在一次免費一對一諮詢裡，有人問我：現在隨手下一句提示詞，AI 有時做得很好；以前很認真寫的技能包和詳細提示詞，效果卻不一定理想，到底差在哪裡？
- 你寫過很長的提示詞或技能包，卻開始覺得它們把 AI 卡住了
- 你想保留自己的工作標準，又希望 AI 能提出更合適的做法
- 你聽過迴圈工程，但還不知道它和提示詞怎麼接起來
- 把舊技能包改成意圖參考資料的方式
- 一段可直接複製的意圖優先提示詞
- 從意圖優先走到迴圈工程的最小流程
為什麼認真寫的提示詞，有時反而限制了 AI
以前模型還不夠成熟時，把角色、步驟、格式和檢查方式寫清楚，確實能把成果拉到能用。現在模型和工具都進步了，某些任務裡，舊流程若成為唯一規定，AI 就沒有空間使用眼前更合適的方法。
每一步都照既有寫法做。好處是穩定，代價是遇到新工具或新情境時，做法很難調整。
保留標準、語氣與限制，讓 AI 對照當前任務判斷方法。若要改，先說明理由再提出建議。
詳細提示詞仍然有價值。要改的是它的角色，從不可變動的指令，變成協助 AI 理解你怎麼判斷好成果的資料。
舊技能包其實是你的地基
以前花時間寫下來的流程，往往已經裝著你在意的成果標準、慣用的思考順序、想像中的畫面、角色語氣，以及哪些地方不能碰。這些比單一指令更有價值。
你可以把舊技能包交給 AI，請它先提煉你的目標與偏好，再分出必須保留的要求、可彈性處理的方法，以及可能過時的步驟。
意圖優先，到底要寫哪些東西
意圖聽起來抽象，其實只要讓 AI 知道幾件事。你不必每次都寫成長篇大論，但至少讓它看見目的地與邊界。
你希望讀者、客戶或團隊最後知道什麼，什麼樣的成果才算可信、好用、像你。
想保留的角色、語氣與情境是什麼，哪些資料不能猜，哪些格式必須留下。
哪些步驟可以調整，若 AI 有更合適的方法，要怎麼先向你說明與回報。
可直接複製的最小版本
從意圖優先，再走到迴圈工程
一次性的任務，先把意圖、品質標準和紅線說清楚，通常就很有幫助。遇到會反覆做、步驟多、結果需要檢查的工作，再把它擴成迴圈工程。
迴圈工程不只是叫 AI 多跑幾次。它會把目標、標準、起點、檢查點、修正方式和停止條件先講清楚。意圖優先先回答為什麼做、做到什麼程度；迴圈工程再補上中間怎麼檢查、沒有達標要怎麼修、什麼時候可以結束。
沒有意圖優先，迴圈很容易變成一直跑卻不知道要往哪裡修。先把判斷標準說清楚，才知道檢查點要放在哪裡。
先挑一份最常用的舊技能包試試
你不需要立刻把所有提示詞重寫。先找一份最常用、也最認真寫過的技能包，請 AI 幫你提煉它背後真正的意圖。那些看似老舊的流程，往往藏著你最難取代的判斷力。
把 AI 用成幫你累積判斷力的工具
這篇的問題來自一次免費一對一諮詢。我每月固定舉辦兩場免費線上講座，主題輪流談怎麼把工作流程、判斷、經驗，整理成 AI 能靈活運用的提示詞、技能包與知識庫。想收到開課通知，或想把手上卡住的提示詞拿出來討論，都歡迎先從社群開始。
免費講座場次會先在這裡公布，也可以直接把你的舊技能包丟上來一起看怎麼提煉。
加入社群 ↗