專業術語如何讓你的 AI 協作效率翻倍 - 小海報 60

Apr 09, 2025

前一陣子開始處理美國公司報稅的事情，雖然還沒賺到什麼錢就得報稅了，原本有點煩惱該怎麼處理報稅，後來到 fiverr 找了合法的會計師 ( CPA) 幫我處理報稅的問題，花了 200 USD 左右就搞定了，可惡，還沒賺錢就得花一筆了。

近期 AI 協作的心得

跟 AI 協作時能夠精準描述的人能夠勝出，但除了精準描述之外，知道最多術語跟關鍵字，並且能夠選擇適合情境使用的人才是最接近無詠唱的勝者。

最近學習行銷跟 AI 有一些感想，上禮拜寫了一個叫做 So What 測試的文案撰寫技巧，後來又學了幾個技巧叫做 Involvement device 還有 List & Twist。

在這過程中了解到，知道特定領域的方法跟技巧的詞彙完全是必須的，AI 果然是放大器，並不是找個人來跟 AI 對談一段時間就能打贏專業人士。

例如在學習撰寫文案的時候，學到這些方法後，AI 的確能夠幫上許多忙，但在學習過程中也發現，原來知道這些方法或是技巧的關鍵字，會大幅降低你獲取成果的時間跟提升品質。

而這一點不管在寫程式還是寫行銷文案都一樣。

以前擔任技術主管時，特別是面試的時候都會跟大家說，在開放原始碼的時代，你必須要持續關注各種新的開源套件，有什麼東西可以做什麼、解決什麼問題，記得他的名字，當你需要的時候你要能夠快速的找到他，然後用它來解決問題。

其實現在跟 AI 協作也是差不多狀況，我們可以叫 AI 幫我們寫文案，剛開始你會發現寫出來的東西總是差強人意，但也許過程你會慢慢抓到一些要領，接著 prompt 越寫越長，但總是需要來回多次才能獲得尚可的結果。

可是一旦你知道各種文案寫作的方法跟技巧名稱後，你會發現，產出的速度跟品質會完全不一樣。

例如：「請針對 XXX 寫一篇吸引人的文案」與「請針對 XXX 寫一篇運用 AIDA 模型、加上 So What 測試、並在第二段使用 Involvement device 的文案」的差別有多大？前者可能需要來回修改五六次，後者可能一次就能命中目標。

有經驗的人還會知道，得跟 AI 指定你的受眾是誰，甚至先請 AI 找出他們的痛點，再來討論要寫什麼方向的內容。

所以，真正的 AI 協作策略不是完全依賴 AI，而是持續提升自己在特定領域的專業知識，了解那些「keyword」，然後精準地告訴 AI 你需要什麼。如此一來，AI 不再只是模糊地嘗試符合你的期望，而是能夠精準地執行你的專業指令。

那麼，最終那些在 AI 時代真正脫穎而出的人，不是會用 AI 的人，而是「知道該讓 AI 做什麼」的人。

大家可以試試看 List & Twist 來寫自我介紹，用用看下面這段 Prompt

「幫我寫一段自我介紹」還有「幫我運用 List & Twist 這個方法寫一段自我介紹」

延續上一段對於 AI 寫文案的感想，這段用 Replit 做案例，我條列以下幾點:

昨天 Replit 來開發產品的感想也差不多是類似的狀況，像是預設 Replit 不開資料庫來儲存，我也不知道他怎麼儲存的，但後來發現資料就會開始掉。
又或者儲存的圖片開始莫名消失不見，猜測也許是因為 Replit 把檔案儲存到容器(?)，所以重開或者是重新部署就會消失，後來請 Replit 用他自己內建的 object storage 才解決圖片消失的問題，但奇怪的是 Replit 自己也研究了老半天才真的接好他內建的 object storage。
又或者他自作主張做了非同步的儲存機制，我發現書籤雖然建立了，但是卻沒有儲存圖片，也沒有 AI 的介紹文字，才發現他改成了非同步，導致儲存的動作莫名被取消。
再來就是 Replit 部署的時候預設會開很大台的機器，一沒注意可能就會多花上不少錢。

這個時候關鍵字就非常重要，以上這些都是沒有技術背景的人很容易碰到的問題，雖然只要對 AI 描述你碰到的問題、想要達成的目標，基本上再跟 AI 來回個也許 5 -6 次應該都還是能夠解決。

可是這時候如果能夠猜測可能的方向，給出關鍵字，基本上 1 次來回就能夠解掉問題，節省了許多時間上的成本。

而來回越少次，程式的品質也就更能夠維持，有在 Vibe Coding 的人應該會發現，來回越多次，AI 在程式碼中留下的廢物會越多，而且沒有一次做對，就要花更多力氣調整回來。

雖然跟 AI 協作是能夠精準描述的人能夠勝出，但我覺得除了精準描述之外，知道最多術語跟關鍵字，並且能夠選擇適合情境使用的人才是最接近無詠唱的勝者。