我會先查核情報蒐集、來源驗證與金融業資料治理的權威指引，再改寫成可直接放進 ChatGPT 專案的提示詞。成品會分成「專案指示」與「參考附件」，並加入實際搜尋流程、證據分級、矛盾處理，以及供分行行員使用的輸出格式。

已確認幾項適合納入的依據：美國 ODNI 的情報分析標準要求區分事實、假設與判斷；NIST 強調生成式 AI 的內容查核與來源追溯；臺灣金管會則有可供查核分行基本資料的公開資料集。

我會再加入兩個對銀行實務重要的控制：同一消息被多家媒體轉載時不能算作多重獨立證據，以及內部資料不得因為上傳到專案，就被預設為可以對外揭露。

AI 的工作過程（點開看）

已搜尋 12 個網站

整理寫作規劃

我正在把需求整理成兩份可直接使用的 Markdown 文件：一份是專案指令，另一份是附帶來源與引用說明。我會先核對外部資料，再完成檔案內容與格式檢查。

整合指令內容

我正在補充來源分類、搜尋策略、驗證標準、資料生命週期與「一事一紀錄」規則，並會把官方聲明與實際事件明確區分，避免把摘要或未驗證資料當成證據。

完成規則設計

我正在補上證據狀態、個資最小化、AI 不過度推論、監測觸發、報告追溯與品質檢查，並會把「事實、來源聲明、分析線索」分開呈現，保留衝突與未知。

完成寫作規劃與規則設計

已搜尋 8 個網站

正在撰寫情報查證專案文件

完成提示詞與來源

我已把內容整理成可直接使用的專案指令與來源附錄，涵蓋資料生命週期、證據分級、衝突保留、個資最小化、監測觸發與品質檢查。相關文件已完成，並可直接編輯使用。

完成提示詞與來源整理

撰寫情報查證專案文件

處理時間為 4m 8s

20261103｜銀行分行｜情報蒐集與查證專案提示詞 V1.0

已完成修訂，整理成可直接部署於 ChatGPT 專案的 V1.0 提示詞，並附上 11 項經查核的參考來源、原始網址及採用理由。

〔專案提示詞 V1.0〕

完整工作指示，可複製至 ChatGPT 專案設定

---

〔參考附件：原始資料與引用理由〕

11 項來源，涵蓋情報分析、公開資料查證、銀行法規及 AI 治理

---

〔下載完整 ZIP 套件〕

含上述兩份 Markdown，使用英文檔名便於下載與交接

一、我修改了哪些核心設計？

原本的四項功能方向正確，但缺少足以讓不同分行行員重複執行、並維持查核品質的程序。

新版擴充為以下六個階段：

01｜確認情報需求

指定銀行、分行、地區、時間及研究問題

02｜蒐集原始證據

官方公告、公開資料、可信媒體及授權內部資料

03｜資料整理與去重

建立事件紀錄、追溯消息原點、合併重複報導

04｜交叉查證

證實、部分證實、待確認、來源矛盾、已更正

05｜情報分析

區分事實、變化、推論與待人工判斷事項

06｜輸出與持續更新

情報摘要、查核報告、簡報及新舊版本比較

其中有三項設計特別重要。

第一，區分消息來源數量與獨立證據數量。 同一篇銀行新聞稿被五家媒體轉載，仍然可能只有一份原始證據。必須追溯消息來源，而不能單純用報導數量判定可信度。

第二，要求 AI 對個別事實提出證據狀態。 例如銀行宣布試辦某項服務，只能確認「已宣布試辦」。是否正式全面實施，需要另外取得證據。這個處理方式參考 ODNI 的情報分析標準，尤其是事實、假設及分析判斷的區分。[ICD 203 3. The IC Analytic Standards serve as a c; 國家情報總監辦公室]

第三，建立人工判斷的交接機制。 來源矛盾時，AI 應呈現雙方的原始依據、差異及資訊缺口，而非自行產生一個貌似精確的可信度百分比。這也符合 NIST 強調生成式 AI 產出應進行來源查核及人工檢驗的方向。[Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile; Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile]

二、參考附件如何選擇資料來源？

完整附件包含 11 項來源，以下為其中最重要的六項。

原始資料來源	採用理由
ODNI｜ICD 203	建立客觀性、證據追溯、相反證據與分析判斷標準。
Verification Handbook	提供數位內容、原始消息及跨來源查證的方法。
NIST｜AI 600-1	控制 AI 生成錯誤、資料來源不明及資訊完整性風險。
金管會｜金融機構基本資料	查核分行名稱、機構代號、地址與異動資料。
中央銀行｜全國金融機構一覽	查詢金融機構及總分支機構資訊，並核對資料基準日。
銀行法	確認銀行客戶資料的保密義務與相關法律界線。

完整附件另收錄個人資料保護法、Bellingcat 開放來源研究工具，以及 OpenAI 的專案管理、資料隱私與提示詞注入安全指引。

三、實際放進 ChatGPT 專案的方式

建議將兩份檔案分開使用：

1. 將 project_instructions.md 的內容複製到 ChatGPT 的「專案設定 → 專案指示」。
2. 將 source_references.md 上傳至「專案來源」，作為方法及查核準則的參考。
3. 實際研究時，另外加入各分行的公開公告、歷史報告及經核准使用的內部資訊。

ChatGPT 專案可保存指示與參考檔案，也能使用可用的搜尋及連結資料來源功能，但專案本身不會因此自動執行每日網路監測。[ChatGPT 中的專案; Projects in ChatGPT]

另外，銀行內部資料是否可以上傳至 ChatGPT，應以銀行核准的工具與資訊安全規範為準。不同 ChatGPT 方案的資料使用條件也有所差異，單靠提示詞無法取代存取權限與資料治理措施。[Business data privacy, security, and compliance; ChatGPT 中的專案]

四、供行員立即測試的示例

以下是能直接用於新專案的第一個研究任務。

請針對臺北市信義區的銀行分行，蒐集 2026 年 10 月 1 日至今公開發布的分行搬遷、營業調整、產品活動，以及與地方商圈合作的消息。

請依照本專案的情報蒐集與查證程序執行：

1. 優先使用主管機關資料、銀行正式公告及其他可追溯的原始資訊。
2. 同一事件若有多家媒體轉載，請追溯原始來源並去除重複資料。
3. 將事件區分為已確認、部分確認、待確認、來源互有矛盾及已更正。
4. 對無法取得全文的資料，明確註明實際取得程度。
5. 將查得的事實與可能的分行業務影響分開呈現。

最後請產出一頁情報摘要、事件查核表及完整來源清單。每項關鍵事實必須可以追溯到原始出處。

不得蒐集個別客戶的非公開資料，也不要將未經證實的市場消息當作確定事實。

這套 V1.0 已適合用於分行情報蒐集的實務訓練。若後續要擴充為每日更新的正式情報系統，建議保留本版提示詞作為查證規則，再另外建立結構化事件資料庫與監測排程，讓每次新增資料都能與歷史紀錄比較。

我會把現有內容改成「精簡核心提示詞＋專案參考檔案」的架構，直接製作可上傳的 Markdown 檔案與 ZIP。核心只保留不可省略的規則，搜尋、查證、分析、輸出範本與銀行事實檔各自獨立；銀行範例先採玉山銀行，並標明資料日期與查核狀態。

已決定採用 10 個檔案的模組化架構，其中核心提示詞只負責任務判斷與查證底線，其餘資料由參考檔支援。玉山銀行範例會使用官方分行據點頁面，建立可查證的分行基本資料；對於沒有取得的異動日期、活動成效或分行總數，會保留未知狀態，不自行補值。

AI 的工作過程（點開看）

建立資料包規劃

我會整理核心提示詞、事實資料模板、來源登錄表、研究流程與銀行範例，並檢查既有檔案是否可整合，讓整套系統能直接落地使用。

建立資料包規劃

檢閱既有專案文件

整理資料來源

我會優先採用銀行官網、主管機關、官方研究與標準文件，並把每項事實附上來源、日期與用途，避免把推測誤寫成已驗證資訊。

整理資料來源

已搜尋 12 個網站

閱讀 PDF 技能指南

閱讀 PDF 技能指南

規劃資料包內容

我會加入可確認的示範事件、CSV 欄位結構、玉山銀行範例檔、來源目錄與更新日期，並清楚區分官方事實、推論與待查證項目。

設計檔案結構

我會製作一份精簡但可擴充的資料包，包含核心指令、研究與證據規則、銀行範例、輸出模板、治理說明、欄位字典，以及可直接套用的 CSV 範本。

規劃資料包內容並設計檔案結構

整理核心檔案

我會將資料包控制在十個檔案內：八份 Markdown 加兩份 CSV，涵蓋讀我、核心指令、搜尋、證據分析、輸出、銀行範例、安全檢核、參考來源，以及事件與事實資料表。

整理核心檔案

已搜尋 3 個網站

讀取試算表技能指南

讀取試算表指南並建立銀行分行情報專案檔案

完成資料包

我已規劃十份檔案，涵蓋核心提示詞、搜尋、證據判讀、輸出範本、銀行事實範例、治理檢核、參考來源，以及事件與事實 CSV，可直接下載後使用。

完成資料包整理

已搜尋 1 個網站

更新銀行代碼來源並重建專案壓縮檔

更新銀行代碼來源並重建專案壓縮檔

處理時間為 6m 11s

已完成 銀行分行情報蒐集專案 V2.0。我建議採用「精簡核心提示詞＋模組化參考資料」的架構，並已製作成 10 份檔案。

核心提示詞長度

縮短約 80%

原版 4,265 → 新版 859 字元

完整套件

10 份檔案

9 份 Markdown、1 份 CSV

銀行情報蒐集專案 V2.0

包含核心提示詞、搜尋規則、分析方法、輸出範本、玉山銀行事實資料與引用來源。已檢查 ZIP 壓縮檔完整性。

[下載完整 ZIP 套件]

一、新版的檔案架構

檔案	用途
00_README.md	專案安裝、檔案導覽及使用規則
01_CORE_INSTRUCTIONS.md	精簡的核心提示詞
02_SEARCH_PROTOCOL.md	搜尋策略、資料來源優先順序、查詢範圍
03_EVIDENCE_ANALYSIS.md	證據分級、交叉查證、去重與分析
04_OUTPUT_TEMPLATES.md	情報快報、完整報告、簡報及定期更新格式
05_BANK_PROFILE_ESUN.md	玉山銀行官方資訊及分行基本資料
06_GOVERNANCE_QA.md	內部資料保密、資訊安全及品質驗收
07_SAMPLE_TASKS.md	行員可直接使用的情報研究任務
08_REFERENCE_SOURCES.md	13 項原始資料來源及採用理由
09_ESUN_VERIFIED_FACTS.csv	四處玉山銀行分行的結構化事實資料

二、核心設計的改變

新版核心提示詞保留六項必要工作：界定研究問題、搜尋原始資料、逐項查核事實、區分分析推論、保護內部資訊，以及依任務產出結果。

細節則由專案參考檔案提供。例如，當行員要求調查某個分行是否搬遷時，AI 應依照 02_SEARCH_PROTOCOL.md 搜尋，並使用 03_EVIDENCE_ANALYSIS.md 確認不同報導是否出自同一份公告。

這種安排符合 ChatGPT Projects 將專案指示與參考來源分開管理的機制。不過，加入來源檔案並不保證模型每次都會讀完所有附件，因此新版核心明確規定依任務選讀相關檔案。[Projects in ChatGPT; Creating and editing documents, spreadsheets, and presentations with ChatGPT Work]

三、玉山銀行事實檔案示例

已利用官方雙語分行列表建立四筆臺北市信義區分行紀錄，包括基隆路、信義、松山及南山廣場分行。每筆紀錄保留分行代碼、地址、電話、服務時間、特殊服務註記、來源網址與查閱日期。這是經查核的部分據點示例，不代表完整分行名冊或即時營業狀態。[Bilingual Branch; 金融機構基本資料查詢 ｜ 政府資料開放平臺]

〔下載玉山銀行事實資料 CSV〕

四、方法論依據

參考附件中特別採用三類方法：ODNI 的情報分析標準，用於事實、假設、判斷與替代解釋；Verification Handbook 的原始內容查證方法，用於辨識轉載及來源鏈；NIST 的生成式 AI 風險框架，用於避免將未驗證的生成內容當作證據。[國家情報總監辦公室; Verification Handbook: homepage; Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile]

五、部署建議

實際使用時，將 01_CORE_INSTRUCTIONS.md 複製進 ChatGPT 的「專案指示」，其他九份檔案放入「專案來源」。未來更換追蹤銀行時，主要更新銀行事實資料檔即可，搜尋、查核及報告方法可以共用。

目前已完成套件製作及壓縮檔檢查，尚未將檔案上傳到你的 ChatGPT 專案。

我建議將 V2.0 作為分行行員情報蒐集訓練的基礎版本。後續最值得增加的是「每次搜尋的事件紀錄與歷史版本資料」，如此才能穩定比較哪些是新增消息、哪些是舊聞，以及哪些事實已經被後續公告更正。