快速摘要
AI Prompt 是什麼？
AI Prompt 是使用者提供給 AI 的指令或上下文，用來告訴模型需要完成什麼任務
Prompt 越長越好嗎？
不一定。真正重要的是需求是否清楚，以及 AI 是否擁有完成任務所需要的背景資訊
為什麼 AI 明明照著 Prompt 做，結果還是不對？
因為 Prompt 只描述了部分需求，AI 可能缺少產品背景、歷史決策、使用者需求或其他 Context
Prompt Engineering 還重要嗎？
重要，但對長期 AI 協作來說，除了 Prompt，也需要建立 Context、文件與持續的協作流程
我現在怎麼使用 AI？
我比較常先和 ChatGPT 討論方向與需求，再交給 Claude Code 執行，也會利用不同 AI 互相校正回答
如果你剛開始使用 AI，很容易掉進一個坑
覺得 AI 做得不夠好，是因為自己的 Prompt 寫得不夠好
所以開始研究 Prompt Engineering
找 Prompt 模板
看別人怎麼下指令
研究怎麼讓 AI 理解自己的需求
我以前也是這樣
但做了一段時間之後，我反而越來越覺得：
Prompt 當然重要，但它可能不是你一直得不到想要結果的真正原因
因為有些事情，就算你把指令寫得再完整，最後還是會差那麼一點
而那個「差一點」，很多時候不是 AI 不會做
而是它根本還不知道，你真正想要的是什麼
我以前真的花很多時間改 Prompt
我最早大量使用 AI 的時候，確實會很在意 Prompt
尤其以前做內容工廠，我會一直調整指令
這段文字要不要改？
條件是不是寫得不夠清楚？
要不要增加範例？
要不要限制輸出格式？
要不要把語氣描述得更詳細？
所以我就一直改
結果呢？
AI 的確越來越符合我的要求
但不知道為什麼，總是還是差那麼一點
尤其是內容
它可能把結構、格式、關鍵字甚至文章方向都做對了
可是我看完就是會覺得：
嗯，好像是對的，但又不像我會寫的
這個問題其實困擾我一段時間
因為如果是功能錯誤，我可以直接告訴 AI 哪裡錯
但「不像我」這件事情，很難只靠幾條 Prompt 解決
後來我發現，我真正缺的不是更好的 Prompt
我後來慢慢放棄一直修改 Prompt
不是因為 Prompt 不重要
而是我開始發現，有些東西根本不是一條指令可以完整描述的
例如：
你可以告訴 AI
「語氣自然一點」
但什麼叫自然？
你可以說
「不要寫得像 AI」
但什麼叫不像 AI？
你可以要求
「符合我的品牌風格」
但 AI 要怎麼知道你的品牌風格到底是什麼？
這些東西其實都包含大量 Context
而 Context 又不是一句 Prompt 就能完整交代
AI 知道你的指令，不代表它真的知道你的需求
這是我後來做 Samper 時感受最深的一件事
AI 很擅長執行明確的事情
你叫它新增一個按鈕，它可以新增
你叫它修改一個 API，它可以修改
你叫它產生一篇文章，它也可以產生
問題是：
它做的是你「說出來的事情」，不一定是你「真正想要的事情」
這兩者有時候差很多
尤其是做產品的時候
你可能跟 AI 說：
這個頁面要讓使用者知道目前的狀態
AI 可能真的做出一個狀態顯示
功能上完全正確
但你看到畫面後卻覺得：
不是這樣
因為你真正想要的可能不是多一個 Status
而是讓使用者感覺自己知道現在走到哪裡了
這就不是單純的 Coding 問題
甚至也不完全是 Prompt 問題
而是產品理解的問題
做 Samper 之後，我開始換一種方式跟 AI 工作
這也是為什麼我後來沒有一直追求「最完美的 Prompt」
我開始改成協作
我會先跟 ChatGPT 討論
把自己腦中還很模糊的想法講出來
有時候甚至只是：
「我覺得這個地方怪怪的，但我不知道問題在哪裡」
然後一起拆
到底是 UX 的問題？
資訊層級？
產品定位？
還是功能本身根本不需要？
等想法比較清楚之後，我才會交給 Claude Code 去執行。
這時候 AI 不只是收到一條 Prompt
而是前面已經有一整段討論、決策和背景
這種差別其實非常大
我現在反而會讓 AI 幫我寫 Prompt
這也是一個很有趣的轉變
以前是：
我研究怎麼寫 Prompt，讓 AI 更懂我
現在比較常變成：
我直接告訴 AI 我想完成什麼，請它幫我整理成適合 AI 執行的指令
因為老實說
AI 比我更懂怎麼跟 AI 溝通
我真正比較擅長的事情，是知道自己想解決什麼問題
至於怎麼把這個需求轉換成最適合模型理解的指令，現在很多時候直接交給 AI 反而更有效率
這也是我現在比較少研究 Prompt Engineering 的原因
不是 Prompt 不重要
而是它已經從「我需要學會的一項核心技能」，慢慢變成「AI 可以協助我完成的一部分工作」
那 Prompt 還重要嗎？
當然重要
好的 Prompt 還是可以讓 AI 更快理解任務，也可以降低來回溝通的成本
尤其是比較明確、重複性的工作
例如：
內容格式
資料整理
程式碼規範
固定工作流程
這些情況下，Prompt 寫得好確實會有很大的差別
但如果你正在做一個需要長期協作的專案，我認為真正重要的東西會慢慢從 Prompt 往外延伸
你會開始需要：
Context
文件
歷史決策
產品背景
使用者需求
過去做過什麼
甚至是：
哪些事情曾經試過，但最後決定不要做
這些東西加在一起，才比較接近 AI 真正需要的「理解」
AI 最容易出錯的地方，其實是 Context 不夠
想像你今天找一個工程師加入一個已經做了半年的產品
你只跟他說：
「幫我修改這個按鈕」
他當然可以修改
但他不知道：
為什麼這個按鈕在這裡？
以前為什麼改過？
使用者曾經怎麼反應？
這個功能跟其他流程有什麼關係？
產品團隊為什麼最後選擇現在這個做法？
所以他很可能把按鈕改得很好
但改完之後，整個產品反而變得不一致
AI 其實也一樣
它不是不知道怎麼做，而是缺少做這個決定所需要的背景
這也是為什麼我開始留下越來越多文件
開發 Samper 的過程中，我後來開始把很多重要決策寫下來
不是因為我特別喜歡寫文件
老實說，有時候文件多到連我自己都覺得有點誇張
但我慢慢發現，這些東西其實不只是給自己看的
它們也是在幫 AI 建立專案的脈絡
當 AI 知道：
這個產品為什麼存在
這個功能為什麼這樣設計
哪些事情已經決定
哪些事情還沒有決定
哪些東西不能隨便改
它做出來的結果就會開始不一樣
這也是我後來越來越重視 Context 的原因
我現在不再追求「一次就讓 AI 完全懂」
這也是我使用 AI 後很大的心態改變
以前我會希望：
我把 Prompt 寫好，AI 就應該一次做到
現在反而不會
我比較把 AI 當成一個可以一起工作的夥伴
它做一版
我看
我發現問題
再跟它討論
它再修改
有時候甚至 ChatGPT 和 Claude 給出的答案不一樣，我會故意拿來互相比較
因為每個 AI 都有自己的盲點
就像每個人看事情都有不同角度
我不會因為 AI 講得很有道理，就直接認為它一定是對的
反而會利用不同 AI 互相校正
給剛開始使用 AI 的人：不要害怕試錯
如果要給剛開始使用 AI 的人一個建議
我反而不會叫你先去背很多 Prompt
也不會叫你先研究一堆 Prompt Engineering 技巧
我的建議會是：
先去用
你可以先踩一些坑
你會發現 AI 為什麼做錯
你會開始知道自己到底在意什麼
也會慢慢知道哪些事情可以交給 AI，哪些事情還是需要自己判斷
當然，如果別人已經踩過的坑可以避開，當然很好
但我的經驗是：
很多坑，你還是會自己踩到，踩完才會真的知道：「原來問題在這裡」
這沒有關係
因為那些失敗其實也是你建立自己工作方式的一部分
最後，我現在怎麼看 Prompt？
如果是剛開始使用 AI 的時候
Prompt 很重要
你需要知道怎麼把需求講清楚
當你開始長期使用 AI，尤其開始做自己的產品後，你會慢慢發現：
Prompt 只是溝通的一小部分
真正影響 AI 能不能做好事情的，還包括它知道多少背景、你們之前做過什麼決定，以及你到底想解決什麼問題
所以我現在不會一直問：
「我要怎麼寫出更厲害的 Prompt？」
我更常問的是：
「我要怎麼讓 AI 更理解這件事情？」
這兩個問題看起來很像
但其實完全不同
而這也是我從一直修改 Prompt，到開始建立 AI 協作流程之後，最大的改變
FAQ
Prompt 越詳細，AI 就越容易理解嗎？
不一定，詳細的 Prompt 可以提供更多資訊
但如果缺少真正重要的背景與 Context，就算寫得很長，AI 仍然可能無法理解你真正想解決的問題
Prompt Engineering 現在還值得學嗎？
值得，但不需要把所有時間都花在研究 Prompt 技巧
對長期使用 AI 的人來說，理解如何整理需求、提供 Context，以及建立協作流程，同樣重要
為什麼 AI 常常「看起來做對了，但又不是我要的」？
這通常不一定是 AI 不會做，而是它理解的是你描述出來的需求
卻不一定理解你沒有說出口的產品背景、偏好或真正目的
不會寫 Prompt 可以使用 AI 嗎？
可以。現在很多 AI 都能協助整理需求與產生適合執行的指令
與其一開始花大量時間研究 Prompt，不如先實際使用，在過程中慢慢找到適合自己的方式
延伸閱讀
👉 Claude Code 值得用嗎？我用它開發 SaaS 後的真實心得
👉 ChatGPT、Claude Code 如何分工？
👉 我為什麼開始寫這麼多 AI 文件？不是給自己看，是給 AI 記住
👉為什麼你買了那麼多 AI 工具，最後卻天天都在重新解釋自己？
👉大家根本不在乎 AI 多聰明，真正的問題是 AI 不懂你的業務
👉AI Context 是什麼？為什麼 AI 記住你，還是不代表真的懂你