「AI 我知道很重要，但我到底該從哪裡開始？」

過去一段時間 AI 焦慮瀰漫在親朋好友圈，問的人來自行銷、人資、業務、教育、醫療、會計——幾乎每個行業都有。 他們不缺資訊，反而是被資訊淹沒了。

問題不是資源不夠，是沒有順序​

打開 YouTube 和社群平台，AI 教學多到看不完。但仔細看會發現幾個共同問題：

第一，大部分教學預設你有技術背景。 開口就是 API、模型參數、部署， 對一個每天在做簡報和寫信的人來說，這些字每個都看得懂，合起來完全不知道在講什麼。

第二，工具推薦很多，但沒人告訴你「你」該用哪一個。 一篇文章列出 30 個 AI 工具， 看完的結果通常是更焦慮，因為你不知道哪一個跟你有關。

第三，提示詞文章複製過來常常不適用。 因為那些模板是為了展示而寫的， 不是為了你的實際工作情境。

第四，講原理的內容不是太淺就是太深。 要嘛只是喊「AI 很厲害要趕快學」， 要嘛直接丟論文。中間那一段——「用一般人聽得懂的方式解釋它為什麼會這樣回答」——很少有人寫。

KD AI Hub 想補的就是這一段​

這個站的設計只有一個目標：讓一個完全沒有技術背景的人，有一條清楚的路可以走。

具體來說：

一條有順序的學習地圖​

學習地圖 把 AI 自學分成三個階段，每個階段都寫明： 學什麼、學到什麼程度算過關、接下來去哪裡。你不需要自己判斷該學什麼。

一個 20 分鐘就有成果的起點​

新手起步 不解釋理論，直接帶你動手。 五個步驟做完，你會有一個真正用得上的成果，以及一套可以重複使用的方法。

可以直接複製的東西​

提示詞庫 裡的每一則模板都可以直接貼進 AI 使用， 括號內換成你自己的內容就好。行銷、人資、行政、業務、教師、學生都有。

誠實面對限制​

AI 會出錯、會編造、有些事不該交給它做。 安全與判斷力 和 幻覺與查證 這兩章存在的理由就是：我不想寫一個只講好話的站。

三個寫作原則​

做這個站的時候，我給自己訂了三條規則：

一、為非工程師而寫。 出現技術名詞一定先解釋，能用生活比喻就不用數學。 程式永遠是選修，不是必修。

二、每篇都要能回答「所以我現在該做什麼」。 看完沒有任何能動手的事，那篇文章就不合格。

三、不誇大。 不會為了讓內容看起來厲害而寫超出事實的東西， 也會明確告訴你哪些事不該交給 AI。

從哪裡開始​

如果你完全沒用過 AI，從 新手起步 開始，20 分鐘。

如果你已經用過幾次但覺得沒什麼用，我猜問題出在提問方式， 建議直接看 寫出好提示詞的 6 個原則。

如果你想先搞懂原理再動手，那就從 AI 基礎觀念 開始。

內容會持續更新。有想看的主題、發現錯誤，或單純想聊聊， 歡迎來信 kdchang.labs@gmail.com。

讓我們一起把 AI 用得更好。

因為只要心理模型正確，你自然就會問出好問題，也會知道什麼時候不該相信它。 這篇用十分鐘把最重要的觀念講完。

一句話版本​

今天的 AI 助理，本質上是一個讀過大量文字、非常擅長「接下去該說什麼」的機率模型。

它不是資料庫，也不會自動上網查你的事情（除非你開了搜尋功能）。 它在做的事是：看著目前為止的所有文字，預測下一個字最可能是什麼，印出來，再預測下一個。

整段流暢的回答，就是這樣一個字一個字長出來的。

這個比喻能解釋所有奇怪現象​

看懂這張表，你就已經比多數人更懂怎麼用 AI 了。

為什麼這種機制能「像在思考」​

因為要把「下一個字」預測得夠好，模型必須學會很多東西：文法、語感、 事實之間的關聯、推理的形式、不同文體的風格。

所以它的「理解」是從大量模仿中長出來的統計直覺，不是查表，也不是邏輯推導。 這解釋了它為什麼既能寫出漂亮的分析，又會在「草莓有幾個 r」這種問題上翻車。

三個你一定會遇到的名詞​

Token（詞元）​

模型處理文字的最小單位。中文大約一個字算 1~2 個 Token。 為什麼你要知道？ 所有的長度限制與計費，都是用它算的。

上下文視窗​

模型一次能「看到」的內容上限，包含你的提問、你貼的檔案、以及它自己的回答。 超過就會把最前面的擠掉——這就是它「忘記」的真相。

解法： 開新對話、把重點重新貼一次、或把長文件拆段處理。

幻覺​

AI 產生流暢、自信、但實際不正確的內容。 這不是 bug，而是「生成合理文字」這個機制的副作用。

三個最常見的誤解​

「AI 上網查過才回答我」​

大部分情況沒有。除非你明確開啟搜尋功能、或貼了檔案給它， 否則它是憑訓練時看過的文字在回答。

「它答得這麼肯定，應該是對的」​

語氣的肯定程度和正確率完全無關。 AI 不知道自己不知道，所以它會用同樣自信的語氣講對的事和錯的事。

「問得越簡短越好，免得它搞混」​

剛好相反。把它想成一個很聰明但完全不認識你的新同事—— 你不會只丟一句「幫我寫個東西」給新同事。

今天就可以做的三個練習​

1. 同一個問題問兩次，比較差異，感受生成的隨機性
2. 問一個你很熟的專業問題，看它哪裡答得好、哪裡似是而非
3. 請它引用來源，然後真的點開，體驗一次幻覺長什麼樣子

第三個練習特別重要。親眼看過一次它一本正經地編造參考資料， 你之後的查證習慣就會自動長出來。

一句話讓答案變好​

在你的提問最後加上這句：

如果資訊不足或你不確定，請直接說不知道，不要猜測。

這句話能顯著降低胡說的機率，建議加進你所有的提問模板。

接下來：

• 想更深入理解原理 → 大型語言模型是怎麼運作的
• 想知道怎麼查證 → 幻覺與查證
• 想直接動手 → 新手起步：20 分鐘完成第一件 AI 工作

差別幾乎都不在工具，而在你有沒有把話講完整。這篇給你六個原則和可以直接複製的模板。

先看一組對照​

一般人的問法

幫我寫一封請假信

得到的結果：一封通用、客套、還要大改的信。

改良後的問法

【角色】你是熟悉台灣職場書信禮儀的資深行政人員。
【任務】幫我寫一封請假申請信給我的直屬主管。
【脈絡】我是行銷部專員，要請 3 天特休（10/14–10/16）出國。
手上的社群排程已做完到月底，緊急事項由同事小林代理。
我跟主管關係還不錯，但信件仍需保持專業。
【格式】200 字以內、正式但不生硬、主旨另外列出、結尾附交接說明。

差別不在 AI 變聰明了，而是你把它需要的資訊給齊了。

原則一：角色 × 任務 × 脈絡 × 格式​

這是最重要的一個公式，90% 的問題用它就能解決：

【角色】你是一位有 10 年經驗的 ____。
【任務】請幫我 ____。
【脈絡】背景是 ____。對象是 ____。我的目標是 ____。
【格式】請用 ____ 呈現，長度約 ____，語氣 ____。

四段裡面，脈絡是最多人漏掉、也最影響結果的一段。

原則二：給一個範例勝過十句形容詞​

這是投報率最高的技巧。

請依照以下範例的風格與結構，幫我寫三則新的：

【範例】
標題：三分鐘搞懂勞退新制
開頭：你每個月薪資單上那個 6%，其實不是政府給的。
結構：懸念開頭 → 三個重點 → 一句行動呼籲

【我的主題】（寫下你的主題）

「幽默但專業」「有溫度」這種形容詞，每個人的理解都不同。 一個真實範例直接消除所有誤會。

原則三：讓它先問你問題​

在開始之前，請先問我 3~5 個你需要知道的問題，
等我回答完再產出。不要自己假設。

這招專治「它憑空腦補了一堆我沒說過的東西」。 複雜任務尤其有效。

原則四：先要大綱，再要內文​

請先給我大綱，我確認後再寫內文。

避免它一次寫完三千字，結果整個方向是錯的。 每一輪只改一件事，你才控制得住。

原則五：說清楚「不要什麼」​

AI 有很多預設習慣，你不喊停它就會一直做：

請避免：
- 「在當今快速變化的時代」這類萬用開場
- 空泛形容詞（強大、卓越、顯著）
- 結尾的總結段落（我不需要）
- 任何我沒提供的數據

原則六：讓它自我檢查​

寫完後，請用以下標準檢查一次並修正：
1. 有沒有我沒提供卻被你補上的資訊？
2. 有沒有超過 200 字？
3. 讀的人看完知道要做什麼嗎？

這一步能篩掉一大半的問題，尤其是虛構的內容。

加一句：給「不知道」一個出口​

如果資訊不足，請直接說「資訊不足，我需要知道 ___」，
不要用推測填補空白。

這是降低幻覺最簡單有效的一句話。建議加進你所有的模板。

綜合範例​

把六個原則組合起來，會長這樣：

【角色】你是熟悉台灣中小企業的人資顧問，有 10 年招募經驗。
【任務】幫我寫一份前端工程師的職缺說明。
【脈絡】
- 公司：15 人的 SaaS 新創，做電商後台工具
- 需求：React、3 年以上經驗、需與設計師密切合作
- 優勢：遠端彈性、技術債少、決策快
- 劣勢：薪資中等、品牌知名度低
【格式】Markdown，分五段，500 字內，語氣真誠不浮誇。
【限制】不要用「熱血」「像家一樣」；不要寫我沒提供的福利；
資訊不足處標註（待補）。
【檢查】寫完後，請以「正在考慮換工作的資深工程師」角度，
指出最沒說服力的一點並修正。

最重要的一個習慣​

問到好答案的當下，立刻把那段提示詞存進你的筆記。

三個月後，這份自己累積的模板庫會比任何教學文章都有用。 這也是為什麼我們整理了 提示詞庫—— 讓你有個起點，但最終每個人都該有自己的版本。

接下來：

• 進階技巧：思考鏈、角色切換、結構化輸出
• 依職業分類的提示詞：行銷、人資、業務、教師、學生

這是最常被問、但也最難直接回答的問題——因為答案取決於你平常在做什麼。 這篇不比規格表，改用工作情境來分流。

結論先講​

三家都有免費版，新手階段完全夠用。

但在你挑之前：先只挑一個​

新手最常見的卡關，是同時開了五個帳號、每個都用一點、每個都不熟。

先選一個當主力，用滿兩週再說。 你對 AI 的熟練度，遠比你用哪一家重要。

三家的性格​

ChatGPT：功能最多的萬用助理​

生態系最完整，圖像生成、資料分析、語音對話整合度高， 網路上的教學與範例也最多，遇到問題最好找答案。

適合： 不確定自己需要什麼、想要一個什麼都能做的工具。

要注意： 功能多也代表介面複雜，新手容易被選項淹沒。先只用最基本的對話框。

Claude：文筆好、讀得快的資深幕僚​

長文件處理能力突出，適合貼一整份報告請它分析。 中文寫作的語感與結構清楚，潤稿、改寫品質穩定， 回答也傾向誠實標示不確定。

適合： 每天要讀大量文件、寫大量文字的人。

要注意： 外掛生態沒有 ChatGPT 多。

Gemini：已經住在你 Google 帳號裡的助理​

與 Gmail、Google 文件、試算表、雲端硬碟深度整合， 能直接處理你雲端硬碟裡的檔案，查最新資訊也順手。

適合： 工作幾乎都在 Google 生態裡完成的人。

要注意： 公司帳號使用前請先確認 IT 政策。

用你的工作來分流​

每天大量寫信、寫文案​

→ Claude 或 ChatGPT 都好。關鍵不在工具，在你有沒有建立自己的提示詞模板。

每天要讀報告、論文、合約​

→ Claude。長文件的理解與摘要是它最明顯的優勢。

大量需要查最新資料​

→ Perplexity 當入口，答案再丟給主力助理整理成你要的格式。

要做數據整理、表格運算​

→ ChatGPT 的資料分析功能。它會實際跑程式計算，比純文字推論準得多。

公司已導入 Microsoft 365 或 Google Workspace​

→ 先用公司提供的，因為資料合規已經處理好。 個人再另外準備一個主力助理做不涉及公司資料的事。

免費版夠用嗎？​

大部分人的答案是：一開始夠，用熟之後會不夠。

免費版常見限制：較強的模型有次數上限、進階功能額度較少、尖峰時段較慢。

建議： 免費版用到你每週被額度擋住兩次以上，再考慮付費。 那時你也才知道自己真正需要哪些功能。

換家之前，先確認不是提問方式的問題​

很多人覺得「這個 AI 不好用」，換一家之後發現一樣。在換之前先檢查：

1. 你有沒有給足夠的背景？
2. 有沒有說清楚要什麼格式？
3. 有沒有給它一個範例？
4. 有沒有換成推理模型試試看？

四項都做了還是不行，再考慮換家。方法在 寫出好提示詞的 6 個原則。

資料安全：比選哪一家更重要​

不管你選誰，這條規則都適用：

會讓你不想被同事、客戶或記者看到的內容，就不要貼進 AI。

客戶名單、未公開報價、個資、密碼——這些一律不要貼。 完整說明見 安全與判斷力。

接下來：

• 對話助理怎麼選：更細的挑選建議
• 工具比較表：依任務查表

這叫「幻覺」。它不是偶發的 bug，而是這套技術的本質特性。

為什麼會發生​

AI 在做的事是預測最合理的下一段文字，不是查證。

當它「不知道」的時候，它不會停下來，因為它的任務從來就不是「判斷自己知不知道」， 而是「產生一段看起來合理的文字」。

於是它會生成形式完全正確、內容完全虛構的東西： 編號格式對的法條、有模有樣的 ISBN、看起來很像真的 DOI。

換個說法：幻覺不是 bug，是副作用。 你能做的不是消滅它，而是學會辨識與查證。

風險分級：哪些情境最該小心​

高風險（一定要查）​

• 法律、醫療、財稅：法條、診斷、稅率、申報規定
• 具體數字：市佔率、統計數據、價格、日期
• 引用來源：書名、論文、報導、網址
• 人物事蹟：某人做過什麼、任職於哪裡
• 產品規格：某功能是否存在、方案包含什麼

中風險（抽查即可）​

步驟教學、工具操作說明、翻譯的專有名詞。

低風險（可直接用）​

腦力激盪、改寫語氣、潤稿、摘要你自己提供的文件、產生格式範本。

最重要的一條判準​

內容是它「從你給的資料中整理」的，風險低； 是它「從記憶中回想」的，風險高。

所以：把資料貼給它，比叫它自己回想安全得多。

這也是為什麼 AI 知識庫工具（像 NotebookLM）值得用—— 它只根據你上傳的資料回答，而且附出處。

30 秒查證流程​

1. 先問自己：這句話錯了會怎樣？​

不會怎樣 → 直接用。會被打臉、會賠錢、會做錯決定 → 往下走。

這一步最重要，因為它幫你把有限的查證力氣花在對的地方。

2. 把具體項目挑出來​

數字、日期、人名、法條、來源。這些是幻覺最愛藏的地方。

3. 反問 AI 一次​

針對上面這段回答：
1. 哪些部分是你有把握的？哪些是推測的？
2. 每一個具體數字與引用，請標示出處。
3. 如果無法確認出處，請直接標示「無法確認」。

這一步能篩掉一大半的問題——模型被要求自我檢查時，常會自己撤回虛構的內容。

4. 外部驗證​

剩下的關鍵項目，用搜尋引擎或官方網站查一次。 點開連結確認真的存在，不要只看它列出來的標題。

降低幻覺的五個習慣​

1. 提供資料，不要考記憶 — 把文件貼進去，請它「只根據以上內容回答」
2. 允許它說不知道 — 加一句「不確定就說不知道，不要猜」
3. 要求標示不確定性 — 「請在不確定的地方標註（待確認）」
4. 拆小步驟 — 複雜任務分段做，每段檢查一次
5. 換一個模型再問一次 — 兩個不同模型都給同樣答案，可信度較高

一個可以直接用的模板​

請根據我提供的資料回答以下問題。

規則：
1. 只使用我提供的資料，不要補充你記憶中的資訊
2. 資料中沒有的部分，請明確寫「資料中未提及」
3. 每個結論請標註來自資料的哪一段
4. 不確定的地方請標註（待確認）

【我的資料】（貼上）
【我的問題】（寫下）

一個建議的練習​

現在就去問 AI 一個你非常熟悉的專業領域的細節問題， 請它提供三份參考資料，然後一個一個點開。

親眼看過一次它編造來源，你的查證習慣就會自動長出來。 這比讀十篇文章都有效。

接下來：

• 幻覺與查證完整版
• 安全與判斷力：資料紅線與團隊使用規範
• LLM 怎麼運作：為什麼會這樣的原理

真正有效的方式剛好相反：把 AI 直接用在你本來就要做的工作上。 這份 30 天計畫就是照這個原則設計的，每天 15 分鐘，全部用在真實任務。

使用說明​

• 每天一個任務，用你本週真的要做的事去做，不要用假題目
• 做不完沒關係，順序比進度重要
• 每完成一個有效的提問，立刻把提示詞存進筆記

第 1 週：把話講清楚​

目標： 學會給足背景，讓 AI 第一次就給對東西。

這週的心法： 你不是在「下指令」，你是在「交辦工作給新同事」。

→ 搭配閱讀：寫出好提示詞的 6 個原則

第 2 週：處理你每天真的在做的事​

目標： 找到你的高頻任務，讓 AI 接手第一版。

這週的心法： 找出「每週都會發生」的任務，那才是值得投資的地方。

→ 搭配閱讀：職場與生活應用

第 3 週：建立判斷力​

目標： 知道什麼時候不能相信它，以及什麼資料不能貼。

這週的心法： AI 負責草稿與速度，你負責事實與責任。署名的是你。

→ 搭配閱讀：幻覺與查證．安全與判斷力

第 4 週：從一次性變成可重複​

目標： 把成功經驗固化成模板與流程。

這週的心法： 模板化的投報率遠高於自動化，而且不需要任何技術。

→ 搭配閱讀：工作流與自動化

30 天後你會在哪裡​

如果你認真做完，你應該會：

• 有一份自己的提示詞筆記，遇到同類工作直接複製就能用
• 至少有兩項例行工作，時間明顯縮短
• 遇到 AI 給的數字和引用，會反射性地去查
• 知道哪些資料不能貼，也知道為什麼
• 有一個知識庫，或一條固定跑的流程

這差不多就是 學習地圖 階段 1 到 2 的全部內容。

最後一個提醒​

一個月後，回頭算一件事：你省下的時間拿去做了什麼？

如果答案是「拿去看更多 AI 教學」，那就本末倒置了。 學 AI 的目的是把時間還給你，去做更重要的事。

想直接開始？從 新手起步 的 20 分鐘版本開始，今天就會有第一個成果。