系列 · 從提示詞工程到駕馭工程 01

別再寫死指令:把你要什麼講清楚,剩下交給 AI

2024 年大家搶著學提示詞,現在重點變了。AI 已經聰明到能想出比你更好的做法,與其寫死指令,不如把意圖講清楚,剩下交給它。

2024 年教提示詞很熱門,現在大家都不太講提示詞了。原因有兩個:單句提示詞本身意義不大,重點已經移到「駕馭工程」;而且 AI 變得非常聰明,聰明到你寫死的指令反而把它的能力綁住。這篇講「意圖優先」這個心法,怎麼把你的目標跟底線講清楚,剩下讓更聰明的 AI 去想更好的做法,並附上三組可以直接複製使用的提示詞。

適合誰

· 學過提示詞、會寫很長的指令,卻覺得 AI 還是只照你寫的做、沒有更好表現的人
· 想讓 AI 幫忙處理工作流程,又怕它擅自亂改、破壞你原本做法的人
· 想知道「上下文工程」「駕馭工程」這些新詞到底差在哪的人

你會得到什麼

· 理解提示詞工程、上下文工程、駕馭工程、迴圈工程這四個階段的差別
· 知道為什麼在 AI 變聰明之後,寫死的指令反而是浪費
· 拿走三組可複製的「意圖優先」提示詞:給目標開放探索、收尾複述確認、比對不破壞流程

系列文章 · 從提示詞工程到駕馭工程
  1. 別再寫死指令:把你要什麼講清楚,剩下交給 AI(你正在讀)
  2. 給老闆的駕馭思維:把不敢對員工說的,講給 AI 聽

🗺️ 看整條主軸地圖:從提示詞工程到迴圈工程

為什麼現在沒人在講提示詞了

2024 年左右,教提示詞很熱門。那時候滿街都是「十個讓 AI 聽話的咒語」「提示詞模板大全」。現在你會發現,大家都沒在講提示詞了。

第一個原因,單句提示詞其實沒什麼意義。你想靠一句寫得很漂亮的指令就讓 AI 做出好東西,這件事的天花板很低。重點早就從「怎麼寫一句話」往上移了。

這裡有一條演進的路線:

提示詞工程 → 上下文工程 → 駕馭工程 → 迴圈工程提示詞工程,是琢磨單句指令怎麼下。上下文工程,是經營整個對話的脈絡,你給了它哪些資料、哪些背景、哪些前後文,讓它在足夠的脈絡裡工作。再往上,是駕馭工程,重點不在你每一句話怎麼寫,而在你怎麼帶著一個比你聰明的協作者,往你要的方向走。最後是迴圈工程,你不再一句一句下指令,而是設計一個會自己跑的循環。
STAGE 1提示詞工程

單句指令怎麼下

STAGE 2上下文工程

經營整個對話脈絡

STAGE 3駕馭工程

給意圖,帶它跑

STAGE 4迴圈工程

設計會自跑的循環

這篇站在第三站:駕馭工程。它的入門心法就是「意圖優先」。至於再往後、把整條工作流設計成一個會自己跑的循環,那是第四站迴圈工程的事,可以接著看 什麼是迴圈工程我把三個工作流設計成 Loop

AI 已經比你的流程聰明了

講第二個原因之前,先看一個對比。

2024 年的時候,AI 的智商大概只有 60 分。那時候的工作方式是這樣:我想得到的流程是 100 分,我把這個 100 分的流程寫出來、寫得很詳細,讓它照著做,它大概能做到 80 到 100 分。所以那時候,把流程寫死、寫清楚,是對的,因為 AI 自己想不到那麼好,你得用你的 100 分去拉它。

現在不一樣了。現在的 AI 非常聰明。我只能想到 100 分,但它說不定自己能想到 200 分、300 分。網路上的大神,已經有 500 分、1000 分的做法了。

問題就來了:

既然 AI 自己能想到比我更好的做法我為什麼要把它框在我那 100 分的指令裡面呢?

你寫死的那套詳細流程,在 2024 年是在幫 AI,在現在反而是在綁住它。你用 100 分的框架,把一個能跑到 300 分的東西,限制在 100 分。

這就是為什麼重點從「怎麼把指令寫得更完整」,變成「怎麼把意圖講清楚、然後放手」。

先搞懂四個名詞:一場賽馬說清楚

「駕馭工程」這個詞,常常跟 AI、Agent、Agentic AI 混在一起出現。往下講意圖優先之前,先用一場賽馬,一口氣說清楚這四個詞。(前面那條四階段,講的是「方法怎麼演進」;這裡四個名詞,講的是「這些東西各是什麼」,兩條軸不一樣。)

絨毛馬頭旁邊畫著大腦與算式,比喻 AI 大語言模型負責運算推理,就像大腦
AI(大語言模型)=負責運算、推理,就像大腦。
咪卡指著一匹會動的絨毛木馬,比喻 Agent 把大腦接上手腳
Agent(代理)=把大腦接上了手腳,除了開口,還能動手,先比做一匹馬。
咪卡騎著絨毛馬,手握韁繩,路線上插著檢查點旗子,比喻駕馭工程
Harness Engineering(駕馭工程)=控馬的韁繩、路線、檢查點,讓馬不亂跑,乖乖運作。
咪卡騎著絨毛馬衝過終點線,看板上有速度、策略、執行、穩定度評分,比喻 Agentic AI 是一整場賽馬比賽
Agentic AI(代理式 AI)=一整場賽馬比賽。
賽馬場全景圖:馬場硬體、在跑的馬(Agent)、路線與檢查點、規則、賽制、判斷輸贏機制,組成 Agentic AI 系統
Agentic AI 包含馬場這個硬體,也包含在跑的馬,還加上一整套被設計出來的任務系統,比如賽制、規則、判斷輸贏的機制。所以它是一整套能自己跑完任務的系統。
AI 四詞賽馬總結:AI=大腦、Agent=有手腳的馬、Harness Engineering=韁繩路線檢查點、Agentic AI=一整場賽馬任務系統
一頁總結:大腦 → 有手腳的馬 → 韁繩、路線、檢查點 → 一整場賽馬任務系統。
你的語言越精確,AI 的成果就越可控學 AI(大語言模型)最重要的是組織、調度語言的能力,因為 LLM 本來就是用語言訓練出來的。這也是為什麼接下來要講「意圖優先」:把你要什麼講精確,比把步驟寫得多詳細更重要。

意圖優先:給方向,不給枷鎖

意圖優先的意思是,你下指令的時候,先講清楚最重要的那件事:你為什麼要做這件事、你要做到什麼程度。這是意圖跟目標。把這個講清楚之後,具體用什麼方法,留給更聰明的 AI 去想。

實際操作有三個動作。

動作一給目標,開放探索

給它你的步驟跟目標,但開放它去找更好的做法。

動作二收尾複述確認

要它把理解跟打算採用的方法複述一遍,跟你報告。

動作三比對不破壞

要它先比對既有流程,可以改進,不能破壞。

動作一:給它你的步驟跟目標,但開放它去找更好的

你還是可以給它你原本的操作步驟,這是你的起點。重點是後面加一句,允許它去找更好的做法,只要不違背你的初衷跟理念。

核心原則

把你的做法當成「參考起點」,不是「不可更動的規定」。明確告訴它:你可以上網查、可以找別人更好的方法、可以超越我這套,前提是不違背我真正要的東西。

可複用提示詞

這是我的操作步驟。 你可以上網查有沒有人做類似的、有沒有做得更好的,回來幫我做。 只要不違背我的初衷跟理念,你應該用更好的方法來服務我。

順便交代一句很好用的:遇到卡關,先去查查別人都怎麼解決的,參考之後自己想辦法處理,再回報你怎麼做。好員工不會每個小問題都跑來問你,AI 也一樣(前提是你用的 AI 能上網查)。

動作二:收尾一定要它複述確認

放手不等於放任。你開放它去想更好的做法,但你要確認它真的懂你要什麼,而且它選的新方法真的能達成你的目標。所以收尾的時候,要它複述一次、跟你報告。

核心原則

讓 AI 把它的理解跟它打算採用的做法,用它自己的話講一遍給你聽。你要它做兩件對照:它有沒有理解你的意思,它選的方法跟你原本的方法比起來如何。理解錯了,在這一步就能攔下來。

可複用提示詞

你確定理解我的意思嗎? 來,你說說看,給我報告。 你打算用它的方法,確定能完成我的目標嗎? 跟我的方法比起來呢?

這一步就是「計畫模式」:先叫 AI 把它打算怎麼做寫成一份計畫,讓它全面想過一遍,你看了沒問題,再放它按計畫執行。任務越複雜,這一步越能省下大量來回,也避免它一頭栽進錯的方向。

動作三:要它比對,不要破壞既有流程

開放探索最怕的,是它為了「更好」,把你原本好好的東西改壞、或跟你其他流程打架。所以要明確劃出底線:可以改進,不能破壞。

核心原則

讓它在動手前先比對你既有的工作流程,確認新做法不會跟你原本的衝突、不會破壞你已經在用的東西、不會違背你的想法。探索的自由,建立在不踩這條紅線上。

可複用提示詞

幫我確認一下, 不要跟我的工作流程衝突, 不要破壞我原本的, 不要違背我的想法。

收尾 Recap

  • 單句提示詞的天花板很低,重點已經從提示詞工程,往上走到上下文工程、駕馭工程,再到迴圈工程。
  • 2024 年 AI 只有 60 分,你寫死的 100 分流程是在幫它;現在 AI 能跑到 200、300 分,你寫死的流程反而把它綁在 100 分。
  • 意圖優先,就是先講清楚「為什麼做、做到什麼程度」,方法留給更聰明的 AI 去想。
  • 三個動作:給步驟但開放它找更好的、收尾要它複述確認、要它比對不破壞既有流程。

常見的坑(與對策)

只放手、不複述開放它探索卻沒要它報告,它理解錯方向你也不知道。對策是動作二一定要做,讓它先講一遍再動手。
開放到沒有底線只說「你看著辦」,沒講初衷跟理念,它可能往你不要的方向跑。對策是動作一的前提「不違背我的初衷跟理念」要講明白。
為了更好而破壞既有它找到一個它覺得更好的做法,卻跟你其他流程打架。對策是動作三,動手前先比對、先確認不衝突。

給自己的定位提醒

駕馭工程的重點,不是讓 AI 跑得多快,是讓它的聰明真的長在你的判斷上。你負責把「為什麼做、做到什麼程度」這個意圖講清楚,這部分是你的;它負責把方法做到比你想的更好。意圖是你的,方法可以是它的,最後拍板的還是你。把意圖練清楚,你才駕馭得了一個比你聰明的協作者。

這篇是「為什麼要意圖優先」跟入門三動作。接下來的下篇,講怎麼把 AI 逼到位、怎麼像老闆一樣駕馭它,附上駕馭十問、向內反問、好老闆對照表:給老闆的駕馭思維:把不敢對員工說的,講給 AI 聽(系列 02)

其他延伸閱讀:把文件當系統設計,讓 AI 照著跑什麼是迴圈工程

對 AI × 知識管理有興趣?

我是江江教練,隱性知識提煉師、AI 應用規劃師。我每月固定舉辦兩場免費線上講座,分享實戰經驗與方法論。如果你想持續學習,或是有顧問需求,都歡迎先從社群開始。

主要討論:善用 AI 作為思考夥伴,提升決策品質與思考深度;把知識、經驗整理成提示詞、技能包、知識庫,讓 AI 能靈活運用。

加入 LINE 社群

志同道合的人聚集,案例分享、講座資訊第一手。

前往 LINE 社群 ↗