為什麼「會問」決定 AI 的產出品質｜為什麼「會問」決定 AI 的產出品質？提示工程入門

為什麼同一個 AI，有人用得很好，有人卻覺得沒用？第一次用 ChatGPT，很多人會丟一句「幫我寫一份企劃」。結果拿到一篇四平八穩、看起來很專業，卻完全用不上的內容。於是下結論：AI 也沒那麼厲害。但問題通常不在工具，而在你怎麼提問。同一個工具，有人用得好，有人卻覺得沒用，差別就在這裡。所以 AI 不是搜尋引擎，而是一位接話高手。生成式 AI 的原理，是根據你給的文字，預測最可能接下來出現的內容。所以你給的文字，就是它所有的線索。你給的資訊越少，它只能猜一般人最常見的答案。你給的資訊越具體，它就越能貼近你的真實情境。換句話說，AI 的輸出品質，大約等於你輸入資訊的品質。這也是「提示工程」這個詞的由來。也就是把提問當成一件可以設計、可以練習的工作。職場上，會不會用 AI，已經開始拉開差距。PwC 的調查指出，具備 AI 技能的職位，平均有 62% 的薪資溢價。但在台灣，每天使用生成式 AI 的員工，只有 20%。也就是說，真正天天用 AI 的人，其實還不多。另一份針對上班族的調查也發現，46.6% 的人認為最大門檻是不懂 AI 工具。好消息是，會問是一項不需要寫程式的能力。你也不需要有任何數學背景。只要掌握幾個固定的結構，再慢慢累積自己的提示詞庫就可以。一般上班族在幾週內，就能明顯感受到效率的差異。這門課接下來的四個單元，就是要把這套方法拆開來教你。換句話說，會問不是天分，而是可以練出來的能力。接下來，我們動手做一個小實驗：同一個任務，兩種問法。你可以打開自己習慣的 AI 工具，把兩段提示詞都貼上去。任務是請客戶續約，寫一封 Email。問法一是多數人的寫法，只有一句：幫我寫一封請客戶續約的信。問法二，補上了我是誰、要給誰看、用在哪裡、要什麼格式。我是辦公設備租賃公司的業務，客戶是合作三年的會計事務所。合約下個月到期，我想邀請對方視訊三十分鐘，談續約與升級。語氣要專業但親切，開頭感謝三年合作，全文兩百字內，還要附主旨。然後比較兩次的回答，到底差在哪裡。把兩次的結果放在一起比，差別非常明顯。問法一的結果，需要你大幅改寫，甚至整封重寫。問法二的結果，幾乎可以直接寄出，最多微調一兩個字。兩種問法花在打字上的時間，差不到一分鐘。但後續省下來的修改時間，可能是十幾分鐘。所以不是 AI 不夠聰明，而是它缺少資訊。這就是提示工程最核心的觀念。把你腦中理所當然、但 AI 不知道的背景說出來。你知道客戶是誰，也知道合作了幾年。你還知道公司不喜歡太強迫的推銷語氣。但這些事情，AI 全都不知道。只要它不知道，就只能用「一般情況」來填空。很多人覺得 AI 不好用，往往就卡在這一步。來做個小檢查：為什麼問法二的結果，比較能直接使用？A 是用了比較貴的工具，B 是交代了身分、對象、目的與格式，C 是字數比較少。好，先花幾秒鐘，自己想想看。答案是 B，因為問法二交代了身分、對象、目的與格式。AI 會用一般情況填補它不知道的資訊，背景越清楚，結果就越貼近需求。最後幫你整理這個單元的重點。第一，AI 的回答品質，取決於你給的背景資訊夠不夠。第二，提問越模糊，得到的越是平均值的答案。第三，提示詞不用一次完美，但要養成先交代背景的習慣。第四，會問是可以練習的技能，不需要技術背景。別急著比哪個工具最強，提問能力帶得走，工具卻會一直換。把背景說清楚，AI 才接得住。