工作坊進行到一半，我請所有人打開手邊的 AI 工具，把剛才發下去的那份資料整理成一份簡報。同一份資料，同一個工具，同一個題目。多數人打進去的是同一句話：「請幫我將這些資料整理成一份簡報。」
幾分鐘之後，畫面上出現了幾十份簡報。每一份的結構都很完整，有標題頁，有結論頁，字級一致，配色統一。而教室裡的反應，是從期待轉成困惑，再轉成沉默。沒有人覺得那是可以直接用的東西。但一時之間，也沒有人說得出來到底哪裡不對。
為什麼？
重點速答
指令寫不好，通常不是句型不對，是你對那件事的想像畫面不夠清楚。你腦裡列得出多少個組成元素，指令就能有多精準。模板給得了句型，給不了元素。AI 接走了「把想法變成文字」這一段，所以「知道該指定什麼」變得更值錢。
為什麼背了一整套提示詞模板，AI 給的答案還是可以被任何人取代
市面上教下指令的方法，幾乎都可以歸成同一句話：寫得不夠好，是因為寫得不夠完整。
於是有了角色設定，有了任務描述，有了輸出格式，有了語氣要求。「你是一位資深簡報顧問」「請以專業、簡潔的風格撰寫」「請分成三個段落並附上標題」。這些模板確實解決了一個真實的問題：對完全不知道從哪裡開口的人來說，它至少提供了一個起點。這一點我不否認，我在課堂上也見過有人因為拿到一份模板，才第一次把指令寫超過兩行。
如果你要找的是正面的寫法整理，AI 提示詞怎麼寫那篇談的是原則與結構。這一篇要處理的是另一件事：原則都照做了，答案還是平庸。
-
模板在做的事
把句子補完整
角色、任務、格式、語氣。它規範的是一句話該長什麼樣子，不是這句話該裝什麼內容。
-
真正缺的東西
把判準講出來
給誰看、他有多少時間、哪一項必須被看見、哪些該拿掉。這些模板欄位裡沒有，只能由你填。
照著模板寫滿五百字之後，多數人會發現一件很挫折的事：答案變長了，變整齊了，卻沒有變得更像自己要的。模板規範的是句子的結構，不是內容的判準。
而 AI 缺的從來不是完整的句子。
指令寫得越詳細，輸出越靠近所有人的平均值
這是整件事最反直覺的地方：指令寫得越詳細的人，拿到的答案反而越像別人的。
機制不難理解。當你寫「要有標題頁和結論頁、大約 10 到 15 頁、排版好看一點」，你描述的全部是格式。而格式是一個所有人都同意的東西：標題頁本來就該有，10 到 15 頁是常見長度，好看是大家都想要的。你把這些寫得越細，等於把 AI 往「大家都這樣做」的方向推得越用力。
於是輸出越來越安全，越來越像一份範本，越來越沒有理由是由你來做。
字越加越多，看起來越完整，能認出是你做的地方卻越少。
真正會改變輸出的，是那些別人寫不出來的句子。
一句話的判準
描述格式的字寫再多都沒用，
描述判準的字一句就有用。
這也解釋了一個常見的困惑：為什麼有人明明寫得比你短，拿到的東西卻比你的好用。不是他比較會下指令，是他那幾句話裡，每一句都在收窄答案的範圍；而你那五百字裡，每一句都在描述一件 AI 本來就會做的事。
你腦裡的元素清單有多長，指令就能有多精準
那次工作坊，我沒有直接告訴他們該怎麼改指令。我問了一個問題：大家覺得一份好的簡報，組成應該包含哪些元素？
教室安靜了一下。陸續有人回答，但答案大多停在三、四項，而且多半是形容詞。最常見的那個版本更簡單：把文字放到投影片上，就是一份簡報。
這個問題我自己答過很多次。作為一個以簡報為業的人，我可以一口氣列出十項以上：
- 這份簡報要說服誰
- 對方在什麼場合看
- 他有多少時間
- 他關心的是成本還是風險
- 每一頁只講一件事
- 資訊的層級怎麼分
- 哪些數字必須被看見
- 哪些細節應該被拿掉
- 視覺動線從哪裡開始
- 結論要放在最前面還是最後面
差別不在表達能力，在於顆粒度。同一份簡報，在我腦裡是十個決定，在他們腦裡是一件事。
而這正是那句「請幫我將這些資料整理成一份簡報」的來源。「整理」這兩個字，是把十個決定一次全部交出去。他不是不想指定，是他腦裡沒有那十個項目可以拿來指定。
這件事不只發生在簡報上。一個好的網站、一篇好的文章、一份好的提案，都是同一個結構：說得出越多組成元素的人，越能下出精準的指令，因為元素清單就是這件事的底層邏輯。模板給不了這個，它能給你句型，給不了你腦裡沒有的那九項。清單長出來之後怎麼用？往下三個條件，一個比一個難。
-
條件一
把要求改寫成判準
要求只能事後憑感覺說像不像，判準可以當場檢查做到了沒有。
-
條件二
說得出不要什麼
要什麼人人都說得出來，該排除什麼需要你知道這種東西通常會多出什麼。
-
條件三
說得出這件事通常錯在哪
這是專業門檻，也是模板永遠給不了的東西。
把要求改寫成判準
「寫得專業一點」是要求，「要讓沒參與過這個專案的主管在三分鐘內決定批不批預算」是判準。
差別在可不可以驗收。要求只能事後憑感覺說像不像，判準可以當場檢查做到了沒有。而 AI 沒辦法從「專業」這兩個字裡推出你心裡的那個標準，它只能取一個所有人的平均值，那正好就是最平庸的那一份。
在我看來，這一條是十項裡最容易補上的一項，因為判準通常本來就在你心裡，只是你習慣把它留到驗收的時候才拿出來用。
說得出不要什麼
外行人只說得出要什麼，內行人說得出該排除什麼。
這一條之所以是專業門檻，是因為排除項需要你知道「這種東西通常會多出什麼」。學員拿到 AI 做的簡報時，最常提到的其中一件事就是多了很多自己不要的資訊。那些資訊不是 AI 亂加的，是因為沒有人告訴它不要加。
一句「技術規格全部拿掉，他不看」，比十句「請保持簡潔」有用。
說得出這件事通常錯在哪
這是三條裡最難的一條，也是模板永遠給不了的東西。
你得真的做過幾次、錯過幾次，才知道這件事的坑在哪裡。以爭取預算的提案簡報來說，做得漂不漂亮往往不是關鍵。真正會被打回來的，通常是三個問題沒有被回答：
- 這筆錢之後怎麼回收：多久回得來、用什麼指標算，不能只寫「提升效率」。
- 為什麼是現在：晚半年做會發生什麼事。講不出迫切性，這件事就會被排到明年。
- 為什麼是這一個：公司同時有這麼多案子在跑，預算為什麼該先給它。
知道這三件事的人，會在指令裡直接把它們指定出來。不知道的人，會等到簡報被退回、主管當場問了這三句，才知道原來該講的是這個。而這三句話，任何一份提示詞模板都不會告訴你。
在我看來，能寫出這三句的人，其實已經不需要模板了。
同一個題目，懂行的人與不懂行的人下的指令差在哪
把兩段指令並排放在一起，差別會比任何解釋都清楚。
清單只有一項的人
請幫我將這些資料整理成一份簡報。
清單有十項的人
請幫我把這些資料做成一份 16:9 的簡報。這份資料要用在爭取預算的內部提案，對象是沒參與過這個專案的主管，他大概只有三分鐘決定要不要批。必須回答三件事：這筆錢多久回得來、為什麼是現在、為什麼先做這一個。技術細節可以省略，他不看。簡報邏輯照「現況、問題、方案、回收」這條線走。
右邊不是比較會下指令，是右邊的人腦裡有那張清單。
值得注意的是，右邊那段並沒有用上任何模板句型。沒有角色設定，沒有「請以專業的口吻」，也沒有規定要分成幾個段落。它只是把十項裡的六項講出來而已。
回到教室裡。學員拿到 AI 做出來的簡報之後，最常聽到的不滿有三種：要的資料沒有出現、不要的資訊多了一堆、風格不是自己想要的。最後他們還是得自己重新排版一次。
這三句話值得停下來看一眼。它們全部都是事後才說得出來的。也就是說，判準一直都在，只是它出場的時間太晚了：它被拿來驗收，沒有被拿來下指令。
現場觀察
更麻煩的是接下來的結論。很多人得出的結論是「AI 做簡報不好用，不值得花時間學」，於是歸因跑到工具身上。那張本來可以被補長的清單，也就永遠沒有機會被補長。
工具沒有變，變的是有沒有人把判準提前講出來。
不夠懂那件事的時候，指令能做到什麼程度
誠實的答案是：那你就下不出精準的指令，至少在那件事上不行。這沒有捷徑，也不該有捷徑。
但這不表示你只能等。真正要補的不是句型，是清單本身。找一個做過這件事的人，請他列出他會檢查哪些地方；或者找三份做得好的成品，逐項拆解它們共同做對了什麼。清單長出來之後，指令自然就寫得出來。
至於怎麼在開口之前把問題本身想清楚，那是另一個題目，這裡先不展開。另外還有一件事跟指令同樣發生在對話框前面：你連同問題一起貼上去的那份資料，哪些根本不該進去。在清單還不夠長的階段，你更需要的是驗收的能力，因為你還沒辦法一眼看出它錯在哪。關於它出錯的時候長什麼樣子，以及哪些時刻必須自己查證，是這個階段最該補的兩件事。
這個觀察的限制
我看到的樣本，是願意花時間來上課的人，而且多半是被公司指派、帶著實際任務來的。已經用得很好的人，或是完全自學摸索的人，不會出現在我的教室裡。所以我說的「多數人」，指的是這個範圍裡的多數人，不宜直接推廣到所有 AI 使用者。
問題從來不在簡報，在你腦裡那張畫面
這篇從簡報講起，但問題從來不在簡報。
多數人對於「怎麼做出一個有品質的成果」，其實沒有一個明確的想像畫面。網站是這樣，文章是這樣，提案、企劃、報告都是這樣。你腦裡沒有那張畫面，AI 就只能給你一個所有人的平均值。
這件事有兩個方向。往一邊看，AI 讓一個有清楚想像、但沒有資源的人，第一次能把腦裡的東西真的做出來，這在過去是做不到的。往另一邊看，一個還沒有那張畫面的人，會因為 AI 每次都給得出東西，而永遠不去建立它。同一個工具，兩種結果，分界就在你有沒有那張清單。
下次下指令之前
先花一分鐘寫一句話：
這件事通常錯在哪。
寫得出這一句，你的指令就會跟所有人不一樣。寫不出來，那就先去把清單補長，而不是再去找一份更長的模板。
那十個決定，你打算自己指定哪幾個，又打算整包交出去？
六個帶得走的重點
六個帶得走的重點
- 指令的問題不在句型：寫不好通常不是不會寫，是對那件事的想像畫面不夠清楚。
- 描述格式的字沒有用：標題頁、頁數、排版好看，這些是所有人都同意的事，寫越細越把 AI 推向平均值。
- 元素清單決定指令的精度：你列得出一份好簡報的十個組成，就有十個地方可以指定。
- 把要求改寫成判準：「專業一點」不能驗收，「三分鐘內決定批不批」可以。
- 內行人說得出不要什麼：外行人只說得出要什麼，排除項才是專業門檻。
- 判準必須提前出場：多數人的判準都在，只是拿來驗收，沒拿來下指令。
關於作者
- 525+場企業與組織培訓
- 19,500+位學員
- 150+家教育培訓場域
延伸閱讀
- AI 提示詞怎麼寫？6 個核心原則與 1 個萬用結構：那篇談怎麼寫的原則與結構，這篇談原則之外的那一層。
- PICK 選用｜AI 工具怎麼選：同系列的另一篇。決定好哪一段交出去之後，才輪到用什麼承接。
- ASK 提問｜不知道要問 AI 什麼：同組的前一步。指令寫得再精準，也救不了一個還沒想清楚的問題。
- AI 查資料只是入門？真正被浪費的是你手上的材料：把 AI 當搜尋用，是元素清單只有一項的另一種症狀。
- AI 講的是真的嗎？3 個必須自己查證的時刻：清單還不長的時候，查證就是你唯一的防線。
- 用 AI 會變笨嗎？真正退化的不是記憶，是判斷力：清單不長的人，用得越多，越沒有機會把它補長。
重點整理
AI 指令一定要寫很長嗎？
不用。決定品質的不是長度，是內容。格式類的句子（頁數、要有標題頁、排版好看）講一次就夠，它們是規格，講再多也不會改變 AI 對內容的判斷。真正會收窄答案的是判準類的句子：給誰看、他有多少時間、哪一項必須被看見、哪些可以拿掉。一段句句都是判準的短指令，會勝過五百字的模板。
提示詞模板到底有沒有用？
對完全不知道從哪裡開口的人有用，它提供了一個起點，至少能讓你把指令寫超過兩行。但它的作用僅止於此。模板規範的是句子的結構，不是內容的判準，它教你把話講完整，沒教你該講什麼。所以照模板寫，答案會變長、變整齊，卻不會變得更像你要的。把模板當入門的輪子可以，當成長期的方法就會卡住。
不懂那個領域，可以靠 AI 補嗎？
可以補一部分，但要補對東西。該補的不是句型，是那件事的組成元素：找一個做過的人請他列出他會檢查哪些地方，或者拆解三份做得好的成品，看它們共同做對了什麼。清單長出來，指令才有地方可以指定。要注意的是，這樣補到的是通用清單，不是你那一行的判準。真正的判準，特別是「這件事通常錯在哪」，還是得靠自己做過幾次才長得出來。
中文下指令跟英文下指令差在哪？
這個問題的重點常常被放錯位置。不論用哪一種語言，如果指令裡只有「整理成一份簡報」這種沒有判準的句子，翻成英文也還是同一個結果。與其花時間把指令翻譯過去，不如先確認裡面有沒有你自己的判準。至於語言本身造成的差距，會隨模型版本一直變動，不適合當成主要的優化方向。
為什麼同樣的指令，每次給的答案都不一樣？
因為生成本身帶有隨機性，這是模型的設計，不是故障。這裡要分開兩件事：同一句模糊的指令給不同人用，結果會高度相似，因為大家都被推向平均值；但同一個人重複下同一句模糊指令，每次抽到的細節會不一樣。前者是平庸，後者是不穩定，原因都是指令沒有把可接受的範圍收窄。判準講清楚，兩個問題會一起改善。
指令要寫多具體才夠？
有一個可以當場檢查的標準，但不是看字數：你寫的每一句，是不是別人寫不出來的。「要有標題頁」「排版好看一點」任何人都寫得出來，那就是沒有資訊量的句子。「對象是沒參與過這個專案的主管，他只有三分鐘決定要不要批」則帶著你對這件事的理解。把指令逐句檢查一遍，如果一句這樣的句子都沒有，那就是還不夠具體。
用 AI 做簡報，真的做得出可以直接用的東西嗎？
做得出來，但前提是你得先知道自己要什麼。課堂上最常聽到的不滿有三種：要的資料沒出現、不要的資訊多了一堆、風格不是自己想要的。這三件事有個共同點，它們全部是看到成品之後才說得出口的，代表判準一直都在，只是被拿來驗收而不是拿來下指令。把這三句話提前寫進指令裡，結果會完全不同。
本文更新於 2026 年 8 月。AI 與數位工具改版快速，實際功能與名稱可能已有變動，建議以官方文件為準。
