與其絞盡腦汁寫出完美prompt，不如先偷懶看看會發生什麼事
其實早在 2023 年，吳恩達教授在《Generative AI for Everyone》課程中就已經談過類似的概念。他建議與其一開始就試圖寫出完美的 prompt，不如先嘗試一個簡單的版本，觀察LLM的回應，再根據實際結果調整提示，直到得到理想的答案。他甚至提醒大家，不需要擔心問錯問題，也不會因為幾次錯誤就導致什麼災難性的後果。
從這兩段不同時期的分享中，我看到的核心原則是：與 AI 的互動應該是「從最簡開始，逐步修正」，這是一種迭代與互動的過程。關鍵並不只是把 prompt 寫得多完整，而是使用者能否清楚地表達自己的需求，並判斷 AI 的回應是否符合預期。
這其實很像我們在教學中的作法。就像在教孩子「如何表達想法」的時候，我不會直接給孩子一篇文章叫他們自己看完就當作學會了，而是透過反覆提問、舉例，甚至從情境中引導他們思考：「這樣說比較好嗎？為什麼？」透過不斷的互動，才能建立孩子對「表達想法」這件事的理解。我們與 LLM 的互動，也應該是一種「讓它更了解你想要什麼」的過程，而不是單向的prompt。
我覺得最重要的是，我們要大量地在生活中實際使用 LLM。不管是查資料、理解文本、生成圖片、進階語音、設計 meta prompt，甚至只是想知道關稅對臺灣的影響都好。多用就會更清楚它擅長什麼、不擅長什麼。像我一開始對 ChatGPT 的搜尋功能沒有信心，總覺得查出來的東西很多錯誤就是一坨 OO，但直到朋友跟我分享他如何使用 ChatGPT，我才發現它的能力其實遠超出我的預期。
其實我們可以在生活中找到很多實際使用 LLM 的情境。就像大神 Andrej Karpathy 的影片有提到：
--想查一件生活小事，例如：「查某個影集的最新資訊？」
--閱讀一篇很長的英文文章或研究報告時，可以請 LLM 幫你摘要重點，或解釋其中的關鍵概念。
--如果你正在學語言，可以用它練習會話、拆解句子結構，甚至幫你做成flash cars。
--也可以請它推薦冷門又有趣的城市幫你規劃旅遊行程
--還可以用文字描述生成圖片、製作 Podcast、讓 AI 看你手機畫面回答問題，甚至製作簡單的 App。
這些例子都說明了一件事：你不需要一下子就會寫出「完美的 prompt」，只要願意開始用它處理身邊的小問題，慢慢就會發現它的潛力。從問生活瑣事，到深入學習一個主題，甚至創造新的東西，這些都是你與 AI「互動出來的能力」，而不是單靠輸入一句prompt就完成的奇蹟。
這也讓我反思：有時候限制我們的，不是 AI 的能力，而是我們對 AI 的認知還停留在過去。你不去用它，就不會學會怎麼用，而你真正學會的，不該只是「怎麼操作」，而是「思考怎麼使用」。
但我也想提醒大家一件事：當你無法判斷 AI 給出的答案是否足夠好時，其實代表你對這個問題的理解還不夠深。這就像我在教小學生使用 AI 的時候，有孩子會直接複製貼上 AI 的答案。我問他為什麼這麼做，他回答：「我沒有複製啊，只是剛好 AI 想的跟我一樣而已。」聽起來好像沒問題，但其實他並沒有真的理解或判斷 LLM 的回應，他只是照單全收。而當我們自己無法指出 AI 的回答哪裡可以更好時，會不會其實我們的水準也跟孩子差不多？
所以我們使用 AI 的目標，不應該是「讓 AI 幫我跳過思考的過程」，而是「透過互動加深自己的理解」。只有這樣，我們才能真正把它變成提升自己能力的工具，而不是一個取代思考的捷徑。
真正厲害的，不是會下完美 prompt 的人，而是具有品味懂得判斷與修正的人。
留言