🔍
/ 快捷搜尋
審計查核
實務常用 ⭐
🔒 需遵循 ZDR 企業通道
分析性程序差異原因結構化分析提示詞
針對損益表科目重大變動，引導 AI 依審計準則結構化解析變動動因，產出供主辦會計師覆核的底稿初稿。
🤖 推薦模型：Google Gemini 2.0 / Claude 3.5 Sonnet
📜 適用規範：審計準則公報第 520 號「分析性程序」
⏱️ 預估節省工時：約 40~60 分鐘 / 份
⚙️
即時填入專案參數（動態插槽自動置換）
📝 最終 Prompt 預覽（可直接複製或調整）：
支援直接複製至 ChatGPT / Claude / Gemini / Copilot
💡 對應實務教學與會計師覆核避坑指南
模組一 · 提示詞工程核心心法
會計師事務所專屬 Prompt 撰寫黃金四角架構 (CRTB 法則)
在財會審計場景中，模糊的指令只會產生空洞的廢話。透過 Context (背景語境)、Role (角色定位)、Task (具體任務) 與 Boundaries (負向邊界)，能確保 AI 輸出符合審計準則與底稿規範。
❌ 常見無效寫法（缺乏邊界與語境）
幫我分析這家客戶今年的營業收入為什麼增加 30%，寫一份審計底稿。
⚠️ 問題：AI 會開始無中生有捏造虛構原因，且輸出格式無法直接納入正式工作底稿。
✅ 事務所標準黃金寫法（結構化錨定）
你是一位資深審計副理。請依據以下提供的「月營收明細」與「重大合約摘要」，依審計準則公報第 520 號編製分析性程序說明。嚴格遵循：1. 僅引用提供之數據；2. 區分價量動因；3. 產出 Markdown 表格供會計師覆核。
✨ 效果：AI 注意力 100% 聚焦在實質動因，杜絕幻覺，直接生成符合審計底稿標準的結構化產出。
模組二 · 審計防幻覺與來源溯源
如何避免 AI 捏造公報條號與未查數值？（Grounding 實戰技巧）
1. 負向約束聲明 (Negative Constraints)
在 Prompt 結尾強制加上：「若提供的資訊不足以推論結論，請直接回答『數據不足，待查證』，嚴禁自行推測數值或引用非給定文件之法條。」
2. 頁碼與段落引用錨定 (Citation Anchoring)
要求 AI 在每項推論後方標註來源段落：「請在每項查核結論後方，以 [底稿編號 P.X] 標明數字出處。」
3. NotebookLM 知識庫聯動
將龐雜的審計公報與函令整本上傳至 NotebookLM，利用其原生 Grounding 特性取得 100% 原始公報頁碼溯源。
模組三 · 資料安全與紅線防護
事務所資料敏感度三級分流與 ZDR 操作規範
🟢 綠燈：公開資料 (Public Data)
公開法規公報、上市公司已發布年報、官方函釋。可自由運用各類工具（含瀏覽器免費翻譯）。
🟡 黃燈：去識別化資料 (De-identified)
將客戶名稱改為「客戶 A」、真實金額乘上隨機係數。可用於一般訂閱制 AI 輔助分析邏輯。
🔴 紅燈：未公開底稿與機密 (Confidential)
未公開財報、明細帳、薪資底稿。一律強制使用具備 ZDR (零資料保留) 之企業級 API 或受控環境！
🧪 互動式 AI 執行沙盒模擬
模擬事務所同仁將 Prompt 送交模型執行之即時回傳效果與審計勾稽核驗。
// 點擊上方「⚡ 模擬執行生成」按鈕以模擬 AI 執行輸出效果...