在公務體系中，推動任何一個改變多數人習慣的公共政策（例如：垃圾袋收費調整、捷運路線變更、國中發放免費衛生棉），最怕遇到的就是「炎上（社群大規模的砲轟與抗議）」。
現今長官極度重視網路聲量。許多局處會將「輿情監測」外包給昂貴的公關顧問公司。但如果經費有限，作為新聞局或是首長幕僚科的一員，你完全可以使用 AI 爬蟲搭配大語言模型，自己搭建一套火力強大的「社群風向溫度計」。
📈 第一招：海量留言爬蟲與「情緒意圖過濾」
當一篇宣告「明年起市區部分路段禁行機車」的新聞被貼到 PTT 八卦版或論壇，底下可能瞬間湧入 2,000 則留言。 一則一則看會瘋掉，而且裡面高達一半是互相吵架、問候祖宗、或者是毫無意義的罐頭回覆：「又在搞」、「下台啦」。
你可以將這些留言打包成 CSV，丟給具備強大數據清理能力的 AI（如 ChatGPT Advanced Data Analysis）。
📌 實戰 Prompt：政策留言過濾與風暴點萃取
身為交通局的政策幕僚。我上傳了一個帶有 2000 筆 PTT 與 Facebook 留言的資料表，這是關於我們局處準備推動「市區機車全面退出騎樓」政策的討論串。
這些留言中混雜了大量毫無意義的情緒性謾罵與網軍互吵。
請幫我過濾掉沒有建設性的互罵，並針對那些「具有實質討論內容」的留言，分析出以下報告：
1. 【支持與反對的比例預估】：排除掉無意義留言後，實質支持該政策與強烈反對的比重大約是多少？
2. 【反對者的三大核心痛點】：請歸納出反對該政策的民眾，最擔憂、最頻繁提到的三個具體「不方便」是什麼？（請各附上 2 段代表性的民眾原話引言作為佐證）。
3. 【政策補帖建議】：對於他們的反彈點，從公關發言人的角度來看，我們在明天的記者會上，應該強調哪些「配套措施（例如：已在附近新借了幾個大型停車場）」來順利滅火？AI 洞察結果： 你會發現，民眾反對的原因可能不是「政策本身不好」，而是「附近停車場太貴」，從而讓長官知道明天的公關主軸應該放在「周邊新設了每小時 10 元的公立機車格」。這叫精準打擊。
🔍 第二招：與其他縣市的政策條文「比武大會」
除了對內的防爆，公務員也常常需要「參考國外或是其他縣市的立法範例」。
當長官要求你研究：「為什麼台北市有YouBike 借車 30 分鐘免費，我們縣市財政做不到？請整理一份六都的補助差異比較表出來。」 查閱各大縣市的「交通自治條例」與「預算書」是個浩瀚工程。
利用聯網型 AI (Perplexity) 進行文獻大搜查
你可以使用 Perplexity 這種嚴謹的 AI 搜尋工具：
「我是一名外縣市的交通局科員。請幫我搜尋台灣六都（雙北、桃園、台中、台南、高雄）目前針對『公共自行車（YouBike 等）』的前段免費補助政策現狀與法源依據。 請幫我製成一個表格比較：縣市、前幾分鐘是否免費、補貼費用的財源（市政府全額出資或是環保局空污基金）、以及實施該項政策的重大新聞與挑戰。最後，請列出所有參考資料的原始新聞與市府公告連結。」
幾秒鐘後，一份可以直接貼到首府局務會議 PPT 甚至內簽公文裡的「跨縣市政策比較分析表」就誕生了。
⚖️ 掌握數據，才是真正的文官大腦
許多政策立意良善，但在沒有測試社群水溫與研究外部配套的情況下盲目推出，往往落得被痛罵收回的下場。
學會使用 AI 這個風向探測器與資料挖掘機，你就能在每一次被質詢前，把所有的「刁難題庫」與「完美反駁劇本」準備好。這就是新世代公務系統中最不可取代的行政智財。
📊 第三招：質詢模擬與答詢稿準備
對公務員來說，最高壓的場景莫過於議會質詢。議員可能從任何角度發難，而你只有幾秒鐘的反應時間。AI 可以幫你事先做好「模擬質詢」演練。
實戰 Prompt：質詢攻防模擬器
我是某市政府交通局的科長，下週要上議會備詢。
議題是「市區機車退出騎樓政策」。
請你扮演一位反對黨議員，從以下角度對我進行模擬質詢：
1. 民生不便（老人家怎麼停車？）
2. 財政浪費（新增停車場的預算來源？）
3. 執行力質疑（違停罰不完怎麼辦？）
4. 選舉考量（這政策會不會讓市長選票流失？）
每個質詢請用「尖銳但不失禮」的語氣，並在質詢後附上建議的答詢方向（50 字以內的重點回覆）。透過反覆演練，你可以在上場前就把每個可能的攻擊角度都想過一遍，準備好數據佐證和應對策略。這比臨場慌張地翻資料夾有效太多了。
📝 第四招：政策懶人包與圖卡文案自動生成
政策推出後，最怕的就是「民眾根本看不懂公文」。一篇充滿法律術語的政策公告貼到臉書，底下的留言一定是「所以到底什麼意思？」「有沒有人可以翻譯成人話？」
與其等民眾誤解後再澄清，不如在政策發布的同時就準備好「懶人包」。用 AI 把艱澀的法條翻譯成一般人看得懂的白話文，搭配簡單的圖卡文案，效果遠比發新聞稿好。
實戰 Prompt：政策懶人包生成
我是某市政府新聞科的承辦人。以下是我們即將發布的政策公告原文：
[貼上公告原文]
請幫我轉化為以下三種版本：
1. 【臉書貼文版】300 字以內，用一般民眾能理解的語言重寫，重點放在「對市民有什麼影響」和「需要做什麼」。語氣親切但不失公信力。
2. 【IG 圖卡文案版】設計 5 張圖卡的文案，每張圖卡一個重點，每張文字不超過 40 字。第一張要能在 3 秒內抓住注意力。
3. 【LINE 官方帳號版】用 Q&A 格式，列出民眾最可能問的 5 個問題和簡短回答，每個回答不超過 50 字。這種「同一個政策，三種溝通管道」的做法，能讓不同習慣的民眾都能接收到正確的資訊，大幅降低因為誤解而產生的輿論反彈。
🔄 從「被動回應」到「主動議題設定」
更高階的應用是用 AI 幫你主動設定議題。與其等到輿論爆發後再滅火，不如在政策推出前就用 AI 分析哪些面向最容易引起反彈，提前準備好配套措施和媒體說帖。
搭配結構化輸出的技巧，你可以請 AI 把分析結果直接整理成「首長決策簡報」的格式——一頁摘要、三大風險、建議配套、預估輿論反應。這份報告的品質，可能比外包給顧問公司的百萬報告還要實用。
想看更多公部門 AI 應用？回到公部門 AI 技能樹，或了解 AI 如何幫你寫公文與長官致詞講稿。
❓ 常見問題 FAQ
用 AI 分析民眾留言，會不會違反個資法？
公開論壇（PTT、Dcard、Facebook 公開貼文）的留言本身就是公開資訊，分析其整體情緒趨勢不涉及個資問題。但如果你要做個別留言者的追蹤或建檔，就必須謹慎。建議：只分析「彙整統計」（如支持率、痛點排名），不要針對個人。
AI 分析出來的輿情數據可以直接放進公文嗎？
可以作為「參考依據」，但不能作為「唯一決策基礎」。建議在公文中寫明「經社群輿情初步分析，反對意見主要集中於以下三點…」，而非寫成「根據 AI 分析結論」。長官和議員更關心的是你的判斷和對策，而非 AI 工具本身。
2000 則留言的 CSV 要怎麼取得？
PTT 可以用開源的爬蟲工具（如 PTT Crawler）匯出特定看板的文章和推文。Facebook 公開社團的留言可以用 Make.com 串接 Facebook Graph API 自動匯出。如果你不會寫程式，最簡單的方法是手動複製留言貼到 Google Sheets，再匯出 CSV。