把長資料交給 AI 來做事時，想要它遵守的指示應該寫在資料前面，還是後面？閱讀 Anthropic、Google、OpenAI 三家的指南後，答案會因公司而異。

因此，IT 連結地圖編輯部把資料・命令・指示三者重新排列成 8 種組合，請 4 個模型用同樣的方式改寫，做了這項實驗。圖 1 整理了方法、結果與結論。

• 方法：將資料・命令・指示三個部分排成 8 種組合，各重寫 3 次，並以遵守的指示數作為分數（滿分 8 分）。在 Claude Haiku 5.5 中，將放在提示詞前面的內容（工具說明・SKILL・CLAUDE.md）改成 4 種情境。
• 結果：Claude Fable 5.1、Gemini 4 Argon、Gemini 3.8 Flash Low 不論順序如何，都遵守指示並拿到滿分 8 分（Gemini 4 Argon 因使用量限制，只測了 6 種排列）。只有 Claude Haiku 5.5 出現差異：在沒有工具時，把資料放在最後的排列（平均 7.8 分）比把資料放在最前面的排列（平均 6.7 分）分數更高。當工具・SKILL・CLAUDE.md 放在提示詞前方時，差距不到 0.5 分。寫在資料中間的指示，36 次中有 28 次沒有遵守。
• 結論：三家廠商的建議與編輯部的實驗結果略有不同，但重點是不要把指示與命令寫在提示詞中間。請把它們寫在資料外面（開頭或結尾）。

這篇文章的數據與出處，也已整理在 IT 連結地圖的 guide「AI 不遵守指示時」中。

語詞定義

與強調「執行本身」的命令相比，指示還包含步驟與方針的細微差別。本文把要 AI 做的工作（改寫、摘要）稱為「命令」，把關於做法的要求稱為「指示」。三者合起來的整段文字，就是送給 AI 的提示詞（什麼是提示詞）。

在三家指南中，屬於命令的內容被稱為「問題（query / question）」，而指示則寫成「instructions」。那麼，三家公司各自是建議寫在哪裡呢？

1. AI 大廠 3 家的建議有何不同？

關於提供長資料的情境，三家指南寫的是下面這些內容。

（註）本文將 OpenAI 建議的「把指示寫在資料前後兩側」稱為「三明治型」，因為資料被前後兩段指示夾住了。在第 4 節與第 5 節中，也測試了這種形式。

Anthropic 建議在長資料情況下，把問題・指示・範例放在資料後面；Google 建議把問題放最後；OpenAI 建議把指示放在資料前後兩側，若只寫一次則放前面。OpenAI 同一份指南也提到，若指示彼此衝突，GPT-4.1 較傾向遵從接近提示詞結尾的那一個。也就是說，有些公司建議放「前面」，有些建議放「最後面」。三家原文的完整內容可在 guide「什麼是提示詞」的出處中開啟。

另一方面，三家都建議把內容寫在資料的前或後，也就是資料的邊緣，沒有任何一家說要寫在資料正中間。關於長輸入的邊緣與中間會讓 AI 成績不同，最知名的研究之一就是「Lost in the Middle」論文。

2. 論文中的「Lost in the Middle」詳細說了什麼？

Liu 等人（2023）的論文「Lost in the Middle: How Language Models Use Long Contexts」移動了長輸入中與答案相關資訊的位置，並指出當資訊在開頭或結尾時表現較高、放在中間時則大幅下降，呈現 U 字形趨勢。在 GPT-3.5-Turbo 上，於 20、30 份文件的最差位置，分數甚至低於完全不提供文件就作答的 56.1%。

不過，論文移動的是包含答案的文件位置，以及要求模型搜尋的關鍵位置，並沒有移動指示的位置。論文只推測：由於訓練資料中的指示多半放在輸入開頭，模型可能更重視輸入的前段。論文實際測量了什麼、沒測什麼，已整理在 guide「Lost in the Middle 是什麼」中。

除了「寫在邊緣」這個話題外，還有一篇研究「Prompt Repetition Improves Non-Reasoning LLMs」指出，「同一個問題連續給兩次」會更有效。在關閉推論（thinking）的 7 個模型中，70 個測試有 47 個進步，沒有任何測試變差。不過同一篇研究也寫到，一旦啟用推論，效果幾乎沒有到只有些微改善而已（guide「什麼是提示詞」）。

也就是說，從研究中無法得到「指示該寫在最前面還是最後面」的答案。因此編輯部決定自己做實驗。不過在那之前，還有一件事要先確認。像 Claude Code 這類 AI Agent，提示詞真的是 AI 模型收到內容的最前面嗎？

3. 提示詞前面放的是什麼？

研究與三家指南談的是提示詞中的位置。然而，使用像 Claude Code 這類 AI Agent 時，送到 AI 模型的並不只有提示詞。在提示詞前面，產品還會加入以下內容：

• 工具說明：例如讀取檔案、執行指令等工具的名稱與用法。
• 系統提示詞：產品提供給 AI 模型的前言文字。
• SKILL 說明：只會加入 SKILL 的名稱與說明，本文會在使用時才讀取。
• 指示檔：例如工作資料夾中的 CLAUDE.md。Codex 與 Antigravity 的 CLI 會讀取 AGENTS.md。

關於順序，Anthropic 文件寫的是「the cache follows the hierarchy: tools → system → messages」。Claude Code 文件則寫到，CLAUDE.md 會「delivered as a user message after the system prompt」。也就是說，工具說明・系統提示詞・CLAUDE.md 之後，才輪到本次提示詞。至於 SKILL 說明插在前置內容的哪個位置，文件沒有寫出來。

圖中的數字，是在實驗所用的 4 種條件下，透過 Claude Code 的 /context 顯示後計算出的。

• ① 無工具：以 --tools "" 啟動 Claude Code。提示詞前只有系統提示詞（3.1k token）。
• ② 有工具：不加旗標的平常 Claude Code。會加入工具說明（8.3k）與一開始就內建的 14 個 SKILL 說明（2.2k）。
• ③ ②＋CLAUDE.md：在工作資料夾中放入以英文撰寫的開發規範 CLAUDE.md（2 萬位元組・6.8k token）。內容沒有提到書寫方式的 8 項規則。
• ④ 較多：將 CLAUDE.md 增加到 8 萬位元組（27k token），再加上 20 個開發流程文件的 SKILL 與一個包含 50 個工具的 MCP 伺服器。

在①中，提示詞幾乎就在脈絡的最前端；在④中，提示詞前面已有約 4 萬 token 的文字。關於脈絡中會包含什麼內容，可參考 guide「什麼是脈絡」。

提示詞的開頭，不一定等於整個脈絡的開頭。即便如此，只要改變提示詞內部的排列方式，AI 的遵從程度會變嗎？

4. 該如何進行實驗？

實驗中，我們把圖中的三個部分合併成一則訊息送給 AI，請它改寫資料。

• 資料：總務省「令和7年版 資訊通信白皮書」本文。使用了短資料（2,893 字）與長資料（39,875 字）兩種。長資料中，會在與短資料相同的段落前後加上標記，請它只改寫那一部分。因為若要讓 4 萬字全部改寫，回覆長度上限會卡住，無法比較。
• 命令：「請依【書寫規則】改寫【文章】」。為了讓三個部分即使重新排列後仍能通順，其他部分不使用「下一個」「上面的」這類詞，而是以標籤名稱指稱。
• 指示：包含 8 項，例如使用書面語、每句不超過 70 字等。

排列方式是把三個部分的 6 種順序，再加上以下 2 種，共 8 種：

• 三明治型：將指示與命令同時放在資料的前後兩側。為了驗證第 1 節中 OpenAI 的建議而加入。
• 兩次重複：將「指示→資料→命令」連續重複 2 次。為了驗證第 2 節中「重複兩次會更好」的研究而加入。

評分以程式進行。每條指示各算 1 分，若回覆遵守該項就給 1 分，滿分 8 分。例如「請用書面語」這項，只要句尾以「です」「ます」等結尾的句子占 95% 以上，就判定為遵守。

所使用的模型共有 4 個。2026 年 10 月 18 日，使用 Claude Code 2.1.302 的 Claude Fable 5.1（預設模型）與 Claude Haiku 5.5（小型模型），以及 Antigravity CLI 1.4.2 的 Gemini 4 Argon（預設模型）與 Gemini 3.8 Flash Low（小型模型），各請求 8 種排列 × 2 種資料，並各重試 3 次。Claude Code 使用條件①（無工具）執行。Antigravity CLI 沒有關閉工具的設定，因此 Gemini 的兩個模型都處於平常狀態，也就是在提示詞前有工具說明等內容。隔天 10 月 19 日，只針對 Claude Haiku 5.5，將第 3 節的 4 種條件各在相同時段重試 3 次（共 192 次）。實驗條件的完整內容，已載於 guide「AI 不遵守指示時」中的「調查細節」。

那麼，改變排列順序，以及改變提示詞前方包含的內容，分數會改變嗎？

5. 排列順序會變分數嗎？

首先比較了 4 個模型（10 月 18 日・圖中的①）。

• Claude Fable 5.1 不論 8 種排列為何，短資料與長資料的 3 次結果都拿到 8 分。
• Gemini 3.8 Flash Low 也在 8 種排列 × 2 種資料的全部情況下都是 8 分。
• Gemini 4 Argon 因使用量限制，只測了短資料的 6 種排列，全部都是 8 分。
• 只有 Claude Haiku 5.5 會因排列而改變分數。資料→命令→指示的平均分較低，只有 6.2 分；指示→命令→資料則較高，平均 7.8 分。

會因排列而出現差異的，只有 Claude Haiku 5.5。因此隔天又用 Claude Haiku 5.5，把提示詞前方的內容改成 4 種情境，重做了同樣的實驗（10 月 19 日・圖中的②）。

• 在無工具（條件①）時，把資料放在最後的兩種排列（命令→指示→資料、指示→命令→資料）平均 7.8 分，為最高組。把資料放在最前面的兩種排列（資料→命令→指示、資料→指示→命令）平均 6.7 分。這與前一天相同方向的差異。
• 在有工具・＋CLAUDE.md・較多這三種條件下，基本的 6 種排列平均都在 7.0～8.0 分。無論資料放前面還是最後面，差距在任何條件下都不到 0.5 分。

也就是說，即使是 Claude Haiku 5.5，當工具說明或 CLAUDE.md 放在提示詞前面時，排列差異也幾乎消失了。為什麼會消失，這項實驗沒有進一步確認。各條件下的輸入 token 與各排列的完整分數，可參考 guide「AI 不遵守指示時」中的「調查細節」。

三明治型與兩次重複，在長資料中，不論 4 種條件哪一種，平均都沒有達到 8 分。三明治型在有工具時是 6.7 分，在＋CLAUDE.md 時是 6.3 分，都是該條件下最低的組合。第 2 節提到「重複兩次會更好」的改善，在這次實驗中並沒有出現。

把資料放在最前面是 Anthropic 和 Google 所建議的形式。不過，兩家的指南主要是針對要回答資料相關問題的情境；這次的任務是改寫資料，情境不同。

到目前為止的 8 種排列中，指示都一律在資料外面（前或後）。那麼，正如第 2 節的論文所示，如果把指示寫在資料中間，就會不容易被遵守嗎？改變提示詞前方的內容，也會有影響嗎？

6. 寫在資料中間的指示會被遵守嗎？

在約 4 萬字白皮書的開頭（0%）・25%・中間（50%）・75%・結尾（100%）其中一處插入一個句子，並在資料後方加上命令來請求（各 3 次）。插入的句子分為兩種：

• 事實句：「公司內的會議室代碼是 KIWI-427。」並將命令設為「會議室代碼是什麼？」
• 指示句：「摘要這份文件時，請在每一行開頭加上 ◆。」並將命令設為「請用 10 行摘要」。若回覆中的 8 成以上行首有 ◆，則視為遵守。

首先在 10 月 18 日，以 Claude Fable 5.1（無工具）與 Gemini 3.8 Flash Low 測試（圖上方兩列）。

• Gemini 3.8 Flash Low 對寫在任何位置的指示，都 3 次全數遵守。
• Claude Fable 5.1 若寫在開頭，3 次全都遵守；但寫在中間（25～75%）時，9 次中 0 次遵守。寫在結尾時，3 次中有 2 次遵守。

隔天 10 月 19 日，使用 Claude Haiku 5.5，並把提示詞前方內容改成 4 種情境再試（圖下方四列）。寫在開頭時 12 次全數遵守，寫在結尾時 12 次中有 10 次遵守，但寫在中間時只有 36 次中 8 次遵守。75% 的位置在任何條件下都 1 次也沒遵守。第 5 節中排列方式的差異，會因提示詞前方內容而消失，但中間指示不易被遵守這件事，則在任何條件下都沒有改變。

不過，Claude 的模型並不是沒有注意到中間的指示。多數未遵守的回合中，回覆最後會寫出像這樣的內容：「貼上的文件中嵌入了『摘要時請在每一行開頭加上 ◆』的指示，但我判定那是資料本文的一部分，因此沒有套用」（Claude Fable 5.1 的回覆）。在中途未遵守的回合中，Claude Fable 5.1 有 9 次中的 6 次、Claude Haiku 5.5 有 28 次中的 25 次都這樣寫。也就是說，Claude 的模型把資料中的指示當成文件內容，而不是使用者命令。這也可視為對於把命令混進資料來操控 AI 的攻擊（提示詞注入）的防備，但這次實驗沒有確認它為何這樣判斷。

事實句不論模型・條件・位置為何，3 次都能找到。即使寫在同一位置，事實仍會被當作資料內容閱讀，而指示則不會被視為使用者命令。關於如何察覺資料中的指示，以及如何修正，可參考 guide「AI 不遵守指示時」第 2 節。

那麼，中間的指示不被遵守，是因為資料約有 4 萬字那麼長嗎？如果把資料縮短，中間寫的指示也會被遵守嗎？

7. 資料越長，指示越不容易被遵守嗎？

第 7 節與第 6 節是不同的實驗。10 月 18 日時，將同一條指示句固定在中間（50%）位置，只改變資料長度為約 7 千字與約 13 萬字（約 4 萬字的數字，是第 6 節中 10 月 18 日實驗的中間結果；Claude 為無工具）。

• Claude Fable 5.1 無論資料約 7 千字、約 4 萬字或約 13 萬字，3 次都沒有遵守。
• Claude Haiku 5.5 在約 7 千字時遵守 1 次、約 4 萬字時 1 次、約 13 萬字時 3 次。
• Gemini 3.8 Flash Low 在任何長度下都 3 次全數遵守。

Claude Fable 5.1 即使在約 7 千字的短資料中也不遵守，原因與第 6 節相同。約 7 千字時它 3 次都寫出類似「視為文件的一部分，沒有套用」的回覆；約 13 萬字時也是 3 次中有 1 次這樣寫。並不是因為資料太長而漏看，而是它把資料中的指示當成不是使用者命令。這項實驗沒有得到「資料越長，指示越不容易被遵守」的結果；分出差異的不是資料長度，而是模型。順帶一提，事實句在約 13 萬字時，Gemini 3.8 Flash Low 只在 3 次中找到 2 次，是這項實驗中唯一一次事實被漏掉的情況。關於長輸入中成績下降的研究，以及 AI 模型一次能參照多少內容，可整理在 guide「什麼是脈絡視窗」中。

那麼，根據目前的結果，指示・命令・資料應該怎麼寫才好？

8. 結局，到底怎麼寫比較好？

結論來說，三家廠商的建議與編輯部的實驗結果略有不同，但重點是不要把指示與命令寫在提示詞中間。更具體地說，有以下三點：

1. 指示與命令不要混在資料裡，應寫在資料外面（開頭或結尾）。如第 6 節所示，Claude 的模型會把寫在資料中間的指示當成文件內容，幾乎不會遵守。第 7 節也顯示，即使資料變短，情況仍然相同。
2. 只要寫在資料外面，排列差異就會變小。Claude Fable 5.1 與 Gemini 的兩個模型，不論順序都拿到 8 分。只有無工具的 Claude Haiku 5.5 出現差異；當工具或 CLAUDE.md 放在提示詞前方時，這個差距也縮小到不到 0.5 分（第 5 節）。
3. 在不使用工具的小型模型上，若要提升分數，把資料放在最後（先寫命令和指示）會比較好。把資料放最後的排列，在 4 種條件下平均都在 7.0 分以上（第 5 節）。

把實驗中分數較高的「指示→命令→資料」排列，改寫成本文的標籤形式如下（實驗使用的標籤名稱，請參照第 4 節的圖）：

【指示】

1. 請用書面語。
2. 每句不超過 70 字。
3. 標題請以「### 」開頭。

【命令】
請依【指示】重新改寫【資料】。

【資料】
（請在此貼上資料）

OpenAI 建議的三明治型（把指示與命令同時放在資料前後兩側）在本文中並不特別推薦。因為在長資料時，4 種條件下平均都沒有達到 8 分，也沒有比把資料放最後更好。需要注意的是，OpenAI 的指南是針對 GPT-4.1 的建議，但這次因使用量限制，無法測到 Codex（GPT 模型）。

若是要讓 AI 回答資料相關問題，也請依三家指南的說法，試試把問題放在最後。這次的實驗是改寫資料，並沒有測試回答問題的任務。排列順序的影響，會隨模型、任務以及提示詞前方包含的內容而改變。當指示沒有被遵守時，確認的順序（是否有讀到、放置位置與順序、數量、是否衝突）已整理在 guide「AI 不遵守指示時」第 5 節。

這次實驗不能分開看的事情

這次是把 AI Agent 與模型成對進行實驗。Claude 的模型是在 Claude Code 中執行，Gemini 的模型則是在 Antigravity 的 CLI 中執行。因此，無法分辨結果究竟是 AI Agent 還是模型本身造成的。

例如，Claude 的模型把資料中的指示視為「文件的一部分」，到底是模型特性，還是受到 Claude Code 系統提示詞影響，這次實驗無法斷定。Gemini 的兩個模型是在 Antigravity CLI 的平常狀態下執行，也就是提示詞前面會有工具說明等內容，因此與 Claude 模型之間的差異也包含了 AI Agent 的不同。若要區分，必須用相同模型直接透過 API 呼叫，並以相同提示詞比較。

更詳細 — IT 連結地圖的 guide

• AI 不遵守指示時 — 確認順序，以及 10 月 18 日實驗的完整分數
• 什麼是提示詞 — 提示詞送達的位置・優先順序・排列方式・數量，以及三家指南的原文
• 什麼是脈絡 — AI Agent 每次送給 AI 模型的內容，於三種產品的測量結果
• Lost in the Middle 是什麼 — 論文測了什麼、不能說什麼、以及現在 AI 的結果
• 什麼是脈絡視窗 — 即使一次可參照的量很大，也不代表全部都能以相同方式使用的原因
• 指示要寫在哪裡 — 在對話、AGENTS.md、SKILL、檔案中，比較指示的遵守情況與 token 數量的實驗

第 5 節的②與第 6 節的 4 種條件實驗，於 2026 年 10 月 19 日使用 Claude Code 2.1.302 的 Claude Haiku 5.5 進行（312 次・錯誤 0）。第 5 節的①・第 7 節，以及前一天結果中寫出的數據，是在 2026 年 10 月 18 日，使用 Claude Code 2.1.302（Claude Fable 5.1・Claude Haiku 5.5・無工具）與 Antigravity CLI 1.4.2（Gemini 4 Argon・Gemini 3.8 Flash Low・平常狀態）所得。Gemini 4 Argon 因使用量限制，排列實驗只測了短資料的 6 種組合。Codex 0.163.0 也達到使用量限制，且次數無法對齊，因此未納入本文結果。

讀者問卷進行中
如果你希望我們更深入探討這個主題，請幫文章按讚。會依照按讚數較多的主題順序追加調查，結果將在新文章中公布（追蹤後可收到通知）。

原文出處：https://qiita.com/songchong/items/542892c6d4c569c9c15f