Chapter 1 用 AI 的第一步，不是學，是懶

那是一個準備考試的夜晚。沒有老師，只有一份看不懂底層邏輯的教材，和一個剛出現不久、還不能上網搜尋的聊天機器人。

我把不懂的概念打進去，它給了我一個答案。

不是標準答案，而是解釋。是那種你問一個真人，他願意停下來，從頭把脈絡講清楚的回答。

那一刻，我沒有覺得自己正在見證什麼革命性的時刻。

我只是很直覺地覺得：這東西，可以用。

我是 Bart。用我自己的話來說，我是一個很執著於「偷懶」的人。

但我說的偷懶，不是躺平。它比較像是：只要一件事重複出現第二次，我就會開始想，有沒有辦法讓它不要再靠我手動完成。

週報、月報、Excel 公式、自動化腳本、串接 Line 機器人提醒隔天行程。其實在 AI 出現之前，我就已經一直在想辦法，把那些重複、瑣碎、但又不能不做的工作流程簡化掉。

問題問得爛，答案也會爛

後來，我開始比較常使用 AI。但很快我就發現，「會用」跟「用得好」是兩件事。

AI 給你的答案，很大程度取決於你怎麼問。

問一個模糊的問題，你通常會得到一個模糊的答案。問一個帶著脈絡、限制和意圖的問題，得到的東西就會完全不同。

那時有個名詞很流行，叫做「提示詞工程」（Prompt Engineering）。我開始收集別人寫好的 prompt，研究它們的結構：為什麼要這樣排列？為什麼要指定角色？為什麼要規範輸出格式？

這其實跟我以前學腳本和工具的方式一模一樣。不是一開始就自己發明，而是先從別人的成果裡學，拆開來看，再慢慢摸出自己的做法。

最早是角色扮演：讓 AI 扮演某個角色，回答就會變得更有針對性。

然後是讓 AI 同時扮演「球員」和「裁判」：先提出想法，再自己檢查。

再後來，是更細的輸出規範：格式、語氣、限制條件、判斷標準，通通寫進去。

我存下來的 prompt 越來越多，越來越長，也越來越精細。

我只是想讓 AI 穩定產出我需要的結果。就像果汁機一樣，你丟進去不同的水果，最後都會變成果汁。差別在於，你要不要先想清楚自己想喝什麼口味。

每個月 600 塊台幣，有人覺得貴。

我可以理解。畢竟它看起來只是另一個訂閱制工具。

但換個角度看，這 600 塊讓你可以使用全球頂尖科技公司投入大量資源訓練出來的前沿模型。你買的不是一個單純的 App，而是一張進入新工作方式的門票。

優秀的人需要接觸優秀的工具和環境。

好的廚師需要常常接觸好食材、好料理，才能培養出精準的味覺；專業音樂家需要聽過好的音樂，才知道什麼是好的聲音。

使用 AI 也是一樣。

如果你一直只用品質不穩定的免費模型，很容易得到一堆看似正確、實際上不好用的回答。久了你會覺得：「這還不如我自己做比較快。」

但那個結論可能是錯的。

有時候，不是 AI 這件事沒有用，而是你接觸到的工具品質，讓你低估了它真正能做到的事。

付了費用之後，先不要急著問：「AI 到底能做什麼？」

先問自己：我最不想再手動做哪件事？

找一件你真的覺得煩的事，或者一件你每週都會重複做一次的事，然後把它丟給 AI。

不用先學 prompt，不用先看完整教學，也不用等自己準備好。第一次問得不精準沒有關係，重要的是你開始跟它對話。

語感這件事，是在對話裡磨出來的，不是光看別人怎麼寫就能學會。

你得親自試，感受 AI 怎麼回答，然後調整你的問題，再試一次。這個迭代的過程，跟我以前拼湊工具、串接流程的邏輯其實一樣。

先做出一個能用的版本，再慢慢讓它變得更好。

偷懶是一種能力。

或者換個比較好聽的說法：它是把注意力從重複勞動裡拿回來的能力。

所以，花 600 塊，開始思考你想為哪些事情偷懶。

然後，問出你的第一個問題。