前言
當你標出目的地，AI才能展開地圖、對準羅盤，讓每一步都朝正確的方向前進。
這是你嗎？
午後的咖啡廳中，剛跑完客戶的思穎正在趕著明天要用的專案的提案簡報。
思穎對於這一次的專案腦中有非常多的想法，但是一直還沒有辦法整理出一個有條理的頭緒，因此困擾了好幾天。
於是思穎打開了Copilot，敲入：「我正在整理一個關於A商品銷售的專案，可以提供我一些銷售的方案嗎？」眼見Copilot給了大約5-6個銷售的方案，思穎覺得每一個方案看起來也都可行且不錯：「Copilot給了我很多資料欸...這個好像不錯...那個想法好像也不錯，結果我怎麼越來越亂了？？」
原本就已經覺得自己腦中的想法很混亂的思穎，她原本以為AI可以幫她釐清思緒，結果在經過跟Copilot的對話以後，變得更混亂了。
接著，畫面來到了深夜的房間中，宥辰正在睡前的例行滑手機放鬆行程。
宥辰突然想到前幾天他的曖昧對象跟他聊到關於「前世自己是什麼樣子的生物」，於是想說問一下ChatGPT，來了解一下這個主題將來好可以跟曖昧對象拉近距離。
宥辰打開了ChatGPT以後輸入了：「你知道前世嗎？」
結果看到ChatGPT回答了很多關於前世的宗教觀點、心理學的觀點，宥辰覺得每一個東西都非常有趣，於是開始追問起了宗教的事情。
經過了一個多小時以後，宥辰覺得對於前世以及宗教的觀點看了不少：「咦?所以我為什麼要問這個問題？」宥辰覺得似乎有件什麼重要的事情好像被遺忘了。
鏡頭再一次轉向了語庭，語庭最近想要參加創作者大賽，因此正在撰寫短篇小說。
創作的過程中Gemini一直都是語庭的好幫手，語庭跟Gemini已經很熟了，於是語庭打開Gemini的視窗以後敲下：「我現在想要創作一篇短篇小說，是關於異世界轉生的故事，男主角的名字...」大約有800多字的需求交代。
Gemini洋洋灑灑的產生了一篇看起來文句通順，故事也滿精彩的異世界轉生小說架構，語庭覺得這樣挺好的。
但是又反過來思考，如果Gemini都幫他把架構寫好了，那他還需要寫什麼？等等...他一開始到底為什麼要打開Gemini？
讓對話有航線
有一些人，他們在與AI對話以前，就會在心裡面先放下一個清晰的坐標：「那個地方，就是我希望這段對話能抵達的終點。」
他們不急著輸入第一句話，而是先確定自己真正想抵達的地方——也就是這段對話中，自己希望得到的結果。
而當他們開口時，每一句話都像是在地圖上劃下一條穩定的航線，讓AI可以立刻讀懂那個終點，並沿著那條線推動對話前進。
你會看到，這些人跟AI的對話並不是隨機的問題，而像是一場有節奏的旅程。
對話中，AI的回覆精準貼合他們的需求，他們也能在中途調整航向，確保每一步都更靠近目標。
在這樣的互動裡，AI早就已經不只是工具，而是並肩前行的夥伴；而他們，也成了自己這段對話的領航者。
起步前的凝視
事實上，在與AI展開任何對話之前，先釐清任務目的、限制與動機，並形成清晰的目標，這不只是形式上的準備，而是提升互動品質、讓對話更有價值的關鍵。
在我們前兩篇文章經常引用的理論之一，自我決定理論(Self‑Determination Theory，SDT)[1]告訴我們，當滿足了三大基本心理需求——行為由自己選擇與主導的「自主性(Autonomy)」、能有效完成任務的「適配性(Competence）」、以及與他人建立連結與理解的「關係感(Relatedness）」——就能轉化為高品質的行為動機。
一旦我們嘗試定義對話的目標以後，我們便會感覺到整段對話的開啟是出自於自己的選擇與意願，而非被動接受資訊。
另外，明確的目標更能讓人感覺到自己是能夠有效地在對話中得到想要的結果。
在滿足了自主性與適配性的心理需求下，可以讓提問者對於這一段跟AI的對話更有掌控感，且讓對話更有高品質，也會覺得AI的回應更加貼近需求，並進一步產生「我與AI在同一條路上前進」的連結感。
反之如果整個對話中缺乏目標的話，就很容易讓提問者與AI間的對話失焦，並且流於資訊的堆疊，除了原本想要釐清的問題無法被解決外，更容易在對話的過程中帶來更多的焦慮與挫敗。
而同樣屬於我們前兩篇文章經常引用的另一個心理學理論，價值期望理論(Expectancy‑Value Theory，EVT)[2]，則是從另一個角度說明了「對話前設定目標的重要性」。
價值期望理論認為，一個人會不會去做一件事情，取決於覺得自己做得來的「期望(Expectancy)」，以及覺得這件事有沒有意義的「價值(Value)」的乘積。
當我們在對話前訂定清楚的目標時，不僅期望與價值同時提升，也更能看清這段互動所帶來的內在意義與實際效益。
隨著高期望與高價值，投入整個AI對話的意願也會自然提升，也會更積極在對話中走向自己最一開始訂定的目標。
相較之下，如果沒有訂定清楚且明確的目標時，不論是期望或是價值都會顯得模糊，因此導致和AI對話的行動力下降，同時也降低了整個對話的品質，進而使得AI的回覆看起來完全不貼近自己想要釐清或解決的問題。
而在生成式AI對於教育環境的衝擊觀察中，Chang等人[3]觀察到，雖然生成式AI可以提供即時、互動以及個人化的學習支援，但同時可能也會使得學生不經思考，甚至用於像是抄襲等不當的過程。
同一篇研究中結合了教育理論中Zimmerman所提出的自主學習(self-regulated learning，SRL)理論[4]及其相關的內容[5][6]提出教師不應該禁止AI，而是應該將AI設計成，必須要引導學習者思考而不是直接給予答案。
該研究更進一步地指出，應該要教導學習者在與AI對話的初期設定學習的目標，且AI要具備反向提問(reverse prompting)的功能來引導學習者釐清問題。
同時也必須要透過對話引導學習者檢視自己對於問題的理解程度，讓學生可以自我監控。最後也希望可以透過分析學習者的學習狀態，調整回覆的風格、難度調整來提升學習動機跟強化持續性。
由這個研究可以發現，在與AI對話的過程中，目標的訂定，會是整個互動流程最核心的第一個步驟，當學習者能夠清楚知道自己目標的時候，可以讓自己在跟AI對話的過程中反覆與目標對齊。
AI也能更清楚知道自己應該要回覆什麼，整個的對話也會更加聚焦。
也因此從這些研究裡面可以看出來，在與AI對話以前設定一個清楚的目標，對於提問者來說是一個可以重新釐清自己想要在這段對話中得到什麼的機會，而對於AI來說則是一個可以框定對話範圍的限制。
透過設定目標的定錨作用，能夠讓對話有方向性，這不僅是與AI對話的技巧，更是一種可以讓思考保持聚焦、讓互動真正有意義的心智習慣。
語氣x動機x目標
在第一篇文章中我們提到了語氣的分類，包含了語氣萌芽型、語氣探索型、語氣設計型以及語氣創作者型不同的使用者。
而在第二篇文章中我們則是提到了動機的不同分類，像是單一動機的問題導向型、好奇探索型、思考整理型、創作輔助型以及模糊探索型，甚至是複合型動機的類型。
我們又在這個章節進一步提到提問前的準備以及目標的設立。
看到這邊你可能會有個疑問：「他們之間到底有什麼不同？」
這三篇文章其實都是在幫助使用者釐清自己在向AI提問前的狀態，但是要處理的問題則是有層級上的不同。
第一篇文章處理的語氣，指得是提問者在過往與AI對話過程中的主導程度，像是是否能主導整個提問流程、是否能打斷AI的回覆，或是將話題轉向自己真正想釐清的方向。
處理的是「怎麼說」。
第二篇文章則是協助提問者釐清自己在提問前是基於什麼動機來問，簡單來說處理的就是「為什麼問」。
而這篇文章則是協助提問者釐清，自己希望從這段對話中得到什麼，想要處理的問題脈絡、框架等等，是要處理「想得到什麼」。
這三篇文章的內容都有助於讓提問者事先對於自己的狀況能有比較好的理解，後續再與AI對話的過程中更能明確提出需求和想要到達的結果。
但請記得，目標不完全是一種限制，而是讓探索有方向的起點。它能夠幫助你判斷AI的回覆是否有用，也讓你知道什麼時候該追問、什麼時候該轉向，也能讓AI知道自己應該回答什麼，更能聚焦整個對話不會發散。
找為遠方落上坐標：找到你的目標錨點
有時候，我們不是不知道要問什麼，而是還沒釐清「為什麼問」，以及「我想要得到什麼」。
因此在你開始填寫這份「AI對話目標錨點生成器」之前，建議你先花一點時間，進行前一篇文章提到的動機檢測。
這不是測驗，而是一場溫柔的自我盤點。讓你可以快速辨識自己此刻的出發點——是任務導向？是好奇探索？是思考整理？還是只是想被陪伴？
而當你對自己的動機有一點線索以後，會讓後面的填寫會變得更輕鬆，也更貼近你真正想要的對話方向。
如果你已經知道自己的動機以後，也可以直接開始填寫，接下來的表單會根據你的選擇，自動展開對應的欄位。
還是要再一次強調，這不是一個測驗，只是給自己一些時間，倒一杯水，放個溫柔的音樂，讓自己在沒有壓力的狀態下，靜靜地想一想：「如果我接下來想要跟AI開啟一個對話，我想要從對話裡面有什麼收穫？」
由於部落格的文章形式限制，完整的目標錨點生成器請前往部落格連結↓
花了一段時間，你完成了我們這個AI對話目標的錨點生成器，辛苦囉！
這不是一張單純的表單，而是一份屬於你此刻思考狀態的地圖。裡面記錄了你的動機、目標、任務限制與對話框架——它不只是為了現在，更是為了你接下來每一次與AI展開對話時，都能有一個可以回望的起點。
在充分了解你在對話中言語的主導權、為什麼要開啟AI問問題的動機以及對話目標以後，在下一篇文章我們會利用這份對話目標，設計你跟AI對話的第一句話，也就是起手語。
而在對話的過程中你也可以隨時翻閱他，確認自己是否還在往原本的方向前進，是否還記得自己真正想要釐清的問題。
另外，如果你已經是熟悉AI的提問者，也許這些錨點早已內化在你的思考裡，不需要每次都明確寫下，在開啟提問以前相信這些內容都已經深植你心了。
但即使如此，也請記得：目標不是限制，而是讓探索有方向的重力場。它幫助你判斷AI的回覆是否有用，也提醒你什麼時候該追問、什麼時候該轉向。
每一次開啟一個新的AI對話，都一定要去思考：「我想要從這個對話中得到什麼？」。
所以，在你準備好要開始下一段對話之前，先深呼吸一下，你已經為自己鋪好了一條穩定的航線了！
小結
清楚明確的目標，就像是在與AI對話的航道中有一個明確的燈塔，你也已經為自己鋪好了一條明確的航線，接下來只差啟航。
未來的每一次與AI對話，都將不再是隨機的問與答，而像是一場有節奏的旅程。你會發現，AI的回覆不再只是資訊的堆疊，而是貼合你需求的回應；你也不再只是提問者，而是整段對話的領航者。
你可以在對話中調整方向、重新定義問題、甚至在迷失時回望這張錨點地圖，重新找回自己的初衷。
而AI，也會因為你的清晰與主動，而成為真正的對話夥伴——不只是工具，而是並肩前行的思考者，你也可以在過程中慢慢感受到，主導整個對話的人是你，而不是AI。
下一次問問題時，嘗試在心裡放下一個坐標，引導對話前進的方向。在你準備開口的那一刻，帶著這個坐標，讓AI陪你往同一個地方走。
你已經知道自己要去哪裡，而現在該學會的是——用第一句話，讓AI也看見那個方向。
下一章，我們會一起設計你的「起手語」，讓目標不只是存在心裡，而是成為對話一開始就能被讀懂的訊號。
參考文獻
[1] Ryan, R. M., & Deci, E. L. (2000). Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being. American Psychologist, 55(1), 68–78.https://doi.org/10.1037/0003-066X.55.1.68
[2] Wigfield, A., Tonks, S., & Klauda, S. L. (2009). Expectancy-value theory. In K. R. Wentzel & A. Wigfield (Eds.), Handbook of motivation at school (pp. 55–75). Routledge. https://doi.org/10.4324/9780203879498
[3] Chang, D. H., Lin, M. P.-C., Hajian, S., & Wang, Q. Q. (2023). Educational design principles of using AI chatbot that supports self-regulated learning in education: Goal setting, feedback, and personalization. Sustainability, 15(17), 12921. https://doi.org/10.3390/su151712921
[4] Zimmerman, B. J. (1990). Self-regulated learning and academic achievement: An overview. Educational Psychologist, 25(1), 3–17. https://doi.org/10.1207/s15326985ep2501_2
[5] Zimmerman, B. J. (2000). Attaining self-regulation: A social cognitive perspective. In M. Boekaerts, P. R. Pintrich, & M. Zeidner (Eds.), Handbook of self-regulation (pp. 13–39). Academic Press. https://doi.org/10.1016/B978-012109890-2/50031-7
[6] Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory into Practice, 41(2), 64–70. https://doi.org/10.1207/s15430421tip4102_2
