先講結論：AI 回答爛，通常是問法的問題
很多人用完 ChatGPT、Claude 或 Gemini 之後下一個結論：「AI 好笨。」但同一個模型，換一個人問，輸出可以差到像兩套產品。差別不在模型，在問法。
新手的 Prompt 幾乎都敗在同一件事：把情境、目標、格式、限制留在自己腦袋裡，只丟一句話出去，然後期待 AI 猜中。AI 不會讀心，它只能用「一般狀況」補你沒講的空白，結果就像萬用範本——看起來完整，卻不是你要的。
下面是新手最常犯的 10 個錯誤，每個都給「錯誤示範 → 修正示範」。你不用全部記住，先挑自己最常犯的兩三個開始改，輸出品質馬上有感。想先建立整體寫法，可以搭配 AI Prompt 怎麼寫：7 個公式 一起看。
錯誤 1：只寫「幫我」，沒給角色與情境
AI 不知道你是誰、要給誰看。沒有情境，它只能給教科書式的通則。
錯誤示範：幫我寫一封信。 修正示範：你是我的客服窗口。幫我寫一封信給下訂後三天還沒收到貨的客人，語氣要誠懇、負責，但不要過度道歉到像我們犯了大錯。
錯誤 2：一次問太多，把五件事塞進一句
一句話塞太多任務，AI 會抓不到重點，每件都做得淺。
錯誤示範：幫我分析這份財報、做成簡報、寫成貼文、再翻成英文。 修正示範：先只做第一步——幫我把這份財報整理成三個重點與一個風險。等這步確認後，我們再往下做簡報。複雜任務要分段，先要大綱，再要細節。
錯誤 3：不給範例，卻期待 AI 猜中你的品味
「寫好一點」是你心裡有標準、但沒說出口。給一個範例，勝過十句形容詞。
錯誤示範：幫我想幾句吸引人的標題。 修正示範：幫我想 5 個標題，風格參考這句：「三分鐘搞懂勞退新制，少領的都是你的錢。」要口語、有一個明確好處、不要用驚嘆號。
錯誤 4：沒說輸出格式，拿到一坨散文
你要表格，它給你段落；你要條列，它給你論文。格式沒講，就只能重來。
錯誤示範：比較這三個方案。 修正示範：用表格比較這三個方案，欄位固定為「方案／月費／適合對象／最大缺點」，每格一句話講完。
錯誤 5：不給限制，AI 就自由發揮到失控
沒有邊界，AI 容易寫太長、語氣不對，甚至自己補上你沒提供的細節。
錯誤示範：介紹一下我們公司。 修正示範：用 100 字介紹我們公司，語氣專業但不浮誇，只能根據我下面貼的資料，不要新增我沒提到的獎項或數字。「不要做什麼」往往和「要做什麼」一樣重要。
錯誤 6：把 AI 當即時搜尋引擎
AI 擅長理解、改寫、整理，不擅長「當下最新、即時、精確到某天」的事實。問它今天的股價、最新法條版本，很容易得到過期或編造的答案。
錯誤示範：現在健保部分負擔最新規定是多少？ 修正示範：我貼上這段健保署公告，幫我用白話整理重點；規定金額以我提供的原文為準，不要自己補數字。需要即時資訊時，把來源貼給它，而不是叫它去「知道」。
錯誤 7：手上有資料卻不貼，讓 AI 用通則硬猜
AI 沒看到你的文件，就只能用一般知識填空，結果通用又空泛。
錯誤示範：幫我把會議結論寫成電子郵件。 修正示範：幫我把會議結論寫成電子郵件，內容根據以下逐字紀錄：[貼上紀錄]。只整理紀錄裡出現的決議，沒提到的行動項目標成「待確認」。
錯誤 8：拿到爛答案就放棄，而不是回饋修正
第一版不好很正常。真正浪費時間的，是關掉視窗重打，而不是接著把哪裡不好講清楚。
錯誤示範：（看到答案不滿意，直接放棄或整段重問。） 修正示範：第二段太空泛，請根據我給的三個數字重寫；標題太長，壓到 15 字以內；你補了我沒提供的客戶名，請刪掉。跟 AI 對話是逼近答案，不是一次定生死。
錯誤 9：用模糊形容詞，卻不定義它
「專業一點」「有趣一點」「更完整」——這些詞在每個人心裡都不一樣，AI 只能亂猜。
錯誤示範：這段太生硬，幫我改得親切一點。 修正示範：這段太生硬，改成像跟朋友解釋：多用「你」開頭、句子短一點、加一個生活化的比喻，但不要用網路流行語。把抽象形容詞翻成具體可執行的動作。
錯誤 10：不查證就直接用
這是最貴的錯。AI 講得越流暢、越有條理，越容易讓人鬆懈。它會把錯的資訊講得跟真的一樣（這叫「幻覺」）。
錯誤示範：（把 AI 給的數據、法條、引用直接貼進報告交出去。） 修正示範：凡是數字、日期、法規、人名與引用，都回原始來源對一次；AI 只當理解和草稿的工具，不當事實來源。不確定怎麼查，可以看 怎麼判斷 AI 回答對不對。
一個萬用的提問結構
把上面 10 個錯誤反過來，就是一個好用的骨架。不必每次都寫滿，但重要任務值得補齊：
- 角色：你希望 AI 用什麼身分回答（客服、老師、編輯）。
- 情境：這件事的背景，給誰看、為什麼要做。
- 任務：一次只給一個明確動作。
- 資料：把你手上的原始內容貼上去。
- 格式：條列、表格、字數、段落數。
- 限制：語氣、不要做什麼、不要編造。
- 驗收：你打算怎麼檢查這個回答能不能用。
日常小任務，寫「任務＋資料＋格式」就夠；牽涉品牌、金錢、專業判斷的任務，才把七項補滿。想直接抄可套用的範例，看 新手第一組 Prompt；想有系統地把這套變成工作方法，可以參考 提示工程課程推薦。
我們的立場很直接：多數「AI 很笨」的抱怨，其實是提問太懶。把情境、目標、格式、限制講清楚，同一個模型輸出就天差地遠。但這裡也要敢說一句不建議——不要因為 Prompt 寫得好就放心照單全收。提問技巧決定回答「像不像你要的」，查證才決定它「能不能用」。這兩件事，缺一不可。
常見問題
Prompt 一定要寫很長才有用嗎？
不用。重點是資訊剛好夠，不是字多。短任務只要講清楚任務、資料和格式就夠；只有牽涉品牌、金錢或專業判斷的重要任務，才需要把角色、背景、限制、範例、驗收都補滿。與其寫一大段，不如先拆成「先分析、再產出、最後檢查」三步。
中文 Prompt 是不是就是比英文差？
日常的整理、改寫、翻譯、摘要，直接用中文寫就好，真正影響品質的是任務清不清楚、資料夠不夠，而不是語言。如果你處理的是英文文件或程式錯誤訊息，可以保留原文，再用中文要求 AI 解釋，效果通常更好。
照著修正示範改了，AI 還是答不好怎麼辦？
先具體指出哪裡不好，再補缺的那一塊，而不是整段重問。例如「第二段太空泛，請用我給的數字重寫」「格式跑掉了，固定成四欄表格」。如果補了資料還是不行，瓶頸可能不在提問，而在這個任務需要最新資料、內部權限或專業人士判斷——那不是換個問法能解決的。
Prompt 寫得好，是不是就不用查證了？
剛好相反。Prompt 寫得好，答案會更順、更有條理，反而更容易讓人鬆懈。AI 會把錯的資訊講得跟真的一樣，這是模型的先天限制，不是靠提問就能消除。凡是數字、日期、法規、引用，都要回原始來源核對一次。