為什麼你問 AI 老是得到廢話？記得把問題說清楚！

在課程的休息時間，常有學員拿著手機湊過來問我：「老師，這個 AI 不好用耶，我問它都給我一堆廢話。」我請他把剛剛打的字念給我聽，他唸出來的是：「幫我寫一篇關於行銷的文章。」

問題不在 AI，而在這句話。如果今天有個剛報到的新人，你只丟給他這一句話，他大概也只能交出一篇你不會滿意的東西。我們對真人同事會自然補上背景、目標和限制，但面對 AI 時，卻常常退化成只丟一個關鍵字，然後期待它通靈。

多數人不是不會用 AI，而是不會把腦中的問題，翻譯成 AI 能對接的語言。這篇想跟你拆解，怎麼把一個模糊的念頭，整理成一段能拿到好成果的指令。

---

先看懂：你給的不是問題，是片段

我們在心裡其實清楚自己要什麼，但說出口時，往往只剩下冰山一角。對人，對方會反問你補齊；對 AI，它只能拿你給的這點線索硬湊，於是回給你一篇正確但無用的「safe answer」。

同一個需求，模糊版和清楚版的差別是這樣的：

• 模糊版：「幫我整理這份會議紀錄。」AI 只能猜你要的長度、重點和格式，產出一份你還得從頭改起的東西。
• 清楚版：「你是一位有十年經驗的行政管理專家。我要把一份冗長的部門月會逐字稿，整理成給主管看的會議重點摘要，主管最在意的是各項決議事項與負責人、期限有沒有寫清楚。請幫我設計摘要的結構，並列出我整理時該抓出哪些重點。」AI 拿到角色、任務、在意的點、產出格式，回給你的就是可以直接套用的架構。

差別不在 AI 變聰明了，而在你把「只有自己懂的脈絡」攤開來講給它聽。

---

一個可以套用的提問結構

我自己在課堂上教學員的，是一個拆成四塊的提問框架。你不用背術語，只要每次提問前，心裡走過這四個問題就好。

第一塊：角色（你希望 AI 用誰的腦袋回答）

一句「你是一位有十年經驗的行政管理專家」，等於幫 AI 設定了它該調用的知識範圍與口吻。對人我們會找對的人問;對 AI，你要直接告訴它「現在請當這個人」。

第二塊：任務與變數（這件事的主題是什麼）

把核心需求講明白，並且把會變動的部分用括號標出來，例如「我要整理一份【某某會議】的紀錄」。這個小動作的好處是：當你下次要整理不同會議時，只要換掉括號裡的字，整段指令就能重複使用，變成你專屬的範本。

第三塊：對象與在意的點（這是要給誰、他在意什麼）

「給誰看」決定了深淺與用詞，「對方最在意什麼」決定了重點該擺哪。給主管的摘要要先講決議與待辦，給同事的紀錄可能要保留討論過程。少了這兩項，AI 只能寫出沒有對象感的內容；補上它，產出立刻從「正確」變成「貼題」。

第四塊：產出格式（你要它交出什麼形狀的東西）

你要的是一頁式摘要、是逐項條列的待辦清單、還是一封可以直接寄出的通知信？是條列、表格、還是一段話？明確指定產出形狀，AI 才不會給你一坨需要再花時間整理的文字。

下次提問前，先在心裡走一遍這四句話：

一、我希望 AI 用什麼角色回答？

二、這件事的主題與可替換的變數是什麼？

三、要給誰看？對方最在意什麼？

四、我要它交出什麼格式的成果？

把這四題的答案串成一段話，就是一則合格的指令。

---

把它變成範本，而不是每次重打

很多人會卡在「每次都要打這麼長，好麻煩」。但這正是工作整理學的精神：一次把結構整理好，之後就是換變數而已。

用前面那個會議紀錄的例子，你可以把它存成一個帶括號的範本：

• 「你是一位有十年經驗的行政管理專家。我要把【某某會議】的紀錄，整理成給【對象】看的摘要，對方最在意的是【在意的點】。請幫我設計摘要的結構，並列出我整理時該抓出哪些重點。」

之後不管你要整理的是月會、專案進度會議還是跨部門協調會，只要替換掉那幾個括號，這段指令就能一用再用。你真正花時間建立的，不是一次性的問題，而是一套可以重複的提問資產。行政工作裡大量重複的公告、通知、報表彙整，都能用同樣的方式各備一個範本。

我帶學員做這件事時，常看到一個轉變：他們從「每次都要重新想怎麼問 AI」，變成「手邊有五到六個常用範本，遇到需求直接抽出來換字」。AI 的產出品質穩定了，省下的時間也很有感。

---

結語：把問題說清楚，是這個時代的核心能力

會不會用 AI，到頭來不是比誰記得多少花俏指令，而是比誰能把腦中的需求，整理成清楚、可對接的描述。這其實也是一種職場基本功——你對真人說明任務的能力越好，對 AI 下指令的能力通常也越好。

不妨從今天的一個小任務開始：挑一件你本來想隨手丟給 AI 的事，先用上面那四塊框架把它寫清楚，再送出去，比較看看兩種問法的差別。

你最近一次覺得「AI 給我廢話」的提問，如果用這四塊重寫一遍，你會怎麼補上那些它原本猜不到的脈絡？歡迎在留言跟我分享你的版本。