在將大語言模型引入高風險領域（如法律審閱、金融風控）時，最常遇到的挑戰是 AI 輸出的不確定性與「幻覺」。解決這一問題的關鍵，在於將嚴密的法律文書邏輯引入提示詞工程（Prompt Engineering）。
一、 結構化 Prompt 的四大核心要素
一個高可靠性的結構化提示詞，應當包含類似法律文本的嚴謹框架：
# Role: 金融合規風險初篩專家
## Definition & Context (定義與上下文)
- 適用標準：參照 FATF 40 條建議及通用監管導則。
- 任務目標：分析用戶輸入的業務模式描述，識別潛在合規風險要點。
## Boundaries & Constraints (邊界與限制)
1. 僅針對合規邏輯進行客觀評估，絕不提供具體法律訴訟建議。
2. 若輸入資訊缺失關鍵數據（如主體資質、資金路徑），必須明確指出「資訊不足」。
## Output Format (輸出格式)
請按以下 JSON/Markdown 結構輸出：
- [風險級別]: 高 / 中 / 低
- [主要法律依據]: 對應條款
- [建議排查事項]: 清單形式二、 實戰建議
透過設定清晰的排他性條款（Negative Constraints）與格式約束，可讓 AI 智能體的輸出穩定性提升 80% 以上，特別適合用於製作合同審查、監管政策快報等場景。