項都打勾，再按 Enter。 ::: {.callout-note title="本章重點"} 1. AI = 打字快但不懂你資料的 RA；你是負責驗證的主治 2. 好 prompt 五零件：環境、資料長相、明確任務、輸出格式、慣例 3. 用「萬用模板」填空，最常漏的是「貼 `glimpse(df)`」 4. Debug 就把**完整錯誤訊息**貼回去；迭代 = pair programming 5. **絕不貼真實 PHI**——給 schema + 假資料就好 6. AI 會自信地寫錯統計，**對照教材 + 查 ref + sanity check** 是你的責任 :::