AI 入門 · How It Works
生成式 AI
運作原理
打開黑盒子：AI 到底怎麼學會生成內容，以及你要怎麼問，它才答得出你要的東西。
今天陪你打開黑盒子的人
鄭緯筌
作家／顧問／AI 應用教育者
長期研究內容行銷與 AI 應用，走訪過上百家健身、美業、寵物、旅遊的第一線店家。今天要做三件事：把 AI 的運作原理講成人話、帶你看四個產業正在被怎麼重寫，然後教你怎麼跟它把話說清楚。
www.vista.twwww.solo.tw
今天三小時，我們要走這六站
- LLM 運作原理打開黑盒子：AI 怎麼學會生成內容，又跟過去的 AI 差在哪
- 四個產業的結構性變革健身、美業、寵物、旅遊，商業模式與人力結構怎麼被重寫
- 個人演練：寫一個 Prompt十分鐘，先自己動手試一次
- Prompt 工程基礎五個核心要素，加上八組好壞範例對照
- 四個示範案例導入 AI 前後的效率變化，還有各自踩過的坑
- 分組工作坊與成果發表二十分鐘討論，兩分鐘上臺
🔍
這堂課不是要你變成工程師
你不需要會寫程式，也不需要懂數學。今天只有一個目標：打開黑盒子，看懂 AI 在做什麼，順便學會怎麼跟它把話說清楚。
看懂原理，你才知道怎麼跟它合作。
三小時結束後，你會帶走什麼
| 一套白話的運作原理 | 知道生成式 AI 到底在做什麼，也知道它為什麼有時會講錯話 |
| 一張產業變革地圖 | 看懂四個產業在商業模式與人力結構上的改變 |
| 一套 Prompt 寫作框架 | 角色、情境、任務、格式，加上大量好壞對照 |
| 兩個親手寫的 Prompt | 個人演練與分組演練各留一份，回去就能用 |
01
LLM 運作原理與生成式 AI 的本質
打開黑盒子：AI 怎麼學會生成內容，又跟過去的 AI 差在哪。
- LLM 是什麼、怎麼學會語言
- 為什麼它會一本正經講錯話
- 生成式與傳統 AI 的本質差異
- 這幾年的能力升級方向
01 運作原理
這堂課要打開的那個黑盒子
你大概已經聽過生成式 AI 能聊天、能寫文案。但它到底怎麼辦到的？搞懂這件事，你才知道怎麼跟它合作，也才知道它的極限在哪裡。
大型語言模型是什麼，先講白話版
- 01它不是資料庫裡面沒有一份標準答案清單給它對照，不是查表找答案
- 02它是一場超大型的接話練習看到前面的文字，就預測接下來最可能出現的字
- 03靠巨量文字練出語感讀過數以兆計的文字之後，它對人類通常怎麼接話練出了驚人的直覺
- 04但它沒有真正的理解它答得像懂，可是這跟人類真的懂一件事，是不同層次的東西
📖
一個好記的比喻
想像一位把全世界的文字都讀完的資深編輯。你講一句話，他馬上能接出最順、最合理的下一句。他不是知道答案，是練出了語感。
LLM 的核心能力，就是這種被練出來的語感。
AI 是怎麼被教會的
📚
餵資料
讓模型讀過大量書籍、網頁與對話紀錄
🔎
學規律
不是背答案，是找出文字之間常見的排列模式
🎯
練接話
反覆練習「給定前文，猜下一個字」，愈練愈準
🎓
人類微調
再用人類的回饋，教它答得更禮貌、更有幫助
常見誤解與比較接近事實的說法
常見誤解
- AI 在查資料庫找答案
- AI 像人一樣理解你在說什麼
- AI 講的每句話都是查證過的事實
比較接近事實
- AI 在預測最可能的下一段文字
- AI 辨識語言的模式，但不具備人類式的理解
- AI 講的話是聽起來合理，不保證正確
⚠️
這就解釋了一本正經講錯話
因為 AI 的本質是接出最合理的下一段話，不是查證過才回答，所以它偶爾會把錯的資訊講得非常有自信。這個現象有個名字，叫幻覺。
這一頁請拍照
AI 生成的內容，永遠要你自己查核
數字、日期、規則這類容不下錯的資訊，絕對不要照單全收。 AI 講得愈流暢，你愈容易忘記要查證，這才是真正危險的地方。
AI 天生的三個限制
- 不知道最新的事它的知識來自訓練時讀過的資料，對之後發生的事沒有概念
- 可能編出很像真的答案遇到不知道的問題，它有時會生成聽起來合理但錯誤的內容
- 看不到你沒告訴它的事除非你把背景寫進去，否則它猜不到你店裡的實際狀況
01 運作原理
知道限制，才知道怎麼用
這三個限制不是要你不敢用 AI，而是提醒你：最後把關的人永遠是你。這也正是為什麼「怎麼問」這件事這麼重要。
運作原理回顧
- AI 的本質是預測下一段最合理的文字，不是查資料庫
- 它沒有真正的理解，但練出了很強的語言直覺
- 所以會有一本正經講錯話的風險，輸出永遠要查核
🤖
那過去的 AI 又是怎麼運作的
要看懂生成式 AI 特別在哪裡，得先看看它想要補足的，是什麼樣的 AI。
傳統 AI 在做的事
| 照事先寫好的規則跑 | 工程師寫好「如果 A 就做 B」，系統照著跑，不會自己延伸 |
| 輸出是選項，不是新內容 | 判斷是不是垃圾信、這通電話屬於哪一類，答案都在預設選項裡 |
| 擅長重複又有固定答案的任務 | 風險評分、人臉辨識這類分類工作，傳統 AI 做得又快又穩 |
你每天都在用的傳統 AI
📧
垃圾信過濾
判斷這封信是不是垃圾信，答案只有是或否
💳
信用風險評分
根據既有資料，把申請人分到不同風險等級
📷
人臉辨識
比對特徵判斷這是誰，答案在資料庫的既定選項裡
🎯
推薦系統
從既有商品清單裡，挑出最可能符合你喜好的幾樣
🔀
差別不在聰不聰明
兩種 AI 都很聰明，差別在輸出的本質：傳統 AI 是從既定選項裡挑一個答案，生成式 AI 是憑空生成一段全新的內容。
一個是選擇題，一個是申論題。
輸出本質的差異，決定了能用在哪裡
傳統 AI
- 輸出是分類標籤、是非、分數
- 要改規則得請工程師重寫程式
- 適合篩選垃圾信、信用評分
生成式 AI
- 輸出是全新的文字、圖片、語音
- 要改需求只要換一種問法
- 適合寫文案、聊客服、生成圖片
同樣處理顧客詢問，兩種做法完全不同
傳統 AI 的做法
- 要先列出所有可能的問題類型
- 顧客的話被歸類進固定選項
- 問題不在清單裡，系統就答不出來
只能回答想得到的問題
生成式 AI 的做法
- 理解顧客這句話大概在問什麼
- 就算問法從沒出現過，也能生成合理回覆
- 能延伸解釋，也能追問細節
能應付沒想到的問法
01 運作原理
這正是生活服務業最需要的能力
顧客的問法千奇百怪，不可能每一種都事先寫好規則。生成式 AI 能聽懂意思再回答，這就是它適合客服與行銷的原因。
兩種 AI 的差異回顧
AI 能力升級的四個關鍵節點
2022 年
門檻消失
打字對話就能用 AI，不用先學程式
2023 年
多模態
AI 開始能同時處理文字、圖片與語音
2024 年
代理化
AI 從回答問題，進化到能連續執行多步驟任務
2026 年
日常化
記帳、預約、行銷軟體開始內建 AI，不用另外安裝
📌
重點不是背時間點
要記的是方向：門檻愈來愈低，能處理的任務愈來愈複雜。這個方向感，比記住哪一年發生什麼事更有用。
AI 一次記得住的內容，幾年內的成長幅度
早期的模型一次只能處理幾千字，現在的模型能一次讀懂數十萬字。這代表你能餵給它的背景資訊，可以完整得多。（產業公開技術資料彙整，不同模型規格差異很大，僅供示意）
🔗
這跟你等一下要學的東西直接相關
AI 記得住的內容愈多，你能給它的背景就能愈完整。這正是待會 Prompt 工程的核心：把對的背景資訊餵給它。
AI 怎麼「聽懂」你的話
- 01它不是在理解意義比較接近在龐大的語言模式裡，找出最符合你這段話的延續
- 02上下文決定答案品質你給的資訊愈完整、愈精確，它猜到的延續就愈準
- 03這解釋了問法差很多這件事同一個問題，問法不同，答案品質可能天差地遠
01 運作原理
所以 AI 不是搜尋引擎
搜尋引擎是幫你找到已經存在的答案；生成式 AI 是根據你給的內容，生成一段新的回應。心態不一樣，問法自然要跟著調整。
“
AI 不是資料庫，是一個很會接話的夥伴。你給的線索愈清楚，它接得愈準。
這堂課的核心提醒
模型是怎麼被調校得好用的
- 預訓練：先學會語言的樣子讀過大量文字，具備基本語言能力，但還不懂怎麼幫忙
- 指令微調：教它聽懂指令用大量「問題加好答案」的範例，教它像助理一樣回應
- 人類回饋：教它什麼答案受歡迎讓真人對不同答案打分數，模型據此調整，答案才會愈來愈得體
🎓
這三步，跟帶一個新人上手很像
先讓新人熟悉行業術語，再教他怎麼回答顧客提問，最後主管看他表現給回饋修正。AI 的訓練過程，概念上沒那麼遙遠。
「訓練」跟「使用」是兩件不同的事
- 訓練是一次性的，耗費巨大資源模型公司花大量運算把 AI 教會，這一步一般人碰不到
- 使用是你每次打字問的那一刻你用的是已經訓練好的模型，它即時生成回應，不是重新學習
- 所以你的對話通常不會被永久記住除非產品特別設計記憶功能，否則多數情況下每次對話是獨立的
🔐
這跟資料隱私有關
因為多數對話不會被永久記住，你打的內容理論上不會變成 AI 下次回答別人的知識來源。但不同工具的隱私政策不一樣，遇到顧客個資，還是要把說明讀清楚。
01 運作原理
為什麼同一個 AI 能客服又能寫文案
因為它學到的不是客服的規則，也不是文案的規則，而是語言本身的規律。同一套語言能力套到不同任務上，就變成客服、文案、翻譯、摘要。
一套能力，換個問法就換一種用途。
從「一個任務一套系統」到「一套系統很多任務」
過去的自動化思維
- 客服系統、文案工具、翻譯軟體各自獨立開發
- 每加一個新功能，要重新寫程式或換系統
生成式 AI 的思維
- 同一個模型，換個問法就能切換任務
- 加新功能常常只是換一種問法，不用換系統
💼
這對小店特別有利
過去要做客服機器人、文案工具、翻譯功能，得買三套系統。現在一個生成式 AI 工具，換個指令就能切換用途。這就是中小型店家能低成本導入的關鍵。
這一段原理，對你有什麼用
| 不用懂技術細節，但要懂這是什麼 | 面試或跟老闆討論時，講得出原理比只會操作工具更有說服力 |
| 懂原理才不會迷信或恐懼 | 知道它是機率預測不是魔法，你才能判斷什麼該交給它 |
| 懂限制才知道要留人工把關 | 幻覺、資訊過時、看不到你沒講的事，決定了你在流程裡的角色 |
搞懂原理不是為了考試，是為了讓你在用 AI 的時候，知道自己在跟什麼樣的東西合作。
這堂課的核心提醒
第一段落完整回顧
- AI 的本質是預測下一段最合理的文字，靠巨量資料練出語感
- 它跟傳統 AI 的差異在「生成全新內容」對上「挑既定選項」
- 同一個模型能做多種任務，這是小店能低成本導入的關鍵
➡️
從原理走到現場
懂了這些原理之後，接下來要看的是：健身、美業、寵物、旅遊這四個產業，實際上發生了哪些結構性的改變。
02
AI 對生活服務業的結構性變革
不只是換工具，而是商業模式、人力結構、顧客期待正在被重寫。
- 健身：從賣時段到賣成果
- 美業：從手工到規模化個人化
- 寵物：從記憶服務到數據服務
- 旅遊：從資訊仲介到即時陪伴
02 結構性變革
什麼叫結構性變革
換一個客服工具，是效率變革，不影響商業模式或人力配置。但當顧客期待、商業模式、人力角色都跟著改變，那就是結構性變革。這一段要看的是後者。
效率變革與結構性變革，差在哪裡
效率變革（工具層次）
- 同樣的工作，做得更快
- 不影響商業模式或人力配置
結構性變革（根本層次）
- 顧客期待改變，例如隨時被追蹤變成常態
- 人力角色重新定位，商業模式跟著調整
健身產業的商業模式，正在被重新定義
- 01從賣時段到賣成果訂閱過去賣的是教練一小時的時間，現在愈來愈多業者賣的是持續追蹤進度的訂閱
- 02從教練記憶到系統化數據會員的體態與訓練紀錄不再只存在教練腦中，而是能分析的資產
- 03從運動空間到健康管理入口健身房開始整合飲食、睡眠、恢復建議，不只是擺器材的場地
健身產業結構性改變的四個面向
💰
商業模式
從單次課程收費，轉向長期成果訂閱制
👥
人力結構
教練從排課的人，變成看數據做建議的人
🎯
顧客期待
從到店才被關心，變成隨時被追蹤與提醒
🏢
空間定位
從運動場地，變成健康管理與社群經營的入口
健身產業 AI 採用的真實數字
全球健身科技市場規模（十億美元）
資料來源：Glofox／WifiTalents 產業調查彙整（2026）。市場預測為分析機構推估，實際成長受景氣與技術普及速度影響。
結構化會員互動可降低的流失率
搭配自動化帳務與結構化會員互動的健身房，流失率能降到這個區間。（Glofox 產業調查彙整，2026，數字為區間示意）
教練的工作型態，結構性地轉變
過去
- 教練用腦中記憶追蹤每位會員的進度
- 續約提醒靠教練自己想起來
- 排班全憑經驗手動喬時間
教練的價值等於體力加記憶力
現在
- 系統自動標記進度落後、快流失的會員
- 系統排出初版班表，教練只處理例外
- 教練的時間被解放去做動作指導與關係經營
教練的價值等於判斷力加陪伴感
🧭
想進健身產業的你，這代表什麼
未來被需要的教練，不是記性最好的那一個，而是最會用數據判斷、最會經營信任感的那一個。這是你面試時可以具體講出來的轉變。
“
我的角色現在比較像健康顧問，不只是喊口令的教練。
示範情境，健身教練觀察
健身產業變革回顧
美業正在從手工走向規模化的個人化
- 從單店手藝到可複製的個人化過去體驗高度依賴單一設計師的手感，現在個人化建議能規模化複製
- 從被動接客到主動經營過去顧客上門才服務，現在系統會主動提醒回訪、推薦新服務
- 從單一收入到多元模式內容經營本身變成能帶來業績的資產，不再只是順便發一下
美業結構性改變的四個面向
💰
商業模式
內容曝光從附加工作，變成直接帶動業績的核心資產
👥
人力結構
設計師從憑手感，到憑數據做客製建議
🎯
顧客期待
從進店才服務，到被記得、被主動提醒
📱
曝光方式
從口碑傳播為主，轉向社群內容為主要獲客管道
美業 AI 採用的真實數字
全球美業 AI 市場規模（十億美元）
資料來源：Zenoti／JoinBlvd 美業產業調查彙整（2025 至 2026）。
AI 個人化推薦帶動的客單成長
當 AI 能根據顧客的歷史紀錄提出更精準的加購或升級建議，平均預約金額出現明顯提升。（Zenoti 產業調查彙整，2025 至 2026，示意幅度）
美業從業者的工作型態，結構性地轉變
過去
- 內容產出靠設計師有空再發
- 顧客回訪提醒靠人工翻紀錄本
- 服務建議憑設計師個人經驗
曝光不穩定、經驗難複製
現在
- AI 固定產出內容草稿，人工把關後發布
- 系統自動標記該回訪的顧客
- 服務建議參考顧客歷史數據輔助判斷
曝光可預期、經驗可規模化
🧭
想進美業的你，這代表什麼
未來被重視的技能，不再只是手上功夫，還包括懂得用內容工具經營顧客關係。這正是轉職進美業時，你可以先準備好的加分能力。
現在客人期待的不只是技術，還有被記得上次講過的話。
示範情境，美業從業者觀察
美業變革回顧
- 內容曝光從附加工作，變成核心業績資產
- 設計師角色從憑手感，到憑數據做個人化建議
- 顧客期待從被動服務，變成被記得、被主動提醒
寵物產業正在從記憶服務走向數據服務
| 從店員記憶到系統化毛孩檔案 | 過去每隻毛孩的過敏史、脾氣全靠店員記在腦中，現在變成可查閱、可傳承的資料 |
| 從單次消費到長期健康管理 | 寵物旅館、獸醫、美容店開始串接資料，提供跨服務的長期照護建議 |
| 從被動補貨到預測式庫存 | 飼料與用品的採購從憑感覺，轉向根據資料預測的季節性備貨 |
寵物產業結構性改變的四個面向
💰
商業模式
從單次消費服務，轉向跨服務整合的長期照護
👥
人力結構
店員從憑記憶服務，到憑系統資料服務
🎯
顧客期待
從重新交代一次，到換人服務也記得毛孩需求
📦
庫存管理
從憑經驗補貨，轉向根據資料預測的季節性備貨
寵物產業 AI 採用的真實數字
全球獸醫遠距醫療市場規模（十億美元）
資料來源：Grand View Research／Research and Markets 動物醫療與獸醫遠距醫療市場報告（2025 至 2026）。
獸醫遠距醫療市場的年成長率
這個數字反映的是整個寵物健康照護產業導入數位與 AI 工具的速度，不只是單一診所或店家的個案。（Grand View Research 市場報告，2025 至 2026）
寵物服務業者的工作型態，結構性地轉變
過去
- 毛孩的過敏史與偏好靠店員個人記憶
- 換人服務，顧客要重新交代一次
- 庫存補貨靠老闆經驗判斷
服務品質依賴特定的人
現在
- 系統一秒查出每隻毛孩的紀錄與偏好
- 任何店員接手都能延續一致的服務
- 系統依歷史用量預測補貨時機
服務品質依賴系統與紀錄
02 結構性變革
想進寵物產業的你，這代表什麼
未來的寵物服務業，把資料整理乾淨、看懂系統建議會變成核心能力。不只是喜歡動物、有愛心就夠，這也是面試中能具體講出的優勢。
“
客人在意的不是我們用了什麼系統，是他不用每次都重講一次毛孩的狀況。
示範情境，寵物業者觀察
寵物產業變革回顧
旅遊業正在從資訊仲介走向即時陪伴
- 01從賣行程資訊到賣即時應變過去旅行社的價值是知道去哪裡玩，現在資訊隨手可得，價值轉到臨場應變
- 02從團體標準化到個人化深度AI 能大量客製行程建議，讓小眾深度旅遊變得可規模化
- 03從單向通知到雙向互動天氣異動、交通調整不再是單向公告，而是能隨時問答的互動
旅遊業結構性改變的四個面向
💰
商業模式
從賣資訊，轉向賣客製化與臨場應變的服務
👥
人力結構
領隊與客服從回答固定問題，到處理 AI 轉來的複雜個案
🎯
顧客期待
從行前拿到手冊，到隨時能問、隨時有回應
🌍
服務範圍
小眾深度行程因為 AI 輔助客製而變得可規模化
旅遊業 AI 採用的真實數字
導入生成式 AI 對旅遊業的具體影響（%）
資料來源：ColorWhistle／Master of Code 旅遊產業 AI 應用調查彙整（2025 至 2026）。
已把 AI 用於營運的旅遊業者比例
這個數字顯示，AI 在旅遊業已經不是要不要用的問題，而是怎麼用得更好的問題。（ColorWhistle 產業調查彙整，2025 至 2026）
旅遊從業者的工作型態，結構性地轉變
過去
- 行前提醒與異動靠一通通電話
- 客製化諮詢每次重新解釋類似問題
- 特殊需求資訊分散難查
耗時、重複、資訊零散
現在
- 異動自動推播提醒全團
- 常見諮詢 AI 先回覆，人力留給複雜個案
- 系統整合團員特殊需求，一鍵查閱
省時、聚焦、資訊集中
🧭
想進旅遊業的你，這代表什麼
未來第一線人員的價值，會更集中在 AI 答不出來的臨場應變與客製化建議。懂得跟 AI 分工處理常規諮詢，會是求職的加分項。
現在客人問的已經不是有什麼行程，是我這個特殊需求你們怎麼處理。
示範情境，旅遊業者觀察
旅遊業變革回顧
- 商業模式從賣資訊，轉向賣客製化與臨場應變
- 第一線人力的價值集中在 AI 答不出來的個案
- 小眾深度行程因為 AI 客製而變得可規模化
四個產業，四種結構性變革
💪
健身產業
從賣時段到賣成果訂閱，教練角色轉向數據判斷
💇
美業
內容曝光從附加工作，變成核心業績資產
🐾
寵物產業
從記憶服務，走向系統化的數據服務
✈️
旅遊業
從賣資訊，走向賣客製化與臨場應變
🔗
四個產業，共同的一條線索
不管哪個產業，變革的方向都很像：重複性的資訊工作交給 AI，人力價值往判斷、應變、陪伴這些 AI 做不到的地方移動。
不是工作消失，是值錢的部分換了位置。
“
不是 AI 搶走了工作，是工作裡值錢的部分正在重新分配。
產業觀察
結構性變革段落回顧
Practice
個人演練：寫一個能解決問題的 Prompt
十分鐘，先別管技巧，用角色、情境、任務、格式試著寫寫看。
十分鐘
學技巧之前先自己動手試一次，你才知道自己卡在哪裡。
今天的練習設計理念
為什麼要先動手，再學理論
- 帶著問題學習更有效自己先卡關過，待會學正式技巧時會更有感覺
- 讓你知道自己的起點這份草稿等一下可以拿來跟學完技巧後的版本比較
- 後面都會用得到今天寫的東西，案例與分組演練都會再用到
寫 Prompt 的簡單框架，先抓個大概
| 角色 | 想像 AI 現在是什麼身分，例如一位有經驗的店長 |
| 情境 | 把背景講清楚，例如顧客是誰、發生了什麼事 |
| 任務 | 具體要它做什麼，不要只講「幫我想一下」 |
| 格式 | 想要多長、什麼語氣、要不要條列 |
先看一組最簡單的對照
✕改造前
幫我回一句顧客的抱怨訊息
問題在哪沒有角色、沒有情境細節、沒有格式。AI 只能給你一句很籠統的客套話。
同一件事，加上四個要素之後
✓改造後
你是一間寵物店的客服，語氣誠懇有同理心。顧客抱怨美容剪太短，情緒有點激動。請寫一則回覆，先同理心情，再說明店長今天會親自聯繫，不要承諾具體補償，100 字以內。
差在哪角色定了語氣，情境定了狀況，任務定了要做什麼，格式定了長度與紅線。
個人演練
光是補上這四件事，差異就很明顯
待會的 Prompt 工程章節會把這四個要素拆得更細。現在請先帶著這個大概的框架，自己動手寫一次。
動手做：寫一個能解決實際問題的 Prompt
針對你熟悉的產業，寫一個 Prompt
- 想一個你熟悉或有興趣投入的生活服務業（健身、美業、寵物、旅遊或其他）
- 具體想一個現場常遇到的問題，例如回覆詢問、寫一則社群文案、處理客訴
- 套用角色、情境、任務、格式四個要素，寫下你的 Prompt
- 身邊有 AI 工具的話，直接貼上去跑一次看看結果
- 寫下一句話，說明你這個 Prompt 還缺什麼、哪裡還可以更好
時間：十分鐘用具：紙筆、手機備忘錄，或直接打開 AI 工具
🙋
邀請分享
有沒有人願意念一下自己寫的 Prompt？我們花兩分鐘聽兩三位，順便看看少了角色、情境、任務、格式的哪一個。
第一次寫，最常漏掉的三件事
- 01忘記給角色寫完才發現只講了任務，沒交代 AI 要扮演誰
- 02情境寫得太簡略「顧客抱怨」四個字，AI 猜不到抱怨的具體內容
- 03沒想清楚格式寫完才發現沒講字數跟語氣，等一下還要再補一輪
如果你卡住了
這是很正常的起點
今天多數人第一次寫 Prompt，都會漏掉至少一個要素。 接下來的章節會把這四個要素拆得更細，讓你知道怎麼補齊。
個人演練自我檢查
- 我寫出了一個具體的產業與問題，不是空泛的方向
- 我試著套用了角色、情境、任務、格式四個要素
- 我知道自己這個 Prompt 目前還缺哪一塊
把這個練習，對照回你的求職或創業
- 求職時能具體舉例「我寫過一個能解決客訴回覆的 Prompt」比「我會用 AI」有說服力得多
- 創業或接手家業能立刻用今天寫的 Prompt，回去就能套在自己的店裡試試看
“
一個具體寫出來的 Prompt，比十個「我大概知道怎麼用 AI」的念頭更值錢。
今天練習的核心提醒
📌
收好這份草稿
接下來的章節會給你更完整的框架跟大量範例。學完之後回頭把這份草稿改一次，那個對比會比憑空學理論有感很多。
03
Prompt 工程：怎麼講，它才聽得懂
五個核心要素，加上四個產業、八組好壞範例的實際對照。
- 好 Prompt 的五個要素
- 四個產業的好壞對照
- 建立「工具不是魔法」的心態
03 Prompt 工程
承接上一章：為什麼問法會決定答案
還記得嗎？AI 是根據你給的內容，生成最合理的延續。你給的資訊愈完整、愈精確，它接出來的答案就愈準。這一章要教你具體怎麼做。
好 Prompt 的五個要素
- 角色告訴 AI 它現在是什麼身分，例如「你是一位有十年經驗的健身教練」
- 情境說明背景狀況，例如「這位會員剛做完手術，想恢復訓練」
- 任務明確講出要它做什麼，例如「寫一段回覆，說明為什麼要先諮詢醫師」
- 格式規定輸出的樣子，例如「用兩句話，語氣溫和堅定」
- 迭代修正第一次的答案通常只是草稿，追問一句往往就能大幅改善
角色與情境，決定答案的起點
- 01角色決定用什麼身分說話沒給角色，AI 會用最中性、最制式的語氣，常常不符合你的場景
- 02情境決定答案貼不貼近現實沒給情境，AI 只能猜你的狀況，猜錯的機率不低
- 03兩者合起來就是起跑線角色與情境愈具體，AI 第一版草稿的品質就愈高
任務與格式，決定拿到的東西能不能用
- 任務要講具體的事，不是方向「幫我想個文案」太模糊，「寫一則 50 字以內、語氣活潑的限動文案」才夠具體
- 格式決定能不能直接用字數、語氣、要不要條列，講清楚能省掉很多來回修改
- 沒講格式，AI 不會猜對它會用最常見的格式回答，不一定符合你的使用場景
🔄
第五個要素最容易被忽略
很多人問一次覺得不滿意就放棄，以為 AI 就是這樣。其實追問一句「換個語氣」「再精簡一點」「加入這個細節」，往往幾輪內就能得到好用的版本。
第一版是草稿，不是答案。
記住這四個字：角情任格
下 Prompt 前，先自問四件事
有沒有給角色？有沒有給情境？任務講清楚了嗎？格式規定了嗎？ 四項都到位，再加上願意追問修正，就是一個好 Prompt 的基本盤。
五要素檢查清單
🔬
接下來看四個產業的好壞對照
同一個問題，加上角情任格前後，答案品質差多少？我們用健身、美業、寵物、旅遊四個實際情境，一組一組拆給你看。
情境一：會員問這週能不能請假
- 背景會員這週身體不適想請假，傳訊息問教練會不會扣堂
- 目標寫一則回覆，說明請假規則，同時維持溫暖的關係
對照一：改造前
✕改造前
幫我回一句請假的訊息
會拿到什麼一句誰都能用的客套話。沒有規則、沒有語氣，貼上去之前你還得整句重寫。
對照一：改造後
✓改造後
你是一位健身工作室的教練，語氣溫暖但專業。一位會員身體不適想請假，規則是「48 小時前告知可全額保留堂數，不足 48 小時扣半堂」。請寫一則 Line 回覆，先關心狀況，再說明這次是否算扣堂，語氣不要太官方，80 字以內。
AI 回了什麼聽到你不舒服有點擔心你，好好休息最重要！這次你是提前跟我說的，完全符合 48 小時規則，堂數會幫你保留不扣，安心養病，好了再一起練回來。
03 Prompt 工程
差在哪裡
改造前沒有角色、沒有規則、沒有格式，AI 只能生成一句籠統的客套話。改造後給了角色、規則與字數語氣，生成的回覆才真的能直接拿去用。
情境二：要發一則新品文案
- 背景沙龍剛引進一款護色洗髮精，想在 Instagram 發文推廣
- 目標寫一則吸引人的貼文，但不能像業配文那樣生硬
對照二：改造前
✕改造前
幫我寫一篇推薦洗髮精的貼文
會拿到什麼一篇像廣告稿的文章。語氣、長度、通路全沒講，它只能給你最通用的版本。
對照二：改造後
✓改造後
你是一間美髮沙龍的社群小編，語氣活潑、像在跟熟客聊天。我們剛引進一款護色洗髮精，主打染後顏色維持更久、不用常補染。請寫一則 Instagram 貼文，60 字以內，結尾加一句吸引留言的提問，不要用「熱烈推薦」這種業配感很重的詞。
AI 回了什麼染後掉色是不是讓你很崩潰？這款新到貨的護色洗髮精，我們自己天天用，顏色撐超久，補染次數直接變少！你染過最快掉色的是哪個顏色？留言告訴我們～
🚫
這裡多了一件事：講清楚不要什麼
改造後的 Prompt 明確禁止了業配感很重的詞，還規定要有互動提問。「講清楚不要什麼」跟「講清楚要什麼」一樣重要，能大幅減少來回修改的次數。
情境三：顧客抱怨剪太短
- 背景顧客抱怨美容師把貴賓犬剪太短，情緒有點激動
- 目標先安撫情緒，再說明後續處理，但不能隨便承諾補償
對照三：改造前
✕改造前
客人抱怨剪太短，幫我回覆道歉
風險在哪AI 很可能自作主張，直接生成退費或免費重做的承諾，讓店家陷入被動。
對照三：改造後
✓改造後
你是寵物美容店的客服人員，語氣誠懇、有同理心但不卑微。顧客抱怨毛孩被剪太短，情緒有點激動。請寫一則回覆：先同理她現在的心情，再說明店長今天會親自聯繫了解狀況並討論後續處理，不要承諾任何具體補償金額或方案，100 字以內。
關鍵在哪「不要承諾任何具體補償」這一句就是紅線。格式不只是排版，也包括不能講什麼。
🛡️
格式限制，有時是在保護你
愈是情緒敏感、牽涉金錢的場合，愈要在 Prompt 裡把紅線畫出來。這不是限制 AI，是先幫自己把後路守住。
情境四：帶長輩的離島行程
- 背景顧客詢問三天兩夜的離島行程，同行有一位行動不便的長輩
- 目標給出行程建議，而且要真的考量長輩的體力與行動需求
對照四：改造前
✕改造前
推薦一個離島三天兩夜行程
會拿到什麼一份網路上到處都有的熱門景點清單，完全沒考慮到那位長輩。
對照四：改造後
✓改造後
你是一位熟悉離島行程規劃的旅遊顧問。顧客要帶一位行動不便、需要輪椅輔助的長輩去離島玩三天兩夜，同行還有兩位年輕人。請用條列式列出 3 個行程重點，每項要說明為什麼適合行動不便的長輩，例如有沒有無障礙設施、移動距離長短，語氣親切，總字數 150 字以內。
AI 回了什麼住宿選靠近港口的無障礙民宿減少移動；白天安排平緩的海邊步道與漁港，避開要爬階梯的景點；晚餐選有無障礙洗手間的餐廳。三項都附上了理由。
03 Prompt 工程
要求它「說明為什麼」，答案就不一樣
改造後不只講清楚了行動不便這個關鍵情境，還要求說明理由。這讓 AI 不是隨便列景點，而是針對特殊需求給出有根據的建議，這正是客製化服務最需要的能力。
四組對照，壞與好的共同特徵
壞 Prompt 的共同點
- 沒有角色與情境，AI 只能用最通用的方式回答
- 沒有規定格式，長度語氣都要事後修改
- 沒講清楚限制，AI 可能自作主張
好 Prompt 的共同點
- 角色與情境具體到位，答案一開始就貼近現實
- 明確規定格式與字數，拿到就能直接用
- 清楚講出不能做什麼，避免 AI 自作主張
好壞對照段落回顧
- 角色與情境愈具體，AI 的答案愈貼近現實
- 格式不只是排版，也包括「不要做什麼」的限制
- 同樣的問題，問法不同，答案品質天差地遠
🧠
技巧學會了，還要有對的心態
知道角情任格，不代表你已經準備好了。很多人學了技巧卻帶著錯誤的心態用 AI，反而更容易踩坑。
最常見的三個錯誤心態
- 01以為 AI 無所不知它不知道你店裡的真實庫存、今天的天氣、顧客的真實情緒
- 02以為第一次就要完美第一版通常是草稿，放棄追問等於浪費了 AI 最有用的能力
- 03以為不用檢查就能用它可能生成聽起來合理但錯誤的內容，尤其是數字與規則
常見迷思與正確心態
常見迷思
- AI 是萬能的專家
- 第一次問到的答案就是最終答案
- AI 生成的東西可以直接發布
正確心態
- AI 是需要你補充背景的助理
- 第一版是草稿，值得追問一兩輪修正
- AI 生成的東西一定要人工檢查再用
🛠️
工具不是魔法具體是什麼意思
工具的特性是：用得好能省下大量時間，但它不會自己判斷對錯，也不會替結果負責。魔法的迷思則是：以為講一句話就能得到完美結果，不用自己把關。
角情任格，就是把 AI 從魔法期待拉回工具使用的方法。
培養正確心態的三個習慣
- 先想清楚要什麼，再打字花三十秒想清楚角色、情境、任務、格式，比打完馬上送出有效率
- 把回答當草稿，不是答案看到第一版，習慣性問自己：哪裡還可以更貼近我要的
- 養成檢查的習慣發布或使用前，花幾秒鐘核對數字與規則這類關鍵資訊
會用 AI 的人，不是問得比較多，是問得比較準，也比較敢追問修正。
這堂課的核心提醒
Prompt 工程段落總回顧
03 Prompt 工程
準備好了，接下來看真實案例
學了原理、看了變革、練了技巧，接下來要看的是：業師怎麼把這些用在真實的現場，導入前後到底差多少。
04
業師案例：導入前後的效率變化
四個示範情境：困境、導入過程、成效，還有各自踩過的坑。
- 瑜伽教室
- 美甲美睫沙龍
- 寵物旅館
- 在地旅行社
📋
在開始之前，先說明一件事
接下來四個案例，是根據業界輔導經驗綜合出的示範情境，不是指名道姓的真實品牌。目的是讓你看到導入 AI 大概會經歷什麼，數字是示範用途，不是精確統計。
怎麼從案例裡學東西
| 看流程，不要只看結果 | 他們怎麼一步步導入，比最後的數字更值得學 |
| 看踩過的坑 | 別人的錯誤，可以讓你少走一段路 |
| 對照自己的產業 | 邊聽邊想：這個做法，我用得上嗎 |
案例一：瑜伽與皮拉提斯教室
- 01背景兩位教練共同經營，主打小班制與一對一體態調整
- 02店家規模會員約 100 人，沒有行政人員，兩位教練互相支援排課與客服
- 03轉捩點新開的分店讓兩人分身乏術，體驗課詢問常常隔天才回覆，轉換率下滑
他們的三個具體痛點
- 體驗課詢問回覆慢忙完一天課程才有空看手機，常常隔夜才回，新客等不到就走了
- 課表異動溝通混亂代課、請假訊息在多個對話串來回，容易漏傳
- 紀錄靠手寫筆記學員的傷史與體態重點記在筆記本，新代課老師無從查閱
“
我們開瑜伽教室是想幫人放鬆，結果自己每天緊張兮兮，怕漏回訊息。
示範情境
瑜伽教室共同創辦人（示範情境，非真實引述）
他們導入 AI 的三個步驟
- 先做客服設定體驗課詢問的自動回覆與預約連結，新客詢問秒回不過夜
- 再做資料把每位學員的體態紀錄與傷史整理進共用系統，代課老師都查得到
- 最後整合排程課表異動自動推播給受影響的學員，不再靠人工轉傳
他們選用的工具類型
| 對話機器人 | 接手社群詢問，自動回覆常見問題與預約連結 |
| 學員檔案系統 | 記錄體態重點與傷史，任何教練都能查閱 |
| 排程通知工具 | 課表異動自動推播給受影響的學員 |
案例一：導入前後對比
導入前
- 體驗課詢問常常隔夜才回覆
- 學員傷史全靠手寫筆記
- 課表異動靠人工一一傳訊
反應慢、資訊斷層
導入後
- 體驗課詢問自動秒回並附上預約連結
- 系統查得到每位學員的體態重點
- 異動自動推播，不再漏傳
反應快、資訊順暢
案例一：關鍵成效指標
以上為示範情境數據，用途是幫你抓感覺，不是精確統計。
他們踩過的坑
自動回覆一次全開，熟客收到罐頭訊息
一開始把所有訊息都設成自動回覆，結果學員私訊教練聊近況時收到罐頭訊息，覺得很失禮。 後來把範圍限縮在新客詢問加關鍵字，熟客私訊仍然由真人回覆。
示範情境
案例一給你的三個做法
- 自動回覆先鎖定新客詢問這個最窄的範圍，別一次全開
- 學員的敏感紀錄一定要進系統，不是個人筆記本
- 排程自動化之前，先確認學員真的看得到那個通知管道
案例二：美甲美睫沙龍
- 01背景從一人接單擴編到三位美甲師的工作室
- 02店家規模熟客約 200 人，靠 Instagram 照片帶新客，沒有專職行銷或客服
- 03轉捩點三位師傅的預約行事曆沒串接，連續兩次同一時段被重複約，引發糾紛
他們的三個具體痛點
- 多位師傅預約沒整合常常重複約或漏約
- 作品照片沒時間整理每天拍的照片堆在手機相簿，沒空整理成貼文
- 客訴處理沒有一致流程卸甲傷指、款式不如預期，全靠師傅臨場反應
客人在社群看到別人作品來指定師傅，結果我們自己都搞不清楚誰哪天有空。
示範情境
美甲沙龍負責人（示範情境，非真實引述）
他們導入 AI 的三個步驟
- 先做營運三位師傅的預約整合進同一系統，AI 偵測重複時段自動示警
- 再做行銷每天下班前，AI 把當天拍的作品照片生成三個標題，隔天挑一個發布
- 最後補強客服常見問題自動回覆，客訴類訊息自動標記，優先由本人回覆
他們選用的工具類型
| 多人預約管理系統 | 整合三位師傅的行事曆，自動偵測衝突 |
| 圖文生成工具 | 依當天拍的照片自動產出貼文標題與描述 |
| 對話機器人 | 分流常見問題與需要真人處理的客訴 |
案例二：導入前後對比
導入前
- 三位師傅各自排約常常撞期
- 作品照片堆積沒發文
- 客訴處理各憑經驗
常糾紛、曝光弱、處理不一致
導入後
- 系統自動擋掉重複時段
- 每天穩定發布作品貼文
- 客訴自動標記，優先由真人跟進
糾紛減少、曝光穩定、處理一致
案例二：關鍵成效指標
以上為示範情境數據，用途是幫你抓感覺，不是精確統計。
他們踩過的坑
客訴也交給自動回覆，火上加油
一開始想把客訴也交給自動回覆處理，結果罐頭式的道歉訊息讓生氣的客人更火大。 後來把客訴關鍵字設成優先轉真人，AI 只負責先安撫並通知本人盡快聯繫。
示範情境
案例二給你的三個做法
案例三：寵物旅館
- 01背景郊區一間結合寄宿與日間托育的寵物旅館
- 02店家規模每月服務約 80 隻毛孩寄宿，旺季連假常常爆滿
- 03轉捩點連假前夕大量詢問湧入，電話忙線，錯過好幾組新客訂位
他們的三個具體痛點
- 旺季詢問量暴增電話忙線接不完
- 照護資訊靠紙本交班用藥時間、飲食限制靠紙本入住單，交班常常漏看
- 空房狀況只有老闆知道員工要現場核對才能報價
“
每次連假前，電話一響我們就緊張，深怕漏接客人。
示範情境
寵物旅館店主（示範情境，非真實引述）
他們導入 AI 的三個步驟
- 先做客服常見詢問自動回覆與初步報價，分流出真正需要真人確認的個案
- 再做數據毛孩的用藥、飲食與特殊需求整理進系統，交班時一目了然
- 最後整合營運空房狀況即時同步，員工與線上詢問看到的是同一份資料
他們選用的工具類型
| 對話機器人 | 處理常見詢問與初步報價 |
| 毛孩檔案系統 | 記錄用藥、飲食與照護細節 |
| 房況管理系統 | 空房狀況即時同步給員工與線上詢問 |
案例三：導入前後對比
導入前
- 旺季電話忙線，漏接詢問
- 用藥與飲食靠紙本交班，常漏看
- 空房要現場核對才能報價
漏客、照護風險、報價慢
導入後
- 常見詢問自動先回覆與報價
- 系統一鍵查看毛孩的照護重點
- 空房即時同步，線上就能報價
漏客減少、照護更安心、報價即時
案例三：關鍵成效指標
以上為示範情境數據，用途是幫你抓感覺，不是精確統計。
他們踩過的坑
系統說有空房，現場卻在消毒
一開始讓 AI 直接依系統顯示的空房報價，卻沒考慮到部分房型正在消毒整理中，重複收訂造成客人到場撲空。 後來加上「整理中」這個狀態欄位，系統才不會誤報可訂。
示範情境
案例三給你的三個做法
- 即時性高的產業，客服自動化第一步就能大幅降低漏客
- 涉及動物健康安全的資訊，一定要系統紀錄，不能只靠口頭交班
- 自動化報價之前，先確認系統資料跟現場實際狀況是同步的
案例四：小型在地旅行社
- 01背景五人團隊經營，主打小眾深度路線：登山、老街體驗、離島
- 02店家規模每月出團約 10 至 15 團，每團 8 至 15 人，靠口碑與社群導客
- 03轉捩點出團前的提醒與臨時異動常常靠一通通電話，團員抱怨資訊不同步
他們的三個具體痛點
- 異動溝通耗時五人團隊分頭打電話確認，效率很低
- 諮詢重複解釋每次都要重新解釋類似的行程細節
- 特殊需求分散飲食限制、體力狀況散在報名表與零星訊息裡
出團前一天最怕天氣突然變化，五個人分頭打電話跟三十個人確認，根本忙不過來。
示範情境
旅行社負責人（示範情境，非真實引述）
他們導入 AI 的三個步驟
- 先做客服常見的行程諮詢自動回覆，省下重複解釋的時間
- 再做數據團員的飲食限制與體力狀況整理進系統，領隊出團前一鍵查看
- 最後做群發天氣或交通異動時，系統自動推播提醒給該團全體團員
他們選用的工具類型
| 對話機器人 | 處理集合時間、裝備建議、退換規則這類行程諮詢 |
| 團員檔案系統 | 整合飲食限制與體力狀況等特殊需求 |
| 群發通知工具 | 天氣或交通異動時自動群發提醒 |
案例四：導入前後對比
導入前
- 行前異動要逐一撥打電話
- 諮詢常常重複解釋相似問題
- 特殊需求資訊分散難查閱
耗時、重複、資訊零散
導入後
- 異動自動群發推播給全團
- 常見諮詢自動先回覆
- 領隊出團前一鍵查看團員需求
省時、減少重複、資訊集中
案例四：關鍵成效指標
以上為示範情境數據，用途是幫你抓感覺，不是精確統計。
他們踩過的坑
推播寫得太制式，團員看不懂改了什麼
一開始的天氣異動推播只寫「行程異動請注意」，不少團員看不懂到底改了什麼，反而打電話回來問。 後來規定推播一定要包含「原本的安排」「現在改成什麼」「需要團員怎麼做」，三項到齊才能發。
示範情境
案例四給你的三個做法
四個案例快速對照
🧘
瑜伽教室
先客服再資料，代課老師都能延續一致服務
💅
美甲美睫沙龍
先營運再行銷，排程整合是第一步
🏨
寵物旅館
先客服再營運整合，旺季不漏客
🧳
在地旅行社
先客服再數據，異動溝通從電話變推播
🧭
四個案例說的是同一件事
沒有標準答案。每一家先解決的都是當下最痛的那個問題，不是照抄同業的順序，而是先誠實面對自己卡在哪裡。
四個案例共同的成功關鍵
- 都從一個最痛的具體問題切入不是全面 AI 化
- 都保留人工把關或轉真人的機制
- 都是小步驟推進，不是一次到位
“
他們最大的共同點，不是用了多先進的工具，而是先想清楚要解決誰的問題。
四個案例的整理心得
04 業師案例
回想你的個人演練
你剛剛寫的那個 Prompt，處理的是不是跟這四個案例類似的問題？有沒有哪一個案例，特別能對照到你的狀況？
Workshop
分組演練：Prompt 工作坊
二十分鐘小組合作優化一個 Prompt，再用兩分鐘上臺對照前後差異。
二十五分鐘
🤝
為什麼要分組寫 Prompt
職場上，Prompt 常常不是一個人埋頭寫出來的，而是團隊一起討論「我們到底要 AI 做什麼」。這個練習模擬的正是這種情境。
分組規則
- 分組方式四到五人一組，盡量依熟悉或有興趣的產業配對
- 情境認領每組認領一個生活服務業情境：健身、美業、寵物、旅遊或其他
- 推選組長推選一位組長帶討論，完成後全組一起上臺
任務說明
- 01用今天學的角情任格針對認領的情境，合作寫出一個實際會用到的 Prompt
- 02先寫陽春版，再優化刻意先寫一個最直覺的版本，再套框架優化，體驗差異
- 03二十分鐘內完成時間到請立刻停筆，準備分享
各組可以認領的情境，任選或自訂
💪
健身房
會員想暫停會籍，寫一則挽留但不施壓的回覆
💇
美業
顧客留了負評，寫一則不卑不亢的回應
🐾
寵物店
顧客抱怨服務結果，寫一則安撫但不亂承諾的回覆
✈️
旅遊業
客人臨時要改行程日期，寫一則說明退改規則的訊息
討論架構：照這個順序走
正式任務卡：Prompt 工作坊
小組一起把一個 Prompt 改好
- 小組認領一個生活服務業情境
- 合作寫出一個陽春版 Prompt，先不套框架
- 套用角色、情境、任務、格式，優化成進階版
- 有 AI 工具在手邊的話，實際跑一次比較兩個版本的輸出
- 準備好「陽春版、優化版、為什麼更好」的三段式分享
時間：二十分鐘用具：紙筆或手機備忘錄，有 AI 工具可實測更好
Showcase
成果發表：優化前後對照
每組兩分鐘，把差異講清楚。
每組兩分鐘
發表的三段式架構
- 陽春版 Prompt念出你們一開始寫的那個版本
- 優化後 Prompt念出套用角情任格之後的版本
- 為什麼更好具體說出差異在哪裡，不是只說「比較清楚」
上臺分享的三個小提醒
- 控制在兩分鐘內，只講重點
- 照三段式念，不要跳著講
- 「為什麼更好」要講具體差異，不要空泛形容
👂
臺下的任務
聽別組分享時，記下一個你覺得可以借鏡到自己情境的優化技巧。等一下我們會請幾位分享聽到的收穫。
範例：健身房組的發表
- 陽春版幫我回會員說可以暫停會籍
- 優化後你是健身房店長，語氣溫暖不強硬。會員想暫停會籍三個月，請寫一則回覆，先理解他的原因，再簡單說明暫停期間的會籍保留規則，50 字以內
- 為什麼更好原本 AI 只會回一句好的沒問題，優化後才會真的把規則講清楚，還帶著溫度
範例：旅遊業組的發表
| 陽春版 | 客人要改日期，幫我回覆 |
| 優化後 | 你是旅遊業客服，語氣親切但清楚。客人臨時要把出發日期往後延兩週，請寫一則回覆，說明出發前七天內改期要收 10% 手續費，語氣不要讓客人覺得被刁難，80 字以內 |
| 為什麼更好 | 原本只會制式地說可以幫您處理，優化後會主動講清楚費用規則，還顧慮到語氣 |
各組常見的兩種優化方向
補充情境細節
- 把顧客是誰、發生什麼事講得更具體
- 讓 AI 一開始就抓對狀況
明確要求語氣與格式
- 規定要溫暖、要簡短、要條列
- 讓輸出不用再大幅修改就能用
分組工作坊
兩種方向都對
補充情境讓答案更貼近現實，規定語氣格式讓答案更能直接用。實務上，好的 Prompt 通常兩種都做到了。
如果組員對寫法有分歧
- 先各自念出自己的版本不要急著否定，分歧背後通常是對情境的理解不同
- 直接跑一次看結果有 AI 工具在手邊，實測比爭論更快有答案
分組演練檢核
一個人想得快，一群人想得深。分組討論的價值，常常是在別人提問的那一刻才浮現。
課程協作觀察
今天分組演練練到的協作技巧
- 先寫陽春版再優化，比一開始就要求完美更有效率
- 具體的框架讓團隊有共同語言，不會各說各話
- 實際測試比爭論更快找到答案
📝
把小組的成果帶回去
今天小組討論出的優化 Prompt，加上你個人演練寫的第一版，就是你離開教室時最具體的兩份「我用 AI 解決過問題」的證明。
Wrap Up
收尾：帶得走的行動清單
重點回顧、後續資源、Q&A。
十分鐘
今天學到的四件事
- 運作原理AI 是靠巨量資料練出的接話能力，不是查資料庫，也不是真的理解
- 結構性變革四個產業的商業模式、人力結構、顧客期待都在改變
- Prompt 工程角色、情境、任務、格式、迭代修正，五個要素決定答案品質
- 四個案例效率變化都很具體，而且每一家都留了人工把關的關卡
離開教室前，可以做的三件事
後續可以怎麼繼續練
| 持續練習 Prompt 寫作 | 角情任格不是背起來就會，要實際多寫幾次才會內化 |
| 關注你選定產業的動態 | 每季花點時間看看同業怎麼用，更新自己的認知 |
| 找同伴互相檢查 | 請朋友看看你的 Prompt，少了四個要素的哪一項 |
想繼續學，這兩個資源可以帶走
求職與創業，今天學的怎麼用
求職
- 面試時具體舉出你寫過的 Prompt 與優化過程
- 履歷寫「熟悉生成式 AI 原理與 Prompt 工程」更有說服力
創業或接手家業
- 先在自己或家人的店試寫幾個實用 Prompt
- 用今天的結構性變革框架，想想自己的店該往哪裡調整
三個常被問到的問題
- 01要背很多技術名詞嗎不用。今天教的角情任格是白話框架，不是要你變成工程師
- 02Prompt 要寫多長才夠沒有標準長度。夠具體、夠清楚就好，抓住四個要素比長度重要
- 03每個工具都適用嗎大原則通用，但不同工具的介面與功能略有差異，實際用了才知道細節
🎯
如果你只記得一句話
AI 不是魔法，是一個很會接話的工具。你給的角色、情境、任務、格式愈清楚，它幫上的忙就愈大。
講清楚，它才接得準。
“
今天你寫下的每一個 Prompt，都是離開教室時能實際帶走、也實際能用的東西。
今天課程的祝福
收尾
Q&A 時間
接下來留一些時間給大家提問。不管是今天內容的疑問，或是你自己產業的具體狀況，都歡迎提出來一起討論。