這是可引導性的實作課，主題叫「字面 vs 精神（Letter vs. Spirit）」。官方設計了三個超真實的職場場景：改短一點、寫專業一點、補充細節——每一次，AI 都完美遵守了指令，每一次，結果都沒能解決真正的問題。然後只加上一句「我的目標是⋯⋯」，輸出立刻脫胎換骨。看完這三組對照，你會徹底理解上一課那句話：指令是靠模式比對被遵循的，不是靠理解；你的文字和你的意圖之間，永遠有空間。
| 課程單元 | Lesson 11｜Try It Out: Letter vs. Spirit |
| 預估時間 | 約 15–20 分鐘（互動實作） |
| 課型 | 🛠 實作練習（Try it out）——建議搭配官方互動頁一起玩 |
| 官方單元連結 | Try it out: Letter vs. Spirit（英文互動頁） |
這個實作在玩什麼？
指令是透過模式比對被遵守的，不是透過理解。
你的文字和你的意圖之間，永遠留有空間。
官方用三個場景讓你親眼看見這道縫隙。每個場景的節奏都一樣：先看同事給你的原始素材與一句模糊的指令，再看 AI 的字面結果（指令確實達成了），接著揭曉真正的目標，最後看把目標講出來之後的版本。
場景一：「改短一點」
同事把這封郵件轉給你，說：「幫我改短一點。」
Marcus 是隔級主管，他只會「掃過」這封信。真正的目標，是把「要決策的請求」放到第一行。
改短是有幫助——但簽核請求還埋在第三句。一個用掃的人，讀到「回頭談一下藍圖」就把它歸類成「知會用」，然後滑走了。
💬 同一句指令，不同的意圖。模型只看得到你的文字。
場景二：「寫專業一點」
同事傳來這則 Slack 訊息，說：「幫我寫專業一點。」
這則訊息要當成「給客戶的郵件更新」寄出去。「專業」在這裡指的是受眾與管道，不只是語氣。
語氣是磨亮了——但沒有主旨列、沒有稱呼對方名字、沒有署名，也沒有交代「the migration」到底是指什麼。它讀起來仍然是一則穿了西裝的 Slack 訊息。
💬 模型把「專業」解讀成語氣。你要的是受眾與管道。
場景三：「補充細節」
同事分享這份週報，說：「幫我補充細節。」
有位利害關係人要決定「這些風險該不該升級處理」。他需要的是具體數據與一個建議，不是每個地方都變多字。
進度和阻礙被雜訊灌水；風險雖然多了一點細節，卻沒有嚴重程度、沒有數字、沒有建議。訊號被稀釋了，而不是被磨利。
💬 你要求的是數量。你需要的是聚焦。
三個場景的共同結構
每一條指令，都有一道「字面」與「精神」之間的縫隙。
你靠說出目標把它補起來。
| 你說的指令 | 你其實的意思 |
|---|---|
| 「改短一點」 | 把請求浮到最上面，讓用掃的人一眼看到。 |
| 「寫專業一點」 | 為不同的受眾與管道重新改寫，不只是換語氣。 |
| 「補充細節」 | 只展開會影響決策的那一段。 |
可以直接抄的「目標句」公式
三個場景的解方是同一招：在指令後面補上一句目標。實用的目標句通常包含三個要素——
隔級主管、客戶、決策者
簽核、決定是否升級、不用回覆
郵件、Slack、簡報、手機上掃過
套用範本：
「〔指令〕。我的目標是讓〔誰〕在〔什麼情境〕下能夠〔做出什麼行動〕。」
重點整理（Key Takeaways）
- 三個場景裡，AI 每一次都完美遵守了指令——問題從來不是它沒照做。
- 失誤發生在字面與精神之間的縫隙：模型只看得到你的文字，看不到你的意圖。
- 模糊的形容詞（短、專業、詳細）在你腦中有明確定義，在提示裡沒有。
- 補救方式不是把指令講得更用力，而是補上一句目標：誰會讀、要他做什麼、在哪裡讀。
- 同一句指令配上不同的目標，會導向完全不同的正確答案。
動手做：官方互動頁任務清單
打開官方互動頁，把三個場景走完（每個場景都有「看字面結果 → 揭曉真正目標 → 看改良版 → 一句話總結」的按鈕），然後做這三件事：
☑️ 先猜再看：每個場景在點「看字面結果」之前，先自己想一下「如果是我，真正的目標會是什麼」。猜中幾個？
☑️ 換一個目標重跑：拿場景一的原始郵件，改成完全不同的目標——例如「目標是讓收信人理解為什麼行動版被延後」——請 AI 改寫，看它產出的東西和官方的改良版差多少。同一封信、同一句「改短」，不同目標會走向不同的正確答案。
☑️ 拿自己的東西實測：找一則你這週實際請 AI 改寫、但結果不滿意的內容，補上目標句重跑一次。這是把課程變成習慣的關鍵一步。
課後反思
- 三個場景中，哪一個最像你平常對 AI 下指令的方式？（多數人會在「補充細節」那題認出自己。）
- 回想你最近一次覺得「AI 給的東西沒錯，但就是不能用」——如果重來一次，你會補上哪一句目標？
下一課預告
四大特性到這裡全部學完了。但真實世界的失誤，很少是單一特性出問題——大多是兩個特性撞在一起：捏造的引用、長對話中的飄移、自信滿滿的錯誤算術、附和你的錯誤前提。下一課把整門課收網，教你診斷「這是哪一種出錯」。
延伸閱讀
- AI 能力與限制完整學習筆記（系列目錄）
- Lesson 10｜可引導性：為什麼 AI 有時不聽指令？（本實作的概念課）
- AI Fluency: Framework & Foundations 完整學習筆記（描述 Description 的方法論）
- 官方 Lesson 11 互動頁（英文）
常見問題 FAQ
因為模型是靠模式比對遵循指令，不是靠理解意圖。像「短一點」「專業一點」「詳細一點」這類形容詞，在你腦中有明確定義，在提示裡卻沒有——AI 只能挑一個最常見的解讀去執行，結果就是指令達成、問題沒解決。
用這個範本：「〔指令〕。我的目標是讓〔誰〕在〔什麼情境〕下能夠〔做出什麼行動〕。」例如「把這篇改短。我的目標是讓隔級主管在手機上掃過時，第一行就看到我要他簽核。」三個要素是：誰會讀、要他做什麼、在哪裡讀。
因為模型多半把「專業」解讀成語氣——修錯字、拿掉玩笑、把口語改書面。但很多時候你要的其實是換受眾與管道（例如 Slack 訊息要變成給客戶的郵件），需要的是主旨列、稱呼、脈絡與署名。把管道與收件對象講明，結果會完全不同。
因為「補充細節」被理解成「每個地方都加字」，於是訊號被雜訊稀釋。你真正需要的通常是聚焦：只展開會影響決策的那一段，並要求具體數字與一個明確建議，其餘保持精簡。
本文為 Anthropic 官方課程之中文學習筆記。原課程建立於 Prof. Rick Dakan（Ringling College of Art and Design）與 Prof. Joseph Feller（University College Cork）發展的 AI Fluency Framework 之上，以 CC BY-NC-SA 4.0 授權釋出。Copyright 2026 Anthropic.
📬 喜歡這篇文章？訂閱電子報不錯過任何更新
生成式 AI 時代，最珍貴的資產不是工具本身，而是你的提問力與協作思維。
每週精選 AI 實戰技巧、官方課程更新與 AI 工作流攻略，直接寄到你的信箱！
發佈留言