這一課學什麼？
你有沒有遇過這種情況：問了 Claude 一個問題，回答看起來很完整，但就是不太對——太籠統、太長、語氣不對，或者根本偏離你要的方向？
這一課要告訴你，這些問題都有解法。
Anthropic 官方課程 Claude 101 第三課——Getting better results，教你辨認最常見的五種輸出問題、用「迭代思維」取代「一次到位」的期待，並介紹 AI Fluency 的完整框架，以及如何用簡單的評估方式（Evals）測試 Claude 在你自己工作場景中的表現。
預計學習時間：15 分鐘
這一課的三個核心觀念
第一：第一次的回答不完美是正常的
有效使用 Claude 的關鍵心態轉換是：把第一個提示當成對話的起點，而不是一次性的請求。 第一份草稿是出發點，不是終點。
第二：問題通常出在提示，不是 Claude
大多數輸出品質的問題，根源都是提示給的資訊不夠完整。知道問題在哪裡，就能針對性地修正。
第三：AI Fluency 是一種可以學習的能力
不只是知道怎麼操作工具，而是在不同情境下都能做出好判斷。這是這一課引入的核心概念，也是這整個課程系列的底層框架。
五個最常見的問題與解法
問題 1：回答太籠統
發生了什麼： 你的提示沒有提供足夠的具體脈絡。
解法： 加入你的受眾、角色或限制條件。
❌ 不夠好的提示：
「寫一封關於專案延誤的 Email。」
✅ 更好的提示：
「幫我寫一封 Email 給我們的企業客戶，說明軟體整合將延遲兩週。他們到目前為止一直很有耐心，但這已經是第二次延誤了。語氣要專業但帶有歉意。」
問題 2：回答太長或太短
發生了什麼： Claude 在猜測適合的長度。
解法： 直接說清楚你要的長度。
「給我一個兩段話的摘要」 「控制在 100 字以內」 「我需要完整的分析，長度不是問題」
問題 3：格式不對
發生了什麼： Claude 理解了你要什麼，但不知道你要怎麼呈現。
解法： 不只是說，而是示範。提供一個格式範例，或明確描述結構。
「每個段落用粗體標題加上條列式重點。」
問題 4：回答聽起來很有信心，但內容有誤
發生了什麼： Claude 在特定事實或利基主題上偶爾會生成聽起來合理但不正確的資訊。
解法： 高風險的工作要獨立查證關鍵事實。請 Claude 提供引用來源或說明信心程度。開啟網路搜尋功能，讓回答有當下資訊的支撐。
問題 5：語氣不對
發生了什麼： Claude 預設使用有幫助、專業的語氣，但這不一定是你需要的。
解法： 用日常語言描述你要的語氣，或提供你喜歡的寫作風格範例。
「讓這個更口語一點」 「這應該聽起來有權威感、正式一些」
迭代思維：有效使用 Claude 的關鍵心態
官方課程強調，有效使用 Claude 的人都有這三個習慣：
把第一稿當出發點：看 Claude 產出了什麼，找出哪裡對、哪裡不對，然後修正。
給具體的回饋：「讓它短一點」是可以的，但「刪掉前兩段，讓結尾更有行動導向」更好。
知道什麼時候該重新開始：如果對話已經偏離方向，有時候開一個新的對話視窗、用更清晰的提示重來，反而比想辦法糾正更快。
什麼是 AI Fluency？
AI Fluency 是有效和 AI 工具協作的能力——不只是知道怎麼操作，而是在不同情境下都能做出好判斷。
由 Ringling College of Art and Design 的 Rick Dakan 教授和 University College Cork 的 Joseph Feller 教授共同研究開發的 4D 框架，定義了四項核心能力：
| D | 能力 | 意思 |
|---|---|---|
| Delegation（委派） | 決定哪些工作該由人來做、哪些該交給 AI | 了解你的目標、AI 的能力，做出策略性的協作分配 |
| Description（描述） | 有效地和 AI 溝通 | 清楚定義輸出、引導 AI 流程、指定想要的行為 |
| Discernment（判斷） | 批判性地評估 AI 的輸出 | 評估品質、正確性、適切性，找出需要改進的地方 |
| Diligence（謹慎） | 負責任、合乎道德地使用 AI | 做出深思熟慮的選擇，保持透明，為 AI 協助的工作負責 |
你其實已經在這門課程中練習這些能力了：Lesson 2 的提示框架（設定舞台、定義任務、指定規則）根植於 Description；這一課的問題排除技巧則運用了 Discernment 和 Diligence。
想深入學習，可以參加 Anthropic 的免費課程：AI Fluency: Framework & Foundations (我正在就讀的密涅瓦大學MDA碩士也有推薦我們自學這份資料)。
如何評估 Claude 在你工作中的表現？（Evals）
當你開始把 Claude 整合進更多工作時，你可能會問：「Claude 在這個任務上到底好不好？」
這就是 Evals（評估） 的用途——系統性地測試 Claude 在你特定任務上的表現。
為什麼需要 Evals？
你的工作是獨一無二的。Claude 可能非常擅長幫你寫行銷文案，但在你所在領域的技術文件上可能需要更多引導。做簡單的評估可以幫你：
- 了解 Claude 在哪些工作環節最有價值
- 找出哪些任務需要提供更多脈絡或範例
- 對於重複性任務建立對 Claude 輸出的信心
四步驟簡單評估法
步驟 1：收集範例 找出 5–10 個你定期做的任務範例——你寫過的 Email、做過的報告、完成的分析。
步驟 2：設計測試提示 寫出能產生類似輸出的提示，包含你在做這份工作時自然會有的脈絡。
步驟 3：比較輸出 執行提示，把 Claude 的回答和你的範例比較，問自己：
- Claude 有抓到關鍵資訊嗎？
- 語氣和風格合適嗎？
- 缺少了什麼？哪裡可以改進？
步驟 4：優化你的做法 根據你學到的，調整提示、加入範例讓 Claude 知道好的輸出長什麼樣，或找出哪些地方必須人工審核。
以資料分析為例
- 找一份你已經手動分析過的資料集
- 用提示請 Claude 對同樣的資料做分析
- 比較 Claude 的結果和你的原始分析
- 記下差異並調整提示——也許 Claude 數字算對了，但沒抓到整體趨勢
這種輕量級的評估方式，幫助你建立對 Claude 的直覺，知道它在哪些任務上值得信賴，以及在哪些地方要把精力放在審核和修正上。
這一課的課堂練習
練習一： 回想你已經遇過的常見問題，下次遇到時試試看對應的解法。
練習二： 在你的工作中找一個重複性的任務，用四步驟評估法測試 Claude 在這個任務上的表現。
練習三： 用 4D 框架思考你和 Claude 的協作：哪個 D 是你目前最弱的？
學完這課，你應該能做到
- 辨認與 AI 協作時常見的五種挑戰，並知道怎麼解決
- 說明什麼是 AI Fluency，以及 4D 框架的四項核心能力
- 設計簡單的 Evals，測試 Claude 在你自己工作流程中的表現
- 用迭代思維取代「一次到位」的期待
Leave a Reply