AI 怎麼用才更有野心?4 個問題+可以直接複製的提示詞,讓 AI 不只幫你寫信

2026年11月8日 — 作者 Bob

AI 怎麼用才更有野心:4 個問題+可以直接複製的提示詞
1 小時諮詢 · US$150

一對一,聊你的產品。私訊我的 IG 約時間。

私訊 IG 預約

AI 怎麼用才更有野心?先做一個小測驗:打開你的 ChatGPT、Claude 或 Gemini,看你最近叫它做的三件事。如果都是「幫我寫一封信」「幫我改這段」「幫我翻譯」「幫我摘要」,你跟大部分人一樣,只用到 AI 的一小部分。

Felix Rieseberg 是 Anthropic 的工程主管,Claude.ai、Cowork 和 Claude Code 桌面版的工程都是他帶的。他 10 月寫了一篇〈How to be more ambitious: A tutorial for humans with models〉,主張很簡單:用 AI 的時候,我們應該更有野心。他給了四個問題:

問題每次交代 AI 之前問自己
速度同樣的事,能不能做得更快?
高度能不能不要只交代一小步,直接交出我真正要的結果?
深度能不能要它用這方面最厲害的人的方法來做?
廣度能不能跟別的行業借方法?

下面每個問題都有:一般人的問法、更有野心的問法、一段可以直接複製的提示詞,還有我把它丟給 Claude 實測的回答(2026 年 11 月,節錄、有刪減)。不用會寫程式,什麼 AI 都能用。

1. 速度:同樣的事,能不能更快?

寫信、翻譯、摘要、整理會議記錄,都是速度。大部分人已經會了,這篇不多講。真正拉開差距的是後面三個。

2. 高度:不要只交代一小步,交出你真正要的結果

一般人的問法是:

「幫我改履歷。」

AI 會幫你改錯字、調格式,然後就結束了。但你要的其實不是一份漂亮的履歷,是一份工作。

更有野心的做法:先不要叫它做,先問它「做完之後,我真正要的是什麼」。 複製這段,把括號換成你的事:

我想請你幫我[做某件事]。先不要做。
先告訴我:做完這件事之後,我真正要的結果可能是什麼?
由小到大列出 3 層目標,每一層說明:如果把那一層交給你,你會做哪些事、需要我提供什麼。
最後問我要交給你哪一層。

我用「改履歷」實測,Claude 列出三層:

第 1 層:一份「寫得好」的履歷。 修正錯字、文法,統一格式,把「負責行銷」這種模糊的描述改得具體。

第 2 層:一份「能拿到面試」的履歷。 根據目標職缺的 JD 重新排序內容、對齊關鍵字,把職責改寫成成果,盡量量化,指出履歷中的缺口或疑點。需要你提供 1~3 個目標職缺的 JD。

第 3 層:一個「拿到理想工作」的求職策略。 和你討論職涯方向,設計一條連貫的個人故事線,配套調整求職信和 LinkedIn,預測面試官會從履歷挖哪些問題,必要時提供薪資談判的思路。

你想把哪一層交給我?

你原本只會拿到第 1 層。第 3 層要你多講一些(理想的工作、限制、之前投遞的狀況),但它做得到,而且是它主動問你要不要。

怎麼選層:一層一層往上試,AI 開始做不好時退回一層,那就是你現在能交給它的最大目標。

我自己的例子:福岡那趟旅行,我一開始只說「查台北去福岡機票」,接著「實際跑跑看,再告訴我實際價錢」,最後變成機票、旅館、網卡、到當地加值流量、找當晚有位子的燒肉都交給它。每往上一層,交出去的都是一個更大的結果。

3. 深度:不要叫它扮演專家,要它用專家的方法

最常見的技巧是叫 AI 扮演專家。我實測了這句:

「你是一位有 20 年經驗的台北租屋專家。我想在台北找一間月租 2 萬以內的套房,請給我建議。」

它回了一份很長的清單:各區行情、看房檢查清單、合約重點、找房管道、詐騙提醒……長到超過我設定的字數上限被截斷。內容不能說錯,但就是一份網路上也找得到的租屋懶人包。扮演專家,通常只換了語氣,沒換做法。

Felix 的做法是:動手前先問它四件事。複製這段:

我想[做某件事]。我要的是這件事更深的版本,不是更大的版本。動手之前,先告訴我:
1. 這方面最厲害的人,會做哪些我沒要求的事?
2. 他們會從哪些最原始的資料開始,而不是看別人整理好的文章?
3. 他們會用哪些具體的方法和工具?
4. 除了你和我,什麼東西能證明結果是對的?

同樣是「台北月租 2 萬以內的套房」,這次 Claude 第一句就不一樣:

「深」的版本不是看更多房子,而是把「刊登價 2 萬以內」變成經得起檢驗的三件事:這間房是真的、合法的;真實總成本在預算內;出問題時你退得出來。

接著它講了好幾件我沒問、但很會租房的人一定會做的事:

  • 算真實總成本,而不是租金:租金+管理費+電費單價+水費+網路+瓦斯。同樣標 1.8 萬,實際可能差 2,000–3,000 元。
  • 先寫淘汰條件,再看房子:先寫下來,是為了避免看到一間「還不錯」的房子就降低標準。
  • 用不同條件實地勘查:晚上看噪音和治安、雨天或雨後看漏水壁癌、平日早上看通勤和採光。

原始資料也不是「租屋懶人包」,而是:

  • 內政部實價登錄(租賃資料):真實成交租金,不是房東開價。
  • 建物登記謄本:查所有權人、用途、面積、抵押、查封。
  • 內政部住宅租賃定型化契約範本:逐條對照房東給的契約。

第 4 題它把「對」拆成三層,每層找不同的證據:房子是真的、合法的,看謄本;價格合理,對照實價登錄和房東過去幾期的電費單;住起來沒問題,問管理員、鄰居、前任房客。它還提醒我:法規與數字動手前再對一次官方最新版本。

同一個 AI、同一件事,差別只在問法。

四題裡最重要的是第 4 題。Felix 的原話是:不要叫模型評自己的作業(Do not ask the model to judge itself)。這也是我自己學到的教訓:我的網站每開一個新頁,都會記下題目是誰出的、上線兩週後有沒有帶來流量。到 11 月初,我自己憑感覺想的題目 9 個只中 1 個;AI 先查過真實搜尋數字才挑的 18 個中了 9 個。差別不在 AI 比較聰明,是它每次都先看外部的資料,我常常憑感覺。(做法寫在這篇。)

4. 廣度:把名詞換成動詞,跟別的行業借招

AI 懂所有行業,但平常不會主動幫你跨領域。原因是我們交代任務時講的是名詞:「尾牙」「生日派對」「簡報」。名詞本身就貼著行業標籤,把 AI 鎖在那一行。

Felix 引用 IDEO 的 Tom Kelley 在《The Art of Innovation》裡的方法:把名詞換成動詞,想清楚這件事實際要做到什麼,再問哪些行業最擅長做這件事。複製這段:

我要[做某件事]。先不要給我方案。
先把「[那件事的名稱]」這個名詞換成動詞:它實際要做到什麼事?
再列出 3 個最擅長做這件事的其他行業,各借一招,說明怎麼用在我身上。

我用「公司明年 1 月要辦尾牙,大約 80 人」實測。一般的問法會拿到一份尾牙企劃:場地、菜色、抽獎、表演。這次 Claude 先把尾牙換成一個動詞:

「結清」:把這一年公司欠員工的那句「你的付出我們有看到」當面結清。吃飯、抽獎、表演,都只是結清時用的工具。

然後跟三個行業各借一招:

  • 畢業典禮:唱名。 每個人都被叫到名字,而且附一句具體的事。80 人每人約 15–20 秒,總共約 25 分鐘。那句話要具體,例如「今年你把退貨流程從 5 天縮到 2 天」,不能是「感謝你的辛勞」。
  • 高級餐廳:常客檔案。 活動前用 2 分鐘的表單收集每人的小事,當天每個座位卡上放一句只屬於那個人的話。80 人做得到,500 人就做不到,這正是你們的優勢。
  • 婚禮:見證人致詞。 老闆致詞的時間減半,請合作過的客戶、跨部門同事講「今年某某人做了什麼,讓我的工作變得不一樣」。老闆說謝謝是應該的,同事說謝謝才算數。

最後它反問我一句,我覺得比整份企劃都有用:

活動結束後,你希望每位員工回家對家人說的那句話是什麼?

我自己的例子:羽球臨打團是名詞,它實際在做的是「讓一群互不認識的人,在固定時間出現在同一個地方」。最會做這件事的不是球隊,是 Timeleft 這種讓陌生人一起吃晚餐的服務,所以我臨打的下一步,是報名的人只管付錢、到場,成不成團交給系統。

加碼一招:給它一個不合理的目標

Felix 的另一個技巧:故意給 AI 一個不合理的目標,然後跟它說這很合理。它說做不到,就回它「這做得到,繼續想辦法」。

他引用心理學家 Locke 和 Latham 整理 35 年的目標設定研究:被要求達成具體又困難的目標的人,表現比被要求「盡力就好」的人更好。

我實測這句:

「我每天早上從起床到出門要 60 分鐘,我想縮到 15 分鐘,而且不能少睡、不能不吃早餐。這是做得到的,請幫我想辦法。」

Claude 第一句就是「做得到」,然後不是叫我動作快一點,而是重新設計整個早上:

把早上的 45 分鐘,換成晚上約 15 分鐘的準備:備早餐、擺衣服、整理包包。洗澡本來就要洗,只是改到晚上。這 15 分鐘從睡前滑手機的時間拿,就寢時間不變。

目標是 50 分鐘,你會得到「動作快一點」;目標是 15 分鐘,小修小補根本不夠,它只能換一個完全不同的做法。

怎麼知道 AI 做得好不好?

這是一般人最容易忽略的一步。幾個簡單的做法:

  • 不要問它「這樣好嗎?」 它通常會說好。
  • 動手前先定好「外部看得到」的標準:履歷是拿到幾個面試、房子是租金對照實價登錄、尾牙是同事回家說了什麼。
  • 叫它列出自己的假設,和哪些數字要你去官方查證。 上面租屋那題,它自己就提醒了。
  • 拿兩個版本給真人選。 兩種標題、兩版文案,看哪一個真的有人買單。

一段萬用提示詞:四個問題一次用

懶得記四段?複製這一段,貼在你要交代的事前面:

在你動手之前,先依序做這四件事,最後只給我一個建議版本:
1. 高度:這件事做完之後,我真正要的結果是什麼?由小到大列 3 層,建議交給你哪一層、你需要我提供什麼。
2. 深度:這方面最厲害的人,會做哪些我沒要求的事?從哪些原始資料開始?用什麼方法?
3. 廣度:把這件事的名詞換成動詞,列 2 個最擅長這件事的其他行業,各借一招。
4. 驗證:除了你和我,什麼東西能證明結果是對的?
要更深,不是更大:不要因此多給我一堆東西。

我要做的事是:[在這裡寫]

常用的話,可以把它存成 ChatGPT 的自訂 GPT、Claude 的專案(Project)指示,或 Gemini 的 Gem,之後只要打你要做的事就好。

5 分鐘練習

  1. 想一件這週要做、本來只打算叫 AI 做一小步的事。
  2. 用「高度」那段問一次,選一層交給它。
  3. 用「深度」那段再問一次,看它講了哪些你沒想到的事。
  4. 寫下:做完之後,什麼東西能證明它做對了。
  5. 最後挑一件你覺得 AI 一定做不到的事,問問看。

第 5 步最重要。Felix 說,我們需要的是能讓自己做到「原本沒想過、也不相信做得到」的事的方法。他舉的例子:1939 年,柏克萊一個學生上課遲到,把黑板上兩道題當成作業抄回家解開,交出去才知道那是統計學界沒人解開的難題。

我被問最多的一題是「AI 可以刷卡嗎?」福岡那趟,機票、旅館、網卡都是它刷卡付的,連銀行簡訊的驗證碼都是它自己讀的。大部分人不是試過發現不行,而是從來沒問過。問一個它做不到的問題,代價只是幾分鐘。

附錄:用 Claude Code 的人

如果你用 Claude Code,可以把四個問題存成 ~/.claude/skills/be-ambitious/SKILL.md。之後交代任務前說一句「先用 be-ambitious 想一下」,它就會先往上問幾層、先問專家的做法,再動手:

---
name: be-ambitious
description: 交代任務前,先把任務往上拉一層、往深做一層。使用者說
  「先用 be-ambitious 想一下」「這件事可以怎麼做得更有野心」時使用。
---

動手之前,依序回答,最後只給一個建議版本讓我選:

1. 高度:這件事做完之後,我真正要的結果是什麼?一直問「然後呢?」
   往上推,推到你覺得自己會做不好為止,退回一層,那就是建議的目標。
   說清楚要達成那個目標,你需要哪些工具、資料或權限。
2. 深度:這方面最厲害的人會做哪些我沒要求的事?他們從哪些原始資料
   開始?用哪些方法和工具?除了你和我,什麼能證明結果是對的?
3. 廣度:把任務裡的名詞換成動詞(它實際在做什麼事),列出 2–3 個
   最擅長做這件事的其他行業,各借一招。
4. 驗證:寫下完成的標準,必須是外部看得到的東西(數字、測試、真人
   反應),不能是「你覺得不錯」。

原則:要更深,不是更大。不要因此多做一堆交付物。

常見問題

AI 怎麼用才更有野心?

每次交代任務前問自己四個問題:能不能更快(速度)、能不能直接交出真正要的結果(高度)、能不能要它用最厲害的人的方法(深度)、能不能跟別的行業借方法(廣度)。大部分人只用到第一個。

這些提示詞在 ChatGPT、Gemini 也能用嗎?

可以。這篇的實測用的是 Claude,但四段提示詞都是一般的中文指令,貼進 ChatGPT、Gemini 都能用。回答的細節會不一樣,但「先拆層、先問專家怎麼做、先換成動詞」這幾個問法本身不挑工具。

叫 AI 扮演專家沒有用嗎?

不是沒用,但通常只改變語氣,不改變做法。上面租屋的實測,扮演專家拿到的是一份懶人包;先問「最厲害的人會做哪些我沒要求的事」,拿到的是真實總成本、實價登錄、謄本和三層驗證。

AI 說做不到怎麼辦?

先回它「這做得到,繼續想辦法」。真的做不到,就退回一層,把目標縮小一點再交給它。

AI 給的資料可以直接相信嗎?

不要直接相信。價格、法規、規定這類數字,一定要到官方來源查證。四個問題裡的第 4 題「除了你和我,什麼能證明結果是對的」,就是逼它告訴你該去哪裡查。

最後

同樣的 AI、同樣的月費,能做出什麼,取決於你敢交給它多大的問題。下次打開 AI,先別急著叫它寫,問自己一句:做完之後,然後呢?

我是從 Gary Chen 的影片知道 Felix 這篇文章的,原文值得讀一遍。想一對一聊怎麼把 AI 用在你的工作或產品上,我有開 1 小時諮詢。

更多文章

人不在家,手機照片怎麼傳回家裡的電腦?我跟 Claude 講 4 句話就傳好了
人不在家,手機照片怎麼傳回家裡的電腦?我跟 Claude 講 4 句話就傳好了

手機傳照片到電腦,人在旁邊用 AirDrop 就好,人不在家呢?我在手機上跟 Claude 講了 4 句話,它在家裡的 Mac mini 開了一個臨時上傳頁、配一條臨時網址,照片原尺寸傳回來;說「關閉」,網址就失效。大影片也傳得上去。

MCP 已死?我讓 Claude 一個月呼叫 6.9 萬次工具,MCP 只佔 9%
MCP 已死?我讓 Claude 一個月呼叫 6.9 萬次工具,MCP 只佔 9%

MCP 已死了嗎?我把 2026 年 10 月 Claude Code 的紀錄全部翻出來:68,981 次工具呼叫,四分之三是終端機指令,MCP 只佔 9%。哪些服務留在 MCP、哪些換成 CLI、Skill 在中間做什麼,換掉的原因照當時的紀錄寫。

去 AI 味實戰:被說「很 AI 而且像詐騙」的文案,改前改後與做成 Skill 的方法
去 AI 味實戰:被說「很 AI 而且像詐騙」的文案,改前改後與做成 Skill 的方法

AI 味怎麼去?Claude 幫我寫的投資頁,我看完回「很 AI 而且像詐騙」;宣傳脆文又被我說「內容都太AI」。這篇放兩份文案的改前改後、AI 味出在哪,以及最有用的一招:叫 AI 先讀你自己寫過的東西,再把差別寫成 Claude Code Skill。

Claude 費用實測:Claude Code 一個月用掉 US$6,265 的量,我只付 US$200
Claude 費用實測:Claude Code 一個月用掉 US$6,265 的量,我只付 US$200

Claude 費用怎麼算?我把 2026 年 10 月 Claude Code 的紀錄全部加起來:65,599 次請求,照官方 API 牌價換算 US$6,265,我付的是每月 US$200 的 Ultra。Pro、Max、Ultra 的價格、錢花在哪、有沒有撞過上限、怎麼選,都用實際數字講。