本以為不會這麼快進到閱讀應用，直到我在社群看見一篇工作流分享

一份「步驟清晰」的 prompt

分享的恰好是閱讀筆記匯出的流程，也正是我想做到的應用。
內容非常詳細，從打造流程的初衷、碰到的問題、AI 如何協助修正都寫得清清楚楚：裝置端要安裝的外掛、電腦端要執行的腳本、資料要怎麼比對去重、格式要長什麼樣——甚至細心附上能直接複製給 AI 跑的 prompt。
清晰到我心裡想：這次應該可以直接把整份規格丟給 AI，讓它一口氣做完，不太需要我插手。

畢竟，都寫這麼清楚了，還會有什麼問題？

過去的模式，與它的代價

回想過去我跟 AI 協作的習慣：把想法一次講完，丟出一份完整（或自認完整）的 prompt，等 AI 跑完收結果。這樣做的好處很明顯——省事、快，而且 AI 通常也真的能做出一個「看起來完成了」的東西。

不過也是有代價的。AI 會非常直接遵照我給的前提往下做，一旦前提有問題，它通常不會停下來懷疑，只會把「錯的方向」做得又快又扎實。而我要等到拿到成果的那一刻，才會發現不對勁。
最後就是，我得回頭叫 AI 重做，再逐一審核，花費的時間比原本想省下的時間還要多，事倍功半。

這次不一樣的地方：慢下來，一步一步核對

所以，在我又想直接貼給 AI 一次跑完之前，我先停下來，換了個做法。

我先把這份完整的 prompt 複製到社群裡大家常用的那個 AI harness，直接問它：這份 prompt 能不能直接套用？還有哪些需要注意的地方？
甚至請 AI harness 幫我統整一份給 Claude 用的 skill，額外附上寫給 Claude 的但書。

這個 AI harness 扮演「翻譯」的角色，將別人分享的 prompt 翻譯給 Claude，也協助我讓問題變得更具體。

最後我貼給 Claude 的並不是別人分享的原始 prompt，而是對焦後的版本。

比方說，裝置端要安裝的工具，我沒有一次裝完就急著往下一步衝，而是先確認裝置韌體版本相容、裝完先看畫面有沒有異常、功能先測試跑通，才決定要不要繼續往下推進到下一階段。
這聽起來只是把步驟拆小，實際做起來的感覺卻很不一樣——我在每個小階段都有機會喊「等一下」。

轉折點：發現我真正的需求

照著對焦後的 prompt 一步步裝好工具、測試功能，確認可以正常運作之後——才發現：這整套方案能處理的，是透過電腦匯入閱讀器的 PDF 書籍；但我實際上在讀的書，都是從官方購買、帶有版權保護的書。方案本身沒有做錯任何事，只是它從一開始瞄準的，就不是我真正的需求。

如果只是把原始 prompt 一次丟給 AI、讓它從頭做到尾，這個落差很可能要等到「全部完工」才會現形——甚至更糟，因為做出來的東西表面上運作正常（真的能裝、真的能畫線），這個落差可能根本不會被發現，我會帶著一套「看起來完成、其實用不到」的方案結案。正是因為每一步都先驗證再往下走，這個問題才在還沒把時間全部花完之前，就被攔了下來。

改變與 AI 協作的習慣，慢慢來比較快

這次真正體會到，為什麼「一次做完」對我來說反而狀況百出。
不只是我沒有搞懂自己的需求，我下的指令也不夠精準明確，讓 AI 抓不到重點。
而這次「請 AI 翻譯」的過程，不只讓對話的節奏慢下來，也讓我少走了很多彎路。
做出成果的那一刻，非常有成就感！
而我似乎也抓到一些與 AI 對話的訣竅了～