AI 老是聽不懂你的指令？先問這一句就對了

如果 AI 給你的答案總是離題、看起來很認真卻沒抓到重點，問題多半不在你的 prompt 寫得不夠好，而在你還沒確認它有沒有看懂，就急著叫它動手。最快的解法是：把資料貼上去後，先問一句「你看到什麼？」，等它複述、確認理解沒偏，再給任務。順序永遠是「先確認理解 → 再給方向 → 最後才執行」。

這篇是我上「生成式 AI 應用入門：Gemini 與 ChatGPT 職場實務」這堂課的完整整理，包含我學到的協作方法、常見誤解，以及當天實際用 AI 做出的一個作品。

為什麼 AI 給的答案總是離題？

多數時候不是模型太笨，而是它從一開始就理解錯了方向，你卻直接跳到「叫它做事」。生成式 AI 會用它「以為的意思」往下跑，一旦第一步理解偏了，後面產出再多都是錯的延伸。與其反覆重下指令、重新生成，不如在它動手前先攔一次：讓它用自己的話複述看到的內容與任務。理解對了，後面才有意義；理解錯了，prompt 再漂亮也是白工。

用 AI 前先問「你看到什麼」是什麼意思？

「先問你看到什麼」是指：把圖片、文件或需求丟給 AI 後，先不要下任務，而是要求它描述「它讀到了什麼」。這一步是在測它的理解，而不是要它的答案。如果是圖片或掃描檔，可以請它先做 OCR——也就是讓 AI 把圖片裡的文字辨識、擷取出來——並明確交代「不知道的地方請直接說不知道」，避免它用猜的填空。它複述完，你一眼就能看出理解有沒有跑掉，這比事後檢查一大篇成品省太多時間。

AI 做錯了，一定要重新生成嗎？

不用。畫面跑版或答錯時，最有效率的做法是截圖、在圖上標註哪裡不對，再丟回去問「這樣看得懂嗎？請再檢查一次」。用一張標好問題的圖，比你用文字重新描述一整段快得多，AI 也更容易對準你指的那個點去修。重生成是把整盤打掉重來，標註修正則是外科手術式的局部調整——大部分情況你要的是後者。

換更高階的模型就會變準嗎？

不一定。模型的差別是「分工」，不是「換貴的就會對」。實務上可以先用低階、快速的模型確認檔案有沒有讀到、需求對不對，等需求清楚了，再切換到高階模型負責複雜的生成與整合。如果需求本身是模糊的，換再強的模型也只會把錯誤方向做得更精緻。生成很慢、結果又不理想時，先回頭檢查需求講清楚了沒，往往比升級模型更有效。

這堂課真正打開我認知的一件事：AI 是能「做出成品」的工具

上這堂課之前，我對 AI 的想像還停在「聊天、問答、幫我寫幾段文字」。真正讓我改觀的是：只要需求講得清楚，AI 可以直接幫你做出能用的成品。

課堂上示範過的就包括：用 HTML、CSS、JavaScript（網頁的三個基本組成——分別負責結構、外觀、互動）做出資料儀表板、排班工具、小遊戲，甚至用 Three.js（一個用 JavaScript 在網頁裡做 3D 畫面的工具）做出立體模型模擬。

重點不是這些技術名詞，而是心態的轉變：你不需要先會寫程式，才能做出一個真的能打開、能操作的東西。你需要的是把「想解決的問題」講清楚，再照前面那套「先確認、再執行」的流程，讓 AI 一步步把它做出來。

實作成果：我用 AI 做的飲料店排班網頁

這堂課我實際的產出，是一個飲料店的店務管理網頁。店長用瀏覽器打開就能排一週班表，還能算工時薪資、分不同角色的權限、盤點庫存；做法是用 HTML 和 JavaScript 做畫面，後端接 Google 試算表來存資料。它已經上線，可以直接把連結傳給別人使用。

作品說明頁：鮮茶樂｜飲料店排班系統
線上實際操作：https://merle1022.github.io/tealove-schedule/

（目前是作品展示版，不含真實門市個資；要正式營運還需要補強伺服器端的驗證與權限控管。）

想自己試玩看看？ 這個系統是作品集展示版。若想試用完整功能，請到 Instagram @merle__188 私訊申請帳號。我會給你試用帳號，帶你體驗整個排班工作流。

而這個作品能做出來，靠的完全是前面那套流程：先跟 AI 確認它理解了「我要一個排班工具、給誰用、要有哪些欄位」，再請它先畫出空白版面，然後一個功能一個功能補上去——下拉選單、員工、星期、班別。中間畫面跑掉或邏輯錯了，我就截圖標註問題丟回去讓它修，而不是整個重做。先確認理解、再逐步執行，是這個網頁真正做得出來的原因，不是我會下多厲害的指令。

把這套流程整理成你能照做的步驟

如果你也想用 AI 做出能用的東西，可以照這個順序：

貼上材料：把資料、圖片或需求先丟給 AI，先別急著下任務。
先確認理解：問它「你看到什麼？你認為我要你做什麼？」讓它用自己的話複述一次。圖片或檔案就請它先 OCR，把文字抓出來，不確定的地方要它直接說不知道。
檢查方向：看它的複述有沒有理解偏掉。偏了，當場糾正，不要往下走。
給明確方向與輸出格式：理解對了，才告訴它要做什麼、要什麼形式的結果。
執行，但做錯不重來：畫面或邏輯錯了，截圖、在圖上標出哪裡不對，丟回去請它「只改這個點，再檢查一次」。
需求模糊時別急著換模型：先用快的模型把需求確認清楚，需求穩了再換高階模型做複雜生成與整合。

給新手的提醒：這幾件事最容易誤會

不是要照唸「你看到什麼」這句咒語。重點是先讓 AI 複述它的理解，句子可以換成「先描述你讀到的內容」「先總結你的理解」，效果一樣。
確認理解，不等於不用把需求講清楚。這是接續的兩步：先確認它站在對的起點，再告訴它要往哪裡走，不是二選一。
換更貴的模型，救不了模糊的需求。模型是分工，不是萬靈丹；需求本身糊，換再強的也一樣歪。

這堂課還有一塊，我會另外寫一篇

這堂課也提到了 AI 安全，例如 prompt injection（用藏在內容裡的隱藏指令，誘導 AI 去做原本不該做的事）。那是另一個獨立主題，我會在同一個「AI 課堂筆記」系列裡另外整理一篇，這裡先不展開。

常見問題

用 AI 前一定要先問「你看到什麼」嗎？

重點不是照唸這句話，而是先讓 AI 用自己的話複述它的理解。你可以換成「先描述你讀到的內容」或「先總結一次你認為我要你做什麼」，目的都一樣：在它動手前，先確認理解沒有跑掉。

先確認理解，是不是就不用把需求講清楚了？

不是。確認它看懂之後，仍然要給明確的方向與輸出格式。「確認理解」和「講清楚需求」是接續的兩步，不是二選一——先確認它站在對的起點，再告訴它要往哪裡走。

不會寫程式，也能用 AI 做出真的能用的工具嗎？

可以。這篇提到的飲料店排班網頁，我就是用 AI 一步步做出來、而且已經上線的。關鍵不在你會不會寫程式，而在你能不能把需求講清楚、並在過程中確認 AI 有沒有做對。