本案例依原書 9.3 Methodology 整理。
重建作者對 16 國使用的兩個固定 Prompt，理解 Role Prompting 與 Output Count Control。
作者為每一國分別查詢 Climate Concern 與 Climate Solution，使用相同句型與相同輸出數量，以提高跨國比較一致性。
| Task | 原書 Prompt | 設計理由 |
|---|---|---|
| Concern | “You are an expert in climate change research. Identify the 5 top climate change concerns in (country)”. | Role Focus＋固定 5 項 |
| Solution | “You are an expert in climate change research. Identify the 5 top climate change solutions in (country)”. | Role Focus＋固定 5 項 |
| Role Phrase | You are an expert in climate change research | 作者希望較聚焦 Scientific Resources |
| Output Limit | 5 | 跨 Country Consistency |
Excel 可將 Prompt、Country、Run Date、Output 1–5 分欄；AI 可協助 Label Normalization，但原始輸出名稱應另外保存。
研究沒有測試不同 Role Prompt 的 Effect Size；作者只解釋其設計動機。
Prompt Standardization 是跨地區比較的基礎，但「固定句型」仍不能保證不同時間或不同模型版本完全可重現。
請保留每一次 Country Prompt 的原始文字、模型版本、查詢日期與原始 Top-5 Output，再另建 Normalized Label 欄；不要覆蓋原始回答。