先講結論：AI 的第一個答案，通常是最平庸的那一個
多數人用 AI 的流程是這樣：問一句、拿到答案、結束；不滿意就關掉重開，換個問法再問一次。
問題是，第一個答案幾乎注定平庸。不是模型不夠強，是它還不知道你是誰、東西要給誰看、有什麼不能碰的限制。資訊不足的時候，它只能給一個「對所有人都成立」的版本——而對所有人都成立，通常就代表對你不夠好用。
所以真正拉開差距的，不是你會不會下指令，而是你會不會繼續談下去。把 AI 當成一個讀得很多、反應很快、但完全不認識你的顧問：第一次開口他只能講通則，聊到第三、四輪才開始講得到點上。
這篇談的是多輪對話怎麼經營。如果你想知道單次提問本身容易錯在哪，看 新手最常犯的 10 個 Prompt 錯誤；想先弄清楚一句提示詞該包含哪些欄位，看 AI Prompt 怎麼寫。這裡不重複那些，只處理一件事：答案出來之後，你該做什麼。
四個把對話變好的做法
一、先給脈絡，再問問題
開口前先講三句話：你是誰、這東西要給誰看、有什麼限制。
這三句看起來像浪費時間，實際上是整段對話最划算的投資。省掉它，你會用後面十次來回去補；而每一次來回，AI 都只能從你的抱怨裡反推你原本想要什麼，猜錯的機率不低。
這也不是什麼小眾偏方。Google Cloud 的提示設計文件把「補上脈絡資訊」列為主要策略之一，Anthropic 的提示最佳實務也有專門一節在講補脈絡能改善表現。說穿了，就是把你腦袋裡本來就有、只是沒說出口的那部分講出來。
二、要它先問你問題
在任務開始前加一句：「在開始之前，有什麼是你需要先知道的？」
這一句常常直接把品質拉高一級。原因是它把「猜」換成了「問」——AI 不再用一般狀況填空，而是把它判斷會影響結果的空白攤出來讓你補。你會發現它問的東西，往往正是你自己還沒想清楚的部分。
還有一個附帶好處：你回答它問題的過程，本身就是在整理需求。很多人是在回答第二題的時候，才真正想清楚自己要什麼。
三、批評要指到具體的那一處
「不好，重寫」是最沒效率的回饋。AI 只會換一種平庸的寫法給你，因為它不知道你嫌的是哪裡。
有用的說法是指出位置加病灶：第二段太空泛，換成具體例子；標題太長，壓到十五字以內；這個結論我不同意，因為前提是 A 不是 B。你講得越像編輯，它改得越像作者。
反過來說，如果你自己也講不出哪裡不好，那通常代表你對成品的標準還沒成形。這時候該做的不是繼續叫它重寫，而是回頭想清楚你要的是什麼。
四、要不同方向，不要「更好的版本」
「寫得更好一點」是一個 AI 無法執行的指令。它只能微調字句，結果往往越改越安全、越改越像罐頭。
換成「給我三個不同的切入角度，每個一句話講完」就完全不一樣。AI 很擅長橫向展開選項，你擅長判斷哪個對。讓它負責生選項、你負責選——這個分工，比讓它一路優化同一個版本有效得多。
方向選定之後再往下要細節，也比一開始就叫它寫完整版省時間。
兩個進階、但其實很簡單的技巧
要它扮演反方
把你的計畫、企劃或決定丟給它，然後說：「找出這個計畫最可能失敗的三個地方。」
AI 挑毛病的能力，通常比它給正面建議的能力更值錢。正面建議很容易流於「加強溝通、持續優化」這類廢話；但要它找漏洞時，它會去掃你的假設、時程、成本與依賴關係——而那些正是你自己最看不見的地方，因為你已經待在裡面太久了。
用完記得補一句給自己：這些是可能性，不是事實判斷。AI 沒有你的產業經驗，它列出來的風險要由你來排序。
讓它整理你的想法，而不是替你想
把你零散、跳躍、講得不太通順的說法整段丟進去，請它整理成有結構的版本。
這是 AI 最可靠的用法之一。 因為此時所有素材都來自你，它做的是分類與排序，不是憑空生成，這正是它最不容易出錯的區域。相對地，叫它「幫我想」的時候，內容是它從訓練資料補出來的，就要多花力氣查證（判斷方式看 怎麼判斷 AI 回答對不對）。
而且整理過的版本會讓你立刻看見自己漏掉什麼。很多時候你缺的不是新想法，是把已經有的想法排好。
什麼時候該停下來，重開一輪
有三個訊號出現時，繼續拉扯只會更糟：
- 它開始重複：換句話說同一件事，沒有新東西進來。
- 它開始迎合你：你說什麼都對，連你前後矛盾的地方也不指出來。
- 它明顯跑偏：忘了你前面設過的限制，或把早就否決的方向又端出來。
這時候最有效的動作是開一個新對話，把你這一輪學到的脈絡一次講清楚，而不是在原本那串裡繼續補救。長對話會退化是有結構性原因的——對話越長，模型每次要重讀的內容越多，重點也越容易被稀釋，詳細解釋看 Context（上下文）是什麼。
重開不是失敗。它是把前面十輪換來的理解，用一次講完。
我們的立場：AI 不會取代你的判斷，但它會放大你的表達
我要下的判斷是：AI 不會取代你的判斷力，但它會放大你的表達——包含你表達得不清楚的那部分。 你講得含糊，它就給你含糊的東西；你講得精確，它給的東西會精確到讓你有點意外。
所以這裡要說一句不建議：不要急著去蒐集那些「神級提示詞」技巧。 那些句型能提供的邊際改善，遠小於「把要求講清楚」這件事本身。真正的瓶頸幾乎都在後者——你自己都還沒想清楚要什麼，再漂亮的句型也救不回來。
要練就練這個：說出你不滿意的具體位置，說出你要的方向而不是喊「更好」，說出你的限制而不是期待對方猜。這件事練起來還有個好處——它不只對 AI 有用，對同事、外包和下屬一樣有用。
常見問題
每次都要交代這麼多背景，不是更花時間嗎？
短期看是多打幾句，整體看是省時間。前面省下的三句脈絡，通常要用後面五到十次來回才補得回來，而且每一次來回你都得重讀一份不夠好的答案。真正的判斷標準是任務份量：查個名詞、翻一句話，直接問就好；牽涉品牌、金錢、要交出去給別人看的東西，才值得先把脈絡講清楚。
一直追問下去，AI 是不是就會給我正確答案？
不會。多輪對話能提升的是「貼不貼近你要的」，不保證「對不對」。追問只是讓它更懂你的需求，不會讓它變得更知道事實；相反地，聊越久它越容易順著你的說法走。所以牽涉數字、法規、日期、引用時，還是要回原始來源核對一次，這件事沒有任何提問技巧能取代。
什麼時候該在原對話繼續，什麼時候該開新的？
判斷點在於「它還有沒有在往前走」。如果每一輪都有新東西、修正也有跟上，就繼續；一旦開始重複、開始什麼都說好、或忘掉你前面設的限制，就開新對話，並把這一輪學到的脈絡一次講完。另外，換題目時也建議開新的——舊對話的無關內容會一直佔著它的注意力。
要 AI 扮演反方，它會不會只是為了反對而反對？
有時候會，尤其你把題目下得太寬的時候。比較有效的做法是把範圍縮到具體的東西上，例如針對時程、成本或某個假設，並要求它說明為什麼會失敗、在什麼條件下才成立。看完之後由你排序哪些風險真的重要——它沒有你的產業經驗和內部資訊，判斷權還是在你身上。