我最近上了一門課，是吳恩達（Andrew Ng）親自開的《AI Prompting for Everyone》。看完的第一個感覺是 —— 終於有人把「怎麼跟 AI 講話」這件事，從頭到尾講清楚了。
市面上教 prompt 的內容很多，但大多是丟你一堆模板叫你照套。吳恩達這門不太一樣，他教的是心法：為什麼這樣講，AI 會更聽得懂。心法你學會了，模板自己就會生。
這篇我把整門課的大綱、重點，還有我自己實際用到的幾個技巧，完整整理給你。如果你平常有在用 ChatGPT、Claude 或 Gemini，這篇值得花 10 分鐘看完。
這門課是誰開的、值不值得花時間
先講講吳恩達是誰。他是 DeepLearning.AI 的創辦人、也是 Coursera 的共同創辦人，可以說全世界有一大票人學 AI 的第一堂課，都是他教的。由他來講「一般人該怎麼用 AI」，份量夠。
這門《AI Prompting for Everyone》的設定很清楚：不需要任何技術背景，就是給每天在用 AI、但想用得更好的人。全長 3 小時 4 分鐘，在 DeepLearning.AI 上免費就能看完（想拿證書才需要付費升級）。
3 小時不算短，但我覺得它的密度很高，沒有廢話。下面我幫你把架構先攤開。
課程大綱：吳恩達把它分成三大塊
整門課拆成三個 Module，剛好對應一般人用 AI 的三種場景：
- Module 1：找資訊 —— AI 新手跟高手差在哪、AI 的預訓練知識邊界、怎麼讓它上網搜尋、什麼時候該開「深度研究」模式。
- Module 2：把 AI 當思考夥伴 —— 腦力激盪、補上下文、引導推理、避開 AI 的阿諛奉承、還有寫作跟自我批改。
- Module 3：多模態與寫程式 —— 處理圖片、生成圖像、不用寫程式就建出小應用、做資料分析。
每個 Module 後面都有實作 Lab 跟小測驗，最後還有一個總結專案。它不是看影片就結束，是要你動手的。
內容整理：7 個我覺得最該記住的重點
課程細節很多，我把它收斂成 7 個重點。這 7 個記住了，整門課的精華大概就拿到 8 成了。
1. 把 AI 當成「聰明但不懂你背景的新人」
這是整門課的核心心法。吳恩達說，寫提示詞要有「同理心」—— 把 AI 想成一個很聰明、但完全不認識你、不知道你在幹嘛的大學新鮮人。
所以提問前先問自己一句：「換成一個人類專家，他需要哪些背景資訊才能做好這件事？」把這些背景全部給 AI。新手常常只丟一句話就期待神回覆，高手會把專案進度、語音備忘錄、相關文件通通餵進去。背景給夠，答案才會準。
2. 想要它認真，就直接叫它「認真思考」
碰到難題（買車比較、寫程式、做規劃），直接在提示詞裡加一句「think hard」或「ultra think」，現代的 AI 模型就會花更多時間做長篇推理。
順帶一提，2023 年很流行的「一步步思考（think step by step）」現在已經過時了 —— 新一代模型不用你教它怎麼想，直接叫它認真想就好。還有，不要只拿簡單問題測試 AI，丟一個需要人類好幾小時的難題給它，你才知道它的真實能耐。
3. 腦力激盪：給情境、要選項、跑迭代
想要有創意的答案，不能只丟一句空泛的問題。與其問「幫我規劃健身菜單」，不如說「我 38 歲、只有一對 10 磅啞鈴、家裡有隻貓、每天只擠得出 15 分鐘」。條件越具體，AI 越能給你客製化的答案，而不是一堆常識。
另外兩個小動作：先要它給 3 到 5 個選項、不要只給一個答案；然後針對選項給回饋（喜歡 A 的哪裡、不喜歡 B 的哪裡），請它再生一輪。靠「選項 → 回饋 → 新選項」這個循環，慢慢收斂出最滿意的結果。
4. 寫作別讓 AI 一次寫完整篇
這點我自己感受最深。千萬不要一開始就叫 AI「幫我寫一篇文章」，那樣出來的東西通常很空洞、塞滿艱澀詞，吳恩達叫它「AI 廢話（AI slop）」。
正確流程是循序漸進：先給素材、請它擬「大綱」→ 你改大綱、來回幾次 → 大綱定了，擴成「條列重點」→ 再迭代 → 最後才請它擴寫成完整文章。在大綱階段改幾個字，就能扭轉整篇的走向，這比文章寫完再逐句改有效率太多了。
5. 想要真話，就別讓 AI 拍你馬屁
AI 被訓練成喜歡取悅人。只要你的問題帶了立場 ——「你覺得我這篇寫得很棒對吧？」—— 它幾乎一定順著你講。
破解法有兩個：一是用中立的方式問，例如改問「請客觀分析這個商業點子的優缺點」；二是給它明確的評分標準，列出具體維度、沒有模糊空間的判準（像「每個角色是否都有明確目標：是／否」），再要求它照標準算分、加總。這樣它就沒辦法先給高分再來湊理由，建議會誠實很多。
6. 搜尋與數據：把關鍵字當開關
問到時事、冷門資訊、或超出 AI 訓練截止日的東西，主動加一句「請上網搜尋」。還可以指定來源品質，例如「請用世界衛生組織或官方醫療機構的資料」，避免它引用不可靠的網路內容。
遇到需要綜合幾十個來源才能回答的複雜問題，就開「深度研究（Deep Research）」模式。上傳數據表格時加一句「仔細分析」，AI 還會自己寫程式、跑運算，給你圖表跟洞察。
7. 多模態與建小程式：用講的就能做出工具
你可以把白板上的概念圖、複雜的收據、甚至手寫信拍照上傳，讓 AI 幫你讀。生成圖片時，多學一點視覺術語（cinematic、watercolor 這類），或乾脆請文字 AI 先幫你寫好生圖的提示詞。
最有意思的是「不用寫程式就建小應用」。吳恩達給了一個三要素公式：目標（Goal）、輸入（Inputs）、輸出（Outputs）。把這三件事講清楚，AI 就能幫你做出小工具。新手建議從番茄鐘、分帳計算機這種單一功能、能馬上驗證的東西開始。
我自己實際用了哪些技巧
講完課程，講點我自己的。這幾個技巧不是看完課才知道的，而是我本來就在摸索、看完課之後「對上號」的 —— 吳恩達幫我把它們講成了系統。
第一，漸進式大綱法。我現在寫部落格、寫社群貼文，都先請 AI 擬大綱、來回改幾次，最後才擴寫。老實說，你現在看的這篇文章，就是這樣寫出來的。
第二，把 AI 當新人、給足背景。我一直在做一份「個人使用說明書」，把我的工作、專長、習慣整理成文件。這樣換到哪個 AI 工具，我把文件丟給它，它就秒懂我是誰、該怎麼配合我。
第三，動手前先跟 AI 聊計畫。我請 AI 做任何事之前，一定先跟它討論計畫、確認方向，沒問題了才讓它執行。先對齊，完成度差很多。
第四，用 NotebookLM 把長課程變成隨時能問的筆記。這招我最推。這門 3 小時的課，我是把它丟進 NotebookLM，讓它幫我把重點抓出來、整理成一個我隨時能提問的知識庫。你現在看到的這篇整理，骨架就是這樣長出來的 —— 等於我用課程裡教的技巧，反過來消化了這門課本身。
小結
吳恩達這門課最值錢的地方，不是某幾句神奇咒語，而是一句話：會不會用 AI，差別不在指令背得多漂亮，而在你願不願意給足背景、敢不敢丟難題、肯不肯一步步迭代。
如果你也想把 AI 用得更順，我的建議是 —— 今天就挑上面一個技巧開始試。課程連結放在下面，3 小時、免費，很值得。
課程連結：吳恩達《AI Prompting for Everyone》—— DeepLearning.AI 課程頁（免費觀看），YouTube 也找得到完整影片版。
本文是我把這門課的重點整理、加上自己的實踐心得寫成的分享。如果覺得有用，歡迎追蹤董達達3C私塾，我會持續整理好用的 AI 工具跟方法，把科技翻成人話。
留言
張貼留言