承上文

知識會因為專業術語而變得難懂
像「洛希極限」這樣的名詞
如果不懂天體、重力、潮汐力
就難以真正理解

所以我們需要設一個「停損點」，把問題聚焦

所以在生成式 AI 時代
知識不再是稀缺的
AI 能隨時補足缺口
真正的挑戰變成：

「問的問題夠不夠清楚？」

這就引出今天的重點：

• 我們該如何定義一個「好問題」？
• 為什麼要定義「好問題」？

好問題的三個條件

• 方向清楚：先標定領域

  例：不是問「幫我解釋宇宙」
  而是問「幫我解釋天文學中的洛希極限」

• 範圍限定：問題要有邊界，才能回答得具體

  例：「請用生活比喻解釋洛希極限」
  比「告訴我所有相關理論」更聚焦

• 目的導向：想清楚自己問這個問題要做什麼

  例：「洛希極限對人造衛星有什麼啟發？」
  這就有了應用場景

• 示範比較

  好問題：請用日常比喻說明洛希極限
  並解釋它在衛星設計上的應用（範圍＋目的）

  壞問題：幫我解釋天文學（太大）
  改良版：幫我解釋洛希極限（方向清楚，但還能更聚焦）

收斂：Prompt 的角色

知識是沒有終點的

• 問題模糊，AI 回答就會散亂
• 問題過大，答案就會失焦

所以在生成式 AI 的語境下
「prompt」很重要

因為AI能像一個放大鏡
讓你在知識的森林裡
聚焦於當下需要的那一片葉子

只有問題定義精準，答案才真正有價值

AI能回答你的問題
但卻無法主動幫你思考問題

所以學會問好問題
是個很重要的事

下一篇，我會繼續聊：那麼「好問題」要怎麼寫成一個有效的 prompt？