這篇講的是我平常怎麼用口語對 AI 下指令。重點不在用字精準，在幾個固定動作：先講為什麼、劃好能動與不能動的範圍、准它先問、做完叫它記下來。
後面會依序講我原本遇到的四個卡點、整理出來的做法、這批紀錄量到的數字、我實際下過的 8 則原話，最後附一份可以貼給 AI 執行的起手提示詞。想知道這些引句怎麼從逐字稿裡整理出來、怎麼驗證，可以直接看附錄：我怎麼整理出這套說法。
每週一封，只挑跟你工作有關的 AI 動態。免費訂閱電子報 →
原本的困擾
第一個困擾是指令裡沒有目的。一位學員要 AI 列出電腦裡可以清掉的空間，指令裡沒有量化目標。我當場帶他改成先講目的再要清單：
我覺得我的目的是想要，就是清到10，至少15G的空間，那你幫我列出來，看哪些可以安全的清掉
第二個困擾是 AI 一直停下來問，人就得一直盯著。我在課堂上講過自己的轉變：
以前我都是要盯著它說，中間要發生什麼事情要回來問我之類的，現在都不用。
第三個困擾是學員不敢說看不懂。學員多半不好意思說自己看不懂 AI 的輸出。我後來在課堂上當眾說「我看不懂，是打麻將嗎」，學員之後才敢開口。
第四個困擾是同樣的錯會再犯。被糾正一次的事，換一個對話又來一次，因為沒有人把它記下來。我後來的做法，是把要 AI 每次都遵守的事寫成一份規則清單，它每次開工前會先讀。但反過來，每次不滿意都寫進去，規則會越寫越亂。我在課堂上的說法是，就像一個國家哪有天天都在修法的。
我希望的樣子，跟一路怎麼改的
我希望把 AI 當成一個能力很強、但不知道我腦中脈絡的同事。先講為什麼，劃好範圍，准它先問，然後放手；看不懂就說看不懂，看到錯就叫它查原因並記下來。
我自己的指令幾乎都是語音輸入的長句，口語、有贅字、會講錯再更正。我在課堂上講過：
我通常都是我講，如果講錯話，我還是會，我還是會繼續講，因為他會辨認說哪些是你講錯，哪些是你後來更正。
所以真正有效的不是用字，是下面這四段、13 個固定動作。
我自己這幾個月的轉折，挑對讀者有用的列在下面：
9/18。 這天同時出現三件事。第一件，AI 跟我解釋一份改版方案，我看不懂，直接要它舉例（引句裡的「改變二」「雙軌」是那份方案裡的項目名稱）：「改變二這個雙軌我還是有點不懂，舉一兩個虛擬考生5題的例子讓我看懂。」後來我把這句變成隨時叫得出來的一句話，叫它用高中生聽得懂的白話重講。第二件，討論拖得很長時，我要它邊談邊把我們談定的部分寫進一份文件：「我們的對話需要越來越收斂。所以你需要keep一個文檔。我同意無疑義的部分就落檔。」第三件，驗收時我開始另找一個 AI 專門挑毛病，而且不告訴它我覺得哪裡有問題。
10/1。 要動一個已經上線、有人正在用的網站時，我把優先序先講死：「請記住第優先是線上不要停機第二優先是資料不要弄丟」。
10/4。 收尾前我固定問一句：「這次我糾正了你什麼部分？」
10/6 到 10/21。 我開始懷疑規則本身。10/6 我問：「會不會讓規則變得更為臃腫？」10/19 我要求同一條規則只寫一處：「記在一個地方就可以了」。10/21 我加了一條標準，AI 本來就會的事不用寫進規則（引句裡的「模型」就是 AI 本身）：「如果模型本來就已經知道，就不用放（拿掉會知道嗎 的標準）」。同一天我也把放手的界線講成一句，對外發出的訊息和答應別人的事，我最晚才交給 AI：「外部訊息約定最晚放手。其他的都可以先放手 出問題再回來修就好。」
這批紀錄量到的數字
先講範圍與基準。素材有兩批：2026 年 4 月到 10 月的 30 場一對一與企業課逐字稿，以及 6 月到 10 月我本人工作時打給 AI 的 751 則指令。逐字稿那邊，我請 AI 把我在課堂上示範的指令抽出來，共約 1,350 筆；再用程式把每一筆原文拿回逐字稿比對，13 筆對不上，全部不採用。我沒有做用法前後的對照，下面是整理出來的結果。
口誤不影響效果。 逐字稿裡我的指令充滿贅字和口誤，照樣做得出來。剛開始用 AI 的人最常學錯的，是以為指令要寫得精準；要練的是前面那 13 個動作有沒有出現。
課堂上的指令短，自己用的長。 課堂上多是一次一件事，因為要讓學員看得懂、抄得走。我自己工作時，一則訊息常同時派四五件事，用斜線或編號隔開，授權範圍也大得多。
課堂上多是先問我，自己用多是最後一起列。 學員還在建立信任，所以課堂上我多叫 AI 先問；我自己有一套會自動擋下危險動作的設定，所以敢把要裁決的事留到最後。學員的授權範圍該跟著自己的防護機制一起長大，不要直接抄我現在的放手程度。
後期多了一個動作：質疑規則本身。 課堂紀錄裡多是被糾正就寫進規則。我自己的指令到了後期，更多是在問規則是不是太多。這種問題用了一段時間才會出現，可以等學員用到第二、三個月再教。
我實際下過的指令
下面整理了 8 則我實際講過的原話。每則後面附了一句，說明可以怎麼換成你的情境。
1. 先講顧慮、目的、脈絡
好，就是你要跟他講你的顧慮是什麼，你的目的是什麼，然後你的脈絡是什麼這樣子。
換成你的情境：開口前先補三句：「我想做什麼」、「因為什麼」、「做完要拿去幹嘛」。步驟留給 AI 自己提就好。
2. 放手，但先劃邊界
請幫我檢查我的電腦，看有哪些地方可以安全的清除15GB，然後跟我講，先不要動作。
給我，對，給我清單就好。
換成你的情境：叫 AI 做事的時候，後面順手劃一條邊界，像是「先列給我看」或「原檔留一份」。做錯還收得回來的直接放手，收不回來的（像是刪檔案、對外發訊息），就先要清單、自己握著。
3. 說不清楚，就叫它訪談我
我有這樣的想法，可是我還很難跟你描述，沒關係，請你問我問題，
如果你不確定的話，請你主動問我，不要擅作決定。
換成你的情境：還不知道怎麼講清楚的時候，直接說「我還說不清楚，請你訪談我」。如果牽涉到學校或內部的細節，順口補一句「不確定就主動問我」。
4. 開工之後，不用停
有需要我裁決的，最後再一起告訴我，中間不用停下來。
換成你的情境：這句話可以放在指令最後面。開工前有問題一次問完，開工後需要你決定的事，留到最後一起列出來就好，中間不用一直停下來問。
5. 看不懂，就直說
我看不懂，你用白話文寫
換成你的情境：看不懂就直接叫它用白話重寫，或是請它舉個具體的例子說明。
6. 結果怪，先找原因再改
當時 AI 一直犯同一個錯。我懷疑兩種可能：對話拉得太長它忘了前面，或是它根本沒讀到我寫給它的規則。
我們先不要去改，我們先找原因，到底是因為說上下文太長被污染了，所以模型遺忘了，還是說是因為模型沒有去讀到那些規則
換成你的情境：AI 反覆做錯的時候，先叫它「不要改」，讓它回頭查原始資料、講清楚原因，再來討論怎麼修。
7. 做的和驗的分開
這句裡說的 sub agent，就是我另外開一個只負責檢查的 AI。
我派獨立的 sub agent 幫我判斷，不確定的跟我講，我來親自核對這樣子。
換成你的情境：事情做完之後，另開一個對話找別的 AI 來審，不要先跟它講你覺得哪裡有問題。它拿不準的地方，再列出來由你自己核對。
8. 收尾叫它記下來
你為什麼會犯錯呢？對，那你覺得未來怎麼避免犯錯？然後呢，記下來這樣子。
換成你的情境：對話結束前，固定問一句「這次我糾正了你什麼部分」。只挑下次還可能再犯的，記在它下次開工會先讀的地方（像是自訂指示或規則筆記），而且同一條規則只記在一個地方就好。
起手提示詞範本
想檢查自己平常怎麼對 AI 下指令，可以從這段開始。把括號換成你的情況，直接貼給讀得到你對話紀錄的 AI 執行。其餘它會自己做，你只要看結果、決定要採用哪幾句就好。
我想檢查自己平常怎麼對 AI 下指令。請讀我（上週／最近一個月）的對話紀錄（紀錄位置：＿＿），只看我本人打的指令，看我有沒有做到這四個動作：講目的與用途、授權時劃邊界、准你先問或請你訪談我、收尾把糾正記下來。幫我整理一張表，標出每個動作出現幾次、各引一句原話，缺的也指出來；接著照缺的部分，用我平常的口氣幫我下一件要做的事（＿＿）寫一則開場指令草稿，口語就好。先給我一份計畫，我看過再開始。附錄：我怎麼整理出這套說法
這一節講我怎麼從兩批紀錄整理出上面那些話，給想對自己的課堂紀錄做同樣整理的人。
兩批素材
第一批是 30 場逐字稿，時間在 2026 年 4 月到 10 月，有一對一課，也有企業課。第二批是我 2026 年 6 月到 10 月在 Claude Code（一個能直接在電腦上讀寫檔案的 AI 工具）裡的對話紀錄，篩出我本人輸入、長度足夠的 751 則，排除 AI 派給子代理的指令和自動建議的文字。
抽取、驗證、剔除
每一場逐字稿，我請 AI 抽出我在課堂上示範的指令，每筆附時間戳、當時的情境、逐字原文。AI 抽出來的「原文」不能直接相信，所以我用程式把它拿回逐字稿比對：先把簡體轉成繁體、去掉標點，再做子字串和滑動視窗比對。約 1,350 筆裡有 13 筆對不上，這 13 筆全部不採用。
歸納成固定動作
主題歸納由我依關鍵字索引，一題一題挑引句。引句寫進整理稿之後，再跑一次同樣的比對。這篇文章裡的引句，我又拿回整理稿逐句核對過。
逐字稿的誤轉
逐字稿是語音轉文字，有誤轉。整理稿裡遇到明顯的誤轉，我會在引句旁註明原意。
就這樣。