AI 提問術：為什麼你跟 AI 對話總是得不到想要的結果？
提問是這個時代最稀缺的技能
你有沒有這種經驗？
打開 ChatGPT，打了一句「幫我做一個網站」，然後 AI 回了一大堆你看不懂的東西。你心想：「AI 也不過如此。」
問題不是 AI 不行。問題是你不會問。
這聽起來可能有點刺耳，但這是事實：同一個 AI，同一個問題，換個問法，結果可以差天差地。
差別在哪？在於你的問題能不能「被執行」。
一個例子看懂一切
假設你想做一個計算機。
問法 A：
幫我做一個計算機
AI 會給你什麼？大概是一個最陽春的東西 — 四個按鈕、一個輸入框，也許能跑也許不能跑。因為它不知道你要什麼樣的計算機，所以它只能猜。
問法 B：
幫我做一個計算機，需要：
- 可以加減乘除
- 可以連續運算（按完加號可以繼續按數字）
- 要記錄運算過程（讓使用者看到每一步）
- 要能在網頁上運作
- 風格簡約
同一個 AI，問法 B 會直接給你一個能用的產品。
差別是什麼？不是你多打了幾個字。是你在問之前，先想清楚了你要的成果長什麼樣子。
以終為始：先想結果，再問問題
Stephen Covey 在《高效能人士的七個習慣》裡說：Begin with the end in mind（以終為始）。
這不是管理學雞湯。這是跟 AI 溝通的核心方法論。
大多數人跟 AI 對話的方式是這樣的：
我有一個模糊的想法
↓
直接丟給 AI
↓
AI 回了一個模糊的答案
↓
「AI 好爛」
正確的方式應該是：
我要的成果長什麼樣子？
↓
技術上可不可行？
↓
會產生多少成本？
↓
有沒有必要做？
↓
把這些想清楚，再問 AI
↓
AI 給你一個能直接用的答案
你問的不是「幫我做 X」，你問的是「幫我做一個 [具體描述成果] 的 X」。
這個差別，就是業餘和專業的分界線。
為什麼大多數人不會問問題？
因為我們的教育系統從來不教。
亞洲的教育訓練我們做一件事：尋找正確答案。而衡量你找得好不好的方式，是分數。
考 100 分 = 你很棒。考 60 分 = 你不行。
整個系統鼓勵你「不要犯錯」，而不是「多嘗試」。但真正的學習，是從失敗的次數來的，不是從分數。
這造成了一個嚴重的後果：大多數人害怕問問題。因為問問題 = 暴露自己不懂 = 可能被扣分。所以我們學會了一個策略 — 少問、多猜、等別人給答案。
從小到大，教育訓練我們回答問題：老師問，你答。考試出題，你作答。
但沒有人教過你怎麼問問題。
進入職場也一樣。老闆說做什麼，你就做。很少有人會問：「為什麼要做這個？做完的成果應該長什麼樣子？」
結果就是，當 AI 給你一個「隨時可以問我任何問題」的機會時，大多數人反而不知道該問什麼。
但好消息是：提問是一種技能，技能可以練。你不需要「夠聰明」才能問好問題，你只需要練習。而 AI 是最好的練習對象 — 它不會笑你、不會扣你分、你可以問一百次。
提問的四層結構
每次跟 AI 對話之前，在心裡過一遍這四個問題：
第一層：我要什麼？（成果）
不是「我想做一個 app」，而是：
- 這個 app 解決什麼問題？
- 誰會用？
- 用完之後，使用者應該得到什麼？
越具體越好。如果你自己都說不清楚你要什麼，AI 更不可能幫你。
第二層：有什麼限制？（條件）
- 預算多少？（$0？還是可以花一點？）
- 時間多少？（今天要？還是一週內？）
- 技術限制？（要在手機上跑？要在網頁上？）
- 風格偏好？（簡約？專業？可愛？）
限制不是壞事。限制幫 AI 縮小範圍，給出更精準的答案。
第三層：有什麼背景？（脈絡）
- 這是一個新專案，還是在現有的東西上改？
- 你之前試過什麼方法？為什麼不行？
- 有沒有參考範例？（「我想要像 XX 那樣的東西」）
脈絡越多，AI 越不會給你一個跟你的情況完全無關的答案。
第四層：怎麼驗證？（標準）
- 做完之後，怎麼知道它是對的？
- 什麼算「完成」？
- 有沒有可以量化的標準？
這一層很多人會忽略，但它很重要。如果你不定義「什麼是好的」，AI 就會隨便給你一個「差不多」的東西。
實戰範例：從爛問題到好問題
範例 1：寫文案
❌ 爛問題：
「幫我寫一篇行銷文案」
✅ 好問題：
「幫我寫一則 Threads 貼文，主題是 AI 自動化。
目標讀者是想創業的上班族。
150-250 字，開頭用一個反直覺的觀點當 hook。
語氣像朋友聊天，不像在賣東西。
結尾留一個開放問題。」
範例 2：做產品
❌ 爛問題：
「幫我做一個網站」
✅ 好問題：
「我要做一個個人品牌網站，需要：
- 單頁式，往下滑就能看完
- 區塊：自我介紹、服務項目（3個）、作品集、聯繫表單
- 風格：深色背景、科技感、字體用無襯線
- 技術：React + Tailwind，部署到 Vercel
- 表單送出後要寄 email 通知我
先幫我規劃架構，確認後再開始寫。」
範例 3：解決問題
❌ 爛問題：
「我的程式壞了」
✅ 好問題：
「我在跑 npm run build 的時候出現這個錯誤：
[貼上錯誤訊息]
我的環境是 Node 18 + Vite + React。
我剛才改了 [某個檔案] 的 [某個部分]。
改之前是正常的。」
看到規律了嗎？好問題都包含：成果 + 條件 + 脈絡。
一個被忽略的練習方法
大多數人只在用 AI 的時候才練「提問」。但其實，你每天都有機會練。
開始對身邊的人提問。
下次同事跟你說「這個專案進度有點卡」，不要只回「嗯」。試著問：
- 「卡在哪個環節？」
- 「是資源不夠還是方向不確定？」
- 「你覺得理想的進度應該是什麼？」
這些問題的本質跟你問 AI 的一模一樣：搞清楚問題是什麼、限制在哪裡、期望的結果是什麼。
對人練提問，對 AI 也會變強。因為核心能力是同一個：把模糊的東西變清楚。
提問 Checklist
每次跟 AI 對話前，快速過一遍：
□ 我知道我要的成果長什麼樣子嗎？
□ 我有沒有把限制條件說清楚？
□ 我有沒有給足夠的背景脈絡？
□ 我知道怎麼判斷 AI 的回答好不好嗎？
□ 我的問題能不能「被執行」？
（AI 看完能直接動手，還是還需要再問我十個問題？）
如果五個都打勾了，你的問題品質就已經超過 90% 的人。
最後一件事
AI 不會取代你。但會用 AI 的人，會取代不會用的人。
而「會用 AI」的核心，不是背了多少 prompt 模板，是你會不會問問題。
工具會換，模型會更新。但提問的能力 — 把模糊的想法拆解成清楚的指令 — 這個技能跟著你一輩子。
從今天開始，每次跟 AI 對話之前，先花 30 秒想一下：我要的成果到底長什麼樣子？
這 30 秒，會省你 30 分鐘。
這是「新手上路」系列的第二篇。上一篇：AI 開發新手上路：從一隻手機到做出產品
想要更多免費資源？加入一人公司實驗室 Discord。
Discord: https://discord.gg/ewS4rWXvWk