你有沒有這種感覺？
同一個 AI，有時候很好用，甚至讓你覺得很強。但有時候又很亂，講一堆卻沒重點，甚至有點失望。
一開始我也以為，是模型的問題。是不是不夠強？還是有時候運氣不好？
但後來我發現，好像不是。
問題不在 AI，而是在我們怎麼用它。
我最近開始用一個很簡單的方法。
沒有什麼技術門檻，但效果差很多，甚至可以說會讓輸出「穩定」下來。
做法只有一個：先不要直接叫 AI 做事，而是先讓它幫你做一件事——把「怎麼做這件事」，想清楚。
這個方法很簡單
我現在會這樣做：先叫 AI 幫我寫一個提示詞（prompt），再用這個提示詞去讓 AI 做事。
聽起來有點多此一舉，但實際用起來差很多。
差在哪？
我一開始也覺得只是「寫得比較完整」，但後來我發現不只是這樣。
真正的差別是：我把「思考」，跟「寫內容」分開了。
原本我們怎麼用 AI？
大部分人會直接問：幫我寫一篇文章、分析一個主題、想一個點子。
但其實 AI 在背後，會同時做三件事：理解你要什麼、想怎麼回答、寫出內容。
問題是，這三件事是混在一起的。
所以你會看到很不穩定的結果：有時候寫很多但有點亂，有時候結構很好但內容很空，有時候直接偏掉。
我現在怎麼做
我把它拆成兩步。
第一步，先叫 AI 幫我寫提示詞。這一步其實在做的是：想清楚要怎麼做、用什麼角度、怎麼拆解、怎麼呈現。
第二步，再用這個提示詞去執行。這時候 AI 只需要專心一件事：把內容寫好。
為什麼會變好？
因為原本是一邊想、一邊寫，現在變成先想好、再寫。
就像人一樣。如果你邊想邊寫，很容易卡住、亂掉；但如果你先把結構想好，再寫內容，通常會順很多。
這其實跟很多日常經驗一樣
你會發現，很多事情都是一樣的。
寫文章，如果直接寫，很容易卡；但如果先列大綱，會順很多。
做簡報，如果直接做投影片，常常做到一半才發現邏輯不對；但如果先想好整個故事，再開始做，會清楚很多。
旅行，如果完全隨機走，很容易浪費時間；但如果先有一個大方向，再調整，體驗會好很多。
做菜也是。專業廚師都會先備料，再開始煮，不然節奏會亂掉。
寫程式也是一樣，先設計架構，再寫，通常會穩很多。
這些其實都是同一件事：先把事情想清楚，再把事情做出來。
而我剛剛講的這個方法，只是把這個原則，用在 AI 上而已。
這其實跟 AI agent 很像
如果你有看過 AI agent 的設計，會發現一個很常見的模式：先 plan，再 execute。
先想清楚要做什麼，再去做。
而我剛剛講的這個方法，本質上是一樣的。
寫 prompt，就是在做 plan；用 prompt 執行，就是 execute。
這其實是一個心理過程：從「做什麼」到「怎麼做」
如果把這整件事再抽象一點，其實是在經歷一個心理轉換：
從「我要做什麼」 到「我要怎麼做這件事」
中間其實包含兩個階段：
第一個是探索與釐清。 你在弄清楚目標是什麼、有哪些可能的角度、應該怎麼拆解問題。
第二個是執行。 把已經想清楚的結構，一步一步落實成內容。
以前我們是把這兩件事混在一起做，所以很容易亂掉。
現在用 prompt 的方式，其實是把「探索與釐清」獨立出來，讓它先發生。
等方向清楚之後，再進入執行。
這也是為什麼整體會變得更穩。
再講一點更底層的原因（為什麼會穩定）
這裡有三個比較技術一點，但其實很好理解的原因。
第一，注意力被集中。
當你沒有先寫 prompt，AI 在同一段輸出裡要同時「想結構」又「寫內容」。
當你先寫好 prompt，等於已經把結構決定好了，後面所有輸出幾乎都用來「把內容寫好」。
結果就是品質更集中。
第二，選擇變少了。
原本 AI 面對的是很多可能的回答方式。
但 prompt 會限制：要用什麼角度、怎麼分段、要包含哪些東西。
選擇變少，結果反而更穩。
第三，有了明確的標準。
prompt 其實在定義一件事：什麼叫做好的答案。
當標準清楚，輸出自然會更一致。
為什麼這樣會變好？
關鍵不是多了一步，而是每一步都變得更單純。
原本是一邊想、一邊寫、一邊修；現在變成先把方向想清楚，再專心把內容做好。
這會讓結果穩很多。
為什麼我們明明知道要先想清楚，卻還是直接做？
但這裡有一個更有意思的問題。
我們其實都知道，很多事情應該要先想清楚，那為什麼還是常常直接做？
我後來發現，這比較像是人的心理，而不是能力問題。
因為直接做，感覺比較快。你一開始動手，就會有一種「有在前進」的感覺，但很多時候只是之後要重來。
因為想清楚，其實不太舒服。你要面對不確定、要做選擇、要承擔方向，這些都有壓力。
因為可以把責任往後放。「先做做看」、「之後再調整」，其實是在延後決策。
也因為我們從小被訓練成不要想太多、先開始。這在很多時候是好的，但也讓我們低估了思考本身的價值。
但 AI 改變了一件事
以前，想清楚是很費力的。
現在你可以把這件事交給 AI。
你只要說：幫我把這件事想清楚，寫成一個好的 prompt。
它就會幫你把結構、角度、步驟整理出來，你再用這個結果去做。
一個完整的實際例子（從想法 → prompt → 執行）
下面是一個我實際會用的流程，你可以直接照做。
情境：我想寫一篇文章（但只有模糊想法）
我一開始只會有一個很粗的需求，例如：
我想寫一篇給一般讀者看的文章，主題是「AI 創業機會」，希望有結構、有例子，不要太技術，也要有自己的觀點
接著我不會直接叫 AI 寫文章，而是先做這一步：
Step 1：請 AI 幫我產生「高品質 prompt」
我會這樣輸入給 AI：
我想寫一篇文章，主題是「AI 創業機會」，目標讀者是一般對 AI 有興趣但不具技術背景的人。
需求如下：
- 文章要有清楚的結構
- 要有具體例子
- 不要過度技術
- 語氣偏分享與洞察，不要像教科書
- 希望最後有收斂與觀點
請你幫我把以上需求，整理成一個「高品質 prompt」，讓另一個 AI 可以根據這個 prompt 產出一篇高品質文章。
請包含：
- 明確的角色設定
- 清楚的任務描述
- 建議的文章結構
- 輸出格式要求
- 評估好壞的標準
Step 2：AI 產生 prompt（這是中間產物）
AI 通常會幫你整理成一個更完整的指令，例如（示意）：
你是一位具有產品思維與創業經驗的 AI 產業觀察者，同時也是擅長寫作的內容創作者。你的寫作風格偏向洞察分享，能把複雜的概念轉化為一般人也能理解的內容，但不會過度簡化或流於空泛。
【任務】
請撰寫一篇主題為「AI 創業機會」的文章，目標讀者是「對 AI 有興趣，但不具技術背景的一般人」。文章的目的不是教學，而是幫助讀者建立對 AI 創業機會的理解框架，並產生自己的判斷能力。
【寫作要求】
- 避免過度技術細節（不要出現太多模型名稱、架構、演算法）
- 使用具體例子幫助理解（至少 1–2 個）
- 語氣偏向「觀察 + 洞察 + 分享」，不要像教科書或教學文件
- 可以適度加入你的觀點與判斷，而不只是中立整理
- 內容要有層次，從大方向逐步收斂到具體機會
【建議文章結構】
請大致遵循以下結構（可微調，但需保持邏輯清晰）：
1. 開頭（Hook）
- 描述當前 AI 浪潮，但指出多數人其實不知道「機會在哪」
- 點出問題：資訊很多，但缺乏結構與判斷框架
2. AI 創業機會的本質（核心洞察）
- 解釋：AI 的機會不在「模型本身」，而在「應用與價值轉換」
- 可以提出一個簡單框架（例如：能力 → 場景 → 價值）
3. 當前幾種主要機會方向（分類）
- 例如（不限於）：
- 工具型應用（提升效率）
- 工作流程重構（取代或重組人力）
- 垂直領域解決方案（特定產業）
- AI + 既有產品（加值而非重做）
- 每一類要簡單說明「為什麼有機會」
4. 具體例子（至少 1–2 個）
- 用一個具體情境說明：
- 使用者原本怎麼做
- AI 怎麼介入
- 帶來什麼價值（時間 / 金錢 / 體驗）
- 例子需貼近現實，而不是過度理想化
5. 一般人可以怎麼切入（降低門檻）
- 不需要會寫模型，也可以參與 AI 創業
- 可以從哪些角度切入（例如：懂產業、懂用戶、懂流程）
6. 收斂與觀點（結尾）
- 給出你對 AI 創業的一個核心判斷（例如：「未來贏家不一定是最會做模型的人，而是最會把 AI 放進正確場景的人」）
- 讓讀者帶走一個清晰的思考方式，而不是零散資訊
【輸出格式】
- 使用清楚的段落與小標題
- 每段不要過長，保持可讀性
- 全文約 1200–2000 字
- 語言：繁體中文
- 風格：介於部落格文章與專業洞察之間
【評估標準（請自我檢查）】
在輸出前，請確認文章符合以下標準：
1. 是否「一般人看得懂」但又「不流於表面」
2. 是否提供了「結構化的理解框架」，而不只是資訊堆疊
3. 是否有「具體例子」支撐觀點
4. 是否避免過度技術細節
5. 結尾是否有「明確觀點」而非模糊總結
如果未達以上標準，請自行修正後再輸出最終版本。
Step 3：用這個 prompt 去執行
最後你只要把這段 prompt 丟給 AI：
（貼上上面產生的完整 prompt）讓它生成內容。
這是他產生的結果 https://vocus.cc/article/69dc9e8afd8978000187b2b3
會發生什麼事？
你會發現幾個很明顯的差異：
- 結構更穩（不會亂跳）
- 內容更集中（比較不空泛）
- 風格更一致
關鍵不是 AI 變強了，而是：
你已經先把「怎麼做好這件事」定義清楚了。
而這個定義，就是那個 prompt。
小結
如果你覺得 AI 有時很好用，有時很亂，可以試試看這個方法：先讓 AI 幫你寫 prompt，再用這個 prompt 去做事。
這其實就是一個很簡單的原則：先想清楚，再做。
很多時候，問題不是 AI 不夠強，而是我們讓它一邊想，一邊做。
