馴服 AI：從陌生到默契

能拉住 AI 這匹良駒韁繩的，需要先懂一些術語，才能更懂得「如何與 AI 合作」。今天，我們把鏡頭從模型本身，移到一台正在上路的車：整合了引擎(模型)的車身 (Agent)，及如何握好方向盤與油門 (Prompt)。這些將決定了行車體驗好不好。😄

💡 懂術語，才握得住方向盤。

昨天我們說 AI 是一匹待馴服的良駒。有人問：「AI 真的能被馴服？」更貼切的說法是：當我們理解她的特性、建立互動默契後，它會變成可靠的夥伴。

以我撰寫這系列文章為例：第一天我幾乎是靠自己從頭到尾，AI 只在局部補資料；但到今天，AI 已能幫我做資料歸納、語句潤飾、甚至挑毛病。差別不在於 AI 變聰明，而是我們彼此的「合作方式」變更成熟。

補充一個基礎術語：昨天反覆提到的「模型」，正規名稱是 LLM（Large Language Model，大語言模型）。

💡 先馴服，再加速。

💡 模型是引擎，默契是油門。

AI 這一台車：引擎、車身與方向盤

我畫了一張圖用來說明 AI 核心元件間的彼此關係：

• 引擎 -- 大語言模型在車的最前面，負責推動力與理解力。
• 中間主體是一個 AI 代理程式：把所有東西整合成一台車，落地讓我們可以使用的 AI 工具。
• 人，則透過 提示詞 (Prompt) 來驅動 AI 這一台車：：你下達的自然語言指令，AI 便會依照你的意思回應您。
• 另外還有一些外接配件（擴充能力、自訂指令/提示）就像行車紀錄器、導航、皮質座椅、杯架、音響...：不是每個人都有相同喜好與需要。

💡 工具很多，關鍵在於你怎麼用。

關鍵二：AI 代理程式（Agent）(續)

起初，我對「AI 代理程式」這名詞，很不清晰，因為接觸到很多簡體 Youtube 影片，都把 AI Agent 稱為 「AI 智能體」，而這些 AI 智能體往往只是 自訂提示；所以之前，我對 AI Agent 認識過於狹隘。

直到動手寫這系列，我才比較確定：Agent 是把模型、工具、記憶、規則、外部資源「整合起來」的人機介面與執行環境；它能依據你的任務，選擇用什麼工具、怎麼呼叫模型、如何把模型吐回來的東西再加工成最終的結果。

💡 模型給力，Agent 給結果

雖然 ChatGPT 是一個網頁，但它其實是很完整的 AI 代理程式 Agent：

• 有系統層的行為規範（System Instructions）
• 具備多模態能力（文字/圖像/語音）
• 能外接工具（如瀏覽網站、檔案、程式執行）
• 有對話記憶與自訂指令（Custom Instructions）

常見 AI Agent 類型

• 通用型(General purpose Agent)：比如：ChatGPT、Calude、Gemini...
• SWE(Software Engineer) Agent：專門用在協助協程式的代理程式，比如：GitHub Copilot、Cursor、Codex CLI、Calude code、Gemini CLI...
• 資料/分析 Agent：幫你整理 CSV、BI 報表、描述趨勢，像沉穩的資料分析師。
• 客服/值班 Agent：接常見問答、歸檔、發回單，像 7x24 的值班助理。
• 流程編排/協作 Agent：可分配子任務、序列化步驟、串連工具，比如 n8n。

💡 AI Agent 整合模型、工具、記憶、規則，讓 AI 落地給我們使用。

AI 代理程式結構

以常見的 AI Agent 來看，可以粗分為六個區塊：

1. 系統提示（System Prompt/Instructions）：
   樣子像「提示詞」，主要是規範 AI 代理程式的主要功能，什麼能做？什麼不能做？都常是寫死在 AI 代理程式裡面，但也有 AI 代理程式允許微調。它會規範 Agent 的角色與邊界，例如：不提供違規內容、回答要有步驟、語氣保持專業...。

2. RAG（檢索增強生成）：
   想像行李箱空間有限，得先把重點摺好再上車。LLM 大語言模型輸出入的 context window 有容量限制，RAG 負責「找資料 → 摘要/切塊 → 放進模型上下文」，讓模型在有限空間內看懂最多有效資訊。

3. 工具程式（Tools/Functions）：
   早期 AI Agent 幾乎沒外掛；現在常見的有檔案讀寫、網頁瀏覽、資料庫查詢、程式執行。方便，但也要注意安全：權限最小化、審計留痕、敏感資料脫敏，是中小企業導入時的三大原則。

   • 早期 AI 不能上網，但 AI 訓練有截止日，超過訓練截止日的問題，AI就回答不了。
   • 現在可以授權 AI 可以上網，就可以取得最新的資訊。

💡 會串工具的 Agent，才撐得起場景。

4. 記憶（Memory）：我們跟 AI 聊天，通常是這次的討論串，AI 會記得我們跟他再聊什麼，會有上下呼應的效果。但若是關掉重新再開，就是一個新的討論串 (thread) ，這時候 AI 就像記憶消失。

   • 要讓 AI 記住一些事，其實是可以跟他講：這個要記住。比如說：我是男生，你要記住喔。AI 以後就會知道你是男生囉。你也可以叫 AI 記住你的名字、生日...之類的。爾後 AI 聊天就會叫你的名字了。
   • AI 記住的東西，通常是存放在「設定檔」裏頭，只要知道「設定檔」在哪裡，也可以自己去添加、修改或刪除。
   • 對話中短期記憶像是暫存器；跨對話的長期記憶則常放在設定或檔案中。你可以明確指示「記住我的部門與偏好」，也可刪除或關閉某些記憶。

5. 自訂指令/提示（Custom Commands/Prompts）：方便我們操作 AI Agent、或是讓 AI 化身為另外一個樣子的 AI Agent。

6. 擴充能力（Extensions）
   包含各式插件與第三方整合：比如可以串接公司內部系統：把 工單系統、NAS、日曆串上去。注意：別什麼都開，要注意安全性。

💡 這些先大概知道即可。

如何開始用 ChatGPT

步驟很簡單：

1. 直接到 chatgpt.com 開始聊天；
2. 若要保留紀錄，註冊帳號、再登入即可。
3. 練習「一問一答 → 補充脈絡 → 指定格式」的節奏，讓它越懂你。

App 與同步：

• ChatGPT 有 Windows App 可以安裝使用。
• 手機與平板也有 APP 可以安裝
• 桌面版與手機都登入後：聊天內容會互通、同步對話。
• 公司環境可先用個人帳號試行，但留意資料界線：不上傳公司敏感資料。

新手技巧：可以先把原本要 Google 的東西丟給 ChatGPT，如果發現她給的內容太舊、或有問題，可以告訴他：「這好像不是最新的，您再找找」

選擇取捨

• 目前大廠的 AI 代理程式，通常只能使用自己家的 大語言模型：
  • 比如 OpenAI 公司的 ChatGPT 只能使用自家的 GPT 模型，如：GPT-5、GPT-4...
• 一些自己沒有 大語言模型的公司或代理程式，才比較會可以使用多家的模型。
• 市場上主流供應商（以 2025 年觀察）各有風格：
  • OpenAI：通用能力與工具生態完整，開發者資源豐富。
  • Google：與搜尋/辦公系統整合強，多模態研發深。
  • Anthropic：偏好安全、守規範，長文理解與工具使用表現穩定。

關鍵三：提示詞 Prompt

提示詞，是我們讓 AI 幫我們工作的重要溝通媒介。社群上被引喻為 方向盤、油門，有就是說實際操控 AI 的地方。

💡 Prompt 清楚，結果就會清楚。

提示詞 寫得好不好，就攸關 AI 是否如我們期望的表現，所以有專門的「提示詞工程」的學科、專書...等等，很認真的在研究 提示詞。也有人會認真的收集「提示詞」，比如如何讓 AI 畫出自己的公仔的提示詞...等，網路上也有專門收集跟分享的平台。

💡 不要猜 AI；請指揮它。

台灣也有很多 AI 老師上課時，會提供一些很實用的 AI 提示詞。「提示詞」簡單講，就是好好的講人話，因為 AI 已經非常瞭解人如何說話。

好吧，這幾天大家文字看很多了，我們就來實際練習吧，請先打開 ChatGPT.com 網站。跟著輸入下面這些提示詞，感受一下：

1️⃣ 基本對話型

先練習跟 AI 對話

• 「請跟我說一個 IT 工程師的冷笑話。」
• 「幫我解釋什麼是 IP 位址，像是對 10 歲小孩說明。」
• 「請用三句話，解釋什麼是雲端運算。」

💡 從一句話開始，把默契疊起來。

2️⃣ 工作協助型

應用在 IT 日常

• 「請幫我寫一封郵件，內容是通知同事：伺服器今晚要停機更新。」
• 「Windows 11 網路顯示『公用網路』，我要怎麼改成『私人網路』？」
• 「給我一個 Linux 指令，可以同時顯示目前目錄的檔案大小與排序。」

3️⃣ 學習與練習型

把 AI 當成小老師

• 「請用表格比較 HDD、SSD 的差異，包含：速度、價格、壽命。」
• 「模擬考試：請給我 3 題 CompTIA A+ 的練習題，並在最後附上答案與解析。」
• 「我剛學 Python，幫我寫一個簡單的程式，可以顯示『Hello IT World!』。」

💡 用 AI 省時間，把時間花在更值得的事。

提示詞設計的基本功

Google 有一份入門文件 《Prompting guide 101》，裡面把「如何寫出好的提示詞（Prompt）」整理得非常清楚，對新手來說是非常好的學習資源。以下是簡單摘要：

• 原文網址： Prompting guide 101 (PDF)

• 字數長度：

  • 研究發現，最佳的提示詞平均字數大約是 21 字。
  • 但多數人實際上輸入給 AI 的提示詞往往不到 9 個字，導致 AI 難以理解需求，結果常常差強人意。

• 好的提示詞要素：PTCF 框架

  1. P = Persona（人物角色）
     指定 AI 扮演什麼角色，像是「資深 IT 顧問」或「CompTIA A+ 講師」，這會影響 AI 的回答風格與專業程度。
  2. T = Task（任務）
     明確交代要做什麼，例如「請解釋 BIOS 和 UEFI 的差異，並用表格整理」。
  3. C = Context（情境、上下文）
     提供必要的背景資訊，例如「假設讀者是剛進公司的 IT 新手」；在 Google Gemini 中，甚至可以透過 @ 引用 Google Drive 文件，讓 AI 直接讀取內容。
  4. F = Format（格式）
     告訴 AI 要以什麼形式輸出，例如「用表格」、「三段落說明」、「條列清單」，必要時還能給範例。

• 延伸資源：

  • 推薦收聽 「保哥帶你聽 EP02」（中文解說，非常淺顯易懂）：YouTube 連結

• 實務心得：

  • 筆者實際測試過，這個 PTCF 框架在 ChatGPT 其他 AI 上一樣很有效。
  • 對新手來說，只要掌握這四個要素，就能快速寫出更清楚、更有用的提示詞。

今日小結

今天我們探討了 AI 代理程式 Agent、提示詞（ Prompt ）。也進一步認識了 AI 代理程式的結構。

ChatGPT、Claude、Gemini 這些看似單純的對話介面，其實背後有著不簡單、而且完整的機制。

提示詞的部分，Google 《Prompting Guide 101》 的 PTCF 框架：Persona、Task、Context、Format 非常實用。這四個要素，就像是寫好「駕駛指令」，能讓 AI 更清楚地執行任務。

昨天是「認識良駒」，今天是「學會牽馬上路」。今天不知不覺又寫了超多的內容，原本只打算分 (上)(下) 兩篇寫完的，現在變成了 (上)(中)(下)，明天繼續吧...，這兩天寫作的確寫得滿累的，明天我應該可以輕鬆一點了...

激發 AI 的潛力，在於我們如何與它合作、如何駕馭。筆者先幫大家整理一下最基本的知識、術語、概念，您要要多花點心思在提示詞上，您會發現 AI 回應的品質會逐步提升，默契也會愈來愈好。加油！

💡 變 AI 專家之前，先成為清楚的提問者。