提示詞不是咒語，是你自己先想清楚要問什麼

打開AI，把想問的事情打進去，結果得到的答案不是你要的。換個說法再問一次，還是不對。你開始懷疑，是不是自己講得不清楚，還是這工具其實沒那麼厲害。

老實說，兩種情況都有可能，但更常見的第三種，是你自己也還沒想清楚要問什麼，只是先打字再說。

很多人這時候會去找提示詞公式，角色、任務、格式、範例，一項一項套進去，像照著食譜按表操課。套完之後，產出確實有進步，但還是覺得少了點什麼，好像哪裡卡住了，那種感覺有點像照著食譜做出一道菜，味道對了，卻少了那口讓人記住的滋味。

問題不在公式本身，而在於公式只能幫你把話講清楚，沒辦法幫你把問題想清楚。提示詞從來不是咒語，念對咒語就會生效。它比較像是你腦中思考的翻譯稿，你想得越清楚，翻譯出來的東西才會越準。想得模糊，念得再標準，出來的還是一團模糊。

有管理學者提過類似的觀點，在AI已經能快速給出答案的時代，稀缺的不再是知道多少事，而是有沒有能力先問對問題。AI負責回答，人真正該負責的，是把問題定義清楚。這句話放在提示詞這件事上也一樣成立。

但要把問題定義清楚之前，還有一層更基礎的事得先處理，那就是AI根本還不認識你。同一個問題，丟給一個完全不了解你工作內容跟需求的AI，跟丟給一個已經知道你是誰的AI，得到的答案品質會差很多。

先讓AI認識你，一次就好

多數人不會特別去設定這件事，因為想不通這麼做的意義在哪裡，反正打開來直接問，AI不是照樣會回答嗎，何必多花時間先寫一段自我介紹。

尤其現在不少AI工具已經有自動記憶功能，會從你過去的對話裡零散記住一些片段，感覺好像本來就不需要特地設定。但零散記住的，跟你自己完整交代一次的，是兩回事。

自動記住的可能只是某次不經意提到的細節，你沒辦法確定它記住了什麼、又漏了什麼。與其靠它自己零散拼湊，不如自己完整寫一次，把最重要的背景一次交代清楚，這樣每次對話調用的，都是你自己確認過的完整版本，而不是它自己猜測拼湊的片段。

具體做法很簡單，找個文字檔，寫下三件事。我是誰，包括身分跟主要在做什麼；我希望它怎麼幫我，最常請它處理的工作類型是什麼；我的偏好設定，喜歡條列還是長段落，最討厭什麼樣的空泛回答。寫完存進工具的自訂設定裡，ChatGPT在頭像選單的自訂回應裡，Claude可以放進Projects的知識庫，或帳號設定的自訂指示裡。

不用一次寫得完美，先寫個六十分的版本，用起來之後發現哪裡不夠，再回去補一句進去就好。這一步解決的是效率問題，讓你不用每次都重新自我介紹。但光這樣，AI給的答案通常還是偏保守，這時候就要處理第二個問題。

給範例、給範圍，別讓AI自己猜

AI在猜不準你要什麼的時候，會傾向給一個最安全、最不會出錯的答案，這也是為什麼很多回應讀起來似曾相識，好像全天下的AI都上過同一堂作文課。要讓它跳出這種保守慣性，有兩個具體做法。

第一個是給範例。

與其說幫我寫一個吸睛的標題，不如附上兩三個你喜歡的標題風格當參考，AI模仿的準確度會提升很多。第二個是把範圍講清楚。與其籠統地問AI導入企業會遇到什麼挑戰，不如聚焦成中小企業導入AI時最容易卡住的三個環節，範圍越明確，分析就越貼合你真正想知道的事。

第二個是給範圍。

範圍設太寬，AI會給你什麼都講一點、但每個都很淺的答案，聽起來很豐富，實際上什麼都沒說清楚。範圍設太窄，它又可能因為資訊不夠而自己編造細節，一本正經地講出根本不存在的東西。抓中間值，先試著縮小到一個具體情境，觀察它給出來的東西再調整範圍大小，這個調整的過程本身，也是在幫自己把問題越想越清楚。

讓AI先展開思考過程，而不是直接跳答案

還有一個常被忽略的技巧，是請AI把思考過程攤開來，而不是直接給你一個結論。

這有點像看醫生。你會比較信任那種先跟你說明判斷依據、講清楚後續要注意什麼的醫生，而不是隨手開了藥就打發你走的醫生，即使兩者開的藥可能一樣。AI也是同樣道理，把推理過程攤開來，你才知道這個建議站不站得住腳。

碰到需要判斷、而不是單純執行的任務時，在指令最後加一句，先不要直接給答案，請先說明你考慮的三個重點，再逐一分析利弊，最後才給建議。

這樣做的差別在於，AI會被迫把中間的推理攤開來，你不只拿到一個結論，還能看到它是怎麼推導出來的，如果哪個環節的假設你不同意，也能立刻指出來，而不是拿到答案後只能點頭說好像有道理。

碰到需要創意發想、而非單一答案的情境，可以換一種問法，先請AI提出三種完全不同方向的做法，每種都列出優缺點，最後再綜合推薦。

這樣問出來的東西，通常會比直接問你覺得怎麼做比較好豐富很多，因為AI被迫先發散，才收斂。這個先展開、再收斂的順序，其實跟前面提到的給範圍是同一個道理，你越晚讓AI收斂，中間可以檢查跟調整的機會就越多。

把任務拆開來，不要幻想一句話搞定全部

還有一種常見的落差，是把AI當成一鍵完成的機器，丟一句模糊的話，期待它把整件事從頭做到尾，這種期待跟丟一句「幫我把家裡整理好」給家人，然後回家發現只有桌面被擦乾淨，其實是同一種落差。

比較實際的做法，是先把手上的任務拆成幾個工序，像拆解一個組裝步驟一樣，一段一段來。哪一段是可以直接交給AI執行的，哪一段需要你自己先做判斷再交給它，哪一段做完之後一定要回頭修正，把這三種角色先分清楚，AI在每一段能做的事情才會準確，而不是含糊地全部丟給它，卻不知道該從哪裡開始檢查起。

碰到一個模糊的任務時，與其急著要答案，不如先退一步問自己，這個任務裡真正要解決的是什麼，再決定要怎麼拆。沒先拆解就直接丟出去，很容易變成解決了一個錯的問題，卻沒發現，還覺得AI很不好用。

蒐集越多框架，不代表想得越清楚

這裡有個容易掉進去的陷阱，值得提醒自己一下，我自己也曾經踩過。

背景設定、給範例、給範圍、請它先展開思考、拆解工序，這幾個做法都有用，但如果你開始把心力放在蒐集更多提示詞公式、記住更多框架名稱，反而可能本末倒置。這些方法本身不是目的，它們只是幫你把已經想清楚的東西，更準確地交給AI而已。

我看過不少人書架上收藏了一堆提示詞範本，用的時候卻還是卡住，因為他們沒有先問自己，這次真正想解決的問題是什麼。

框架能救的是表達層面的問題，救不了你根本還沒想清楚要往哪裡走這件事，就像練了再多招式，如果不知道對手是誰，招式也使不上力。與其追著新框架跑，不如先花兩分鐘，把自己想要的結果講給自己聽一遍，通常這樣就足夠了。

想清楚要問的問題本身，比想清楚怎麼下指令更重要

前面幾個方法都是在講怎麼把話說清楚，但最容易被忽略的一步，其實是想清楚自己到底想解決什麼。

試著比較一下這兩種問法。

第一種，幫我想一個工作坊開場活動。

第二種，學員是平均年資八年、對AI持觀望態度的中階主管，我要一個三十分鐘的開場，能不能先給我三種完全不同風格的方向，理性數據型、實作體驗型、認知衝突型，每種列出做法、優點跟風險，最後幫我推薦最適合這批學員的一種。

第一種問法，AI只能憑空猜你要什麼樣的開場，給出來的東西大概率是通用範本，跟網路上隨便一搜就能找到的模板差不多。第二種問法裡，你已經先想清楚了學員是誰、要達成什麼效果、希望看到哪幾種不同的可能性，AI能做的，只是把你已經想清楚的方向具體展開。

這就是提示詞真正的核心，你想得越清楚，AI才有東西可以延伸。你自己都還沒想過要往哪個方向走，AI也生不出方向感，它不是算命師，猜不出你心裡在想什麼。
試試看，從你手上正在煩惱的一件事開始

先別急著套用複雜的框架。挑一件你這週正在煩惱的工作，寫下你是誰、你要達成什麼、你希望看到幾種不同的可能性，把這三件事放進提問裡，跟你平常隨口問的方式做個對比。

多數時候，AI給出來的答案差在哪裡，往往不是工具不夠聰明，而是你有沒有先把問題想清楚，再把它交出去。

提示詞技巧會一直變，但想清楚要問什麼，永遠是你自己的事。

> 小樹108・No.002｜AI工作流

 ．．．關於分享者．．．

※連繫：FB 蔡興正
※電郵：jason@cpfs.com.tw
※證照：孫易新心智圖講師班﹙2014﹚ | GCDF全球職涯發展師 | Google全球教育家
※專長：心智圖法 | 數位工作 | 職涯紫微