iT邦幫忙

2026 iThome 鐵人賽

DAY 3
0

前幾天一直在講 Prompt、Workflow、Skill。

今天我又回頭看了一下我前面用 Claude 寫的:

taiwan-sciencepark-briefing

一開始覺得很厲害。

因為我把台灣半導體產業、科學園區、土地、人口、資源、地緣政治、海外擴廠全部塞進去了。

但現在越看越覺得:

這個 Skill 好像也太大包了吧。

如果什麼事情都叫同一個 Skill 做,那跟以前丟一句:

幫我整理台灣半導體產業的崛起。

好像也沒有差很多。

只是我把「一大包 Prompt」改叫 Skill 而已。


所以我開始想:是不是應該繼續拆?

這次老師上課的題目是:

台灣半導體產業的崛起

光這八個字,其實就可以拆出很多問題。

例如:

  • 台灣半導體產業到底怎麼開始?
  • 1970 年代政府做了什麼?
  • 工研院、技術引進、人才培育扮演什麼角色?
  • 新竹科學園區為什麼會成立?
  • 後來中科、南科又怎麼出現?
  • 嘉義、高雄、橋頭、屏東等園區為什麼繼續擴張?
  • 半導體產業需要多少水、電、土地、交通與人才?
  • 園區進入地方之後,人口、房價、聚落與文化發生什麼變化?
  • 為什麼開始往美國、日本、德國等地布局?
  • 地緣政治又怎麼改變台灣半導體的位置?

全部丟給一個 Skill 做,好像真的有點太貪心。


我現在想把它拆成這幾個 Skills

Skill 負責什麼
產業歷史 Skill 整理 1970 年代到現在的重要政策、技術、產業事件
科學園區 Skill 整理竹科、中科、南科、嘉義、高雄、橋頭、屏東等園區的發展
資源治理 Skill 分析水、電、土地、交通、人才怎麼配置
地方社會 Skill 看徵收、人口、房價、產業、聚落與文化的影響
人才教育 Skill 看理工人才需求、大學教育與就業結構
海外布局 Skill 整理美國、日本、德國等海外擴廠與供應鏈移動
資料查核 Skill 專門檢查年份、數字、來源、政策與最新進度
討論題 Skill 把前面的資料變成可以上課繼續問的問題

這樣突然就清楚很多。


一個 Skill 最好只負責一件比較清楚的工作

我現在的理解是:

Skill 不是越大越厲害。

反而應該是:

我叫這個 Skill 出來的時候,我很清楚它到底負責什麼。

例如「產業歷史 Skill」。

我給它的 Input 可以是:

  • 時間範圍:1970 年代至今
  • 地區:台灣
  • 面向:政策、技術、人才、企業與產業結構

它的工作就是:

把歷史時間軸整理好。

最後 Output:

年代 事件 為什麼重要 資料來源

它不要突然跑去分析房價。

房價是另外一個 Skill 的工作。


科學園區也可以自己一個 Skill

例如我要問:

台灣科學園區為什麼從新竹一路往中南部擴張?

這就交給「科學園區 Skill」。

它可以整理:

竹科 → 中科 → 南科 → 嘉義 → 高雄/橋頭 → 屏東

然後每個園區都用固定欄位:

  • 何時開始
  • 為什麼設立
  • 主要產業
  • 面積
  • 從業人口
  • 周邊城市變化
  • 土地取得
  • 是否有地方爭議

最後再做比較。

這就比叫 AI:

幫我介紹台灣科學園區。

清楚很多。


我最想拆的是「資源治理 Skill」

因為這也是我自己最有興趣的部分。

半導體產業不是只有工廠和工程師。

工廠要蓋下去,後面還有:

水、電、土地、交通、人才。

所以我想叫這個 Skill 每次都回答幾個問題:

誰需要這個資源?

資源從哪裡來?

政府怎麼配置?

誰因此受益?

誰承擔成本?

有沒有產生衝突?

這樣 AI 就不是只有告訴我:

「某園區一年需要多少水。」

而是開始幫我整理:

資源是怎麼被分配的。

這才是我真正想看的東西。


然後一定要有一個「資料查核 Skill」

這個我現在覺得很重要。

因為前面六個 Skills 跑完之後,我不想直接拿去用。

還要有一個 Skill 專門當壞人。

它的工作就是:

挑錯。

例如:

  • 這個年份對嗎?
  • 數字來源在哪?
  • 這是新聞說的還是政府正式公告?
  • 不同資料是不是互相矛盾?
  • 這個海外設廠進度是不是已經過期?
  • 這個園區到底是「規劃中」、「核定」還是已經動工?

最後把問題列出來。

我覺得這跟前面講 AI 幻覺又接起來了。

不是叫 AI:

不要亂講喔!

而是真的安排一個步驟:

你現在的工作就是去檢查前面的 AI 有沒有亂講。


最後還可以有一個「討論題 Skill」

因為這次本來就是上課。

如果最後只產生一大堆資料,其實也滿無聊的。

所以前面的 Skills 都跑完之後,可以再問:

這些資料可以繼續追問什麼?

例如:

  • 半導體產業的成功,成本由誰承擔?
  • 科學園區到底只是產業政策,還是也在改變城市?
  • 高科技產業集中之後,教育資源是不是也跟著傾斜?
  • 海外設廠增加之後,台灣原本的產業優勢會怎麼改變?
  • 當土地、水、電都變成產業競爭的資源時,地方居民的位置在哪裡?

這些才比較像「與 AI 對話」。


所以我現在會把原本的一大包:

taiwan-sciencepark-briefing

重新想成:

一個大的 Workflow。

裡面不是只有一個 Skill。

而是:

歷史 → 園區 → 資源 → 地方 → 人才 → 海外 → 查核 → 討論

每一個 Skill 各做自己的事情。

最後再把它們組起來。

我覺得我到 Day 12 才真的開始搞懂:

不是把 Prompt 寫得很長,就叫做 Skill。

真正有用的 Skill,應該是把一個複雜工作拆成:

一個一個清楚、可以重複執行、也可以檢查的工作。

明天 Day 13,就真的挑幾個出來,看看一個 Skill 到底要怎麼寫成:

Trigger → Input → Process → Check → Output。


上一篇
Day 11|我一直以為 AI 在「讀文章」,結果它其實是在切 Token、算機率?
系列文
不會用 AI 的竹科打雜王兼人類學博士生 X AI 幫幫忙全紀錄12
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言