大家都在問「怎麼下對提示詞」，但 Anthropic 跟社群工具作者的一場對談給了不一樣的答案：重點根本不是那句 prompt，是你有沒有想清楚、講清楚自己的「意圖」。這套叫「意圖驅動開發」的方法，其實跟寫不寫程式無關——它是每個用 AI 的人都該換的一顆腦。這篇幫你整理，也接回我自己在教的東西。
先講這是誰
這是 Google Cloud Tech 的一場對談，來賓是 Anthropic 團隊的 Lyria（Claude Code 團隊）跟 CS Dojo 的 YK（他寫的 Claude Code 技巧筆記在 GitHub 有超過 8,000 顆星）。兩個人一個做工具、一個是重度使用者，聊的都是同一件事：跟 AI 協作的方式，正在從「怎麼做」轉向「你要什麼」。
1. 什麼是「意圖驅動」
YK 說得很直接：意圖驅動不是「用哪個神奇提示詞」，而是「告訴 AI 你想要什麼，而不是怎麼做」。關鍵在你自己先知道意圖是什麼，再把它表達出來。
他還有個很實用的建議：用「講」的，不要用「打」的。用語音把意圖倒出來比打字快，就算講錯、有 typo 也沒關係——只要意圖夠清楚，AI 聰明到能懂你的意思。另一個原則：你對一件事懂越少，就該讓 AI 問你越多問題。像對真的同事一樣，動手前先聊：先問大方向（架構、用什麼工具），再一層層往下深入。
2. 驗證，變成整件事的主角
這段觀念的轉變最重要。以前你手寫東西，90% 的檢查是「邊做邊完成」的；現在 AI 幫你做，就變成90% 靠事後審查、只有 10% 是你手動調。
所以「會不會驗證」比以前重要太多。Lyria 用一個比喻收得很好：「AI 像一支自動的電動畫筆——但畫出來的東西，你負責。」面對「AI 產出一堆爛程式」的批評，YK 的回應很乾脆：「那就別產出、別送出去啊。」做重要的東西，就先開個草稿版、檢查過再定案；就算生了十萬行，你也不必全部收下——只留對的那些，你是那個做決定的人。
3. 你的角色變了：從執行者到決策者
Lyria 觀察到一個明顯的轉變：做事的人角色越來越像「產品經理」——你不再逐行動手，而是擁有它、懂架構、知道為什麼要做這個功能、負責拍板。
以前在意的是「語法對不對」，現在往上一層，在意的是「架構對不對、功能對不對、還缺什麼」。這不代表技術不重要——恰恰相反，判斷力、品味、主動性反而更值錢。他們內部還有個愛用詞叫 cloudify：用 AI 自動化那些你「不想做」的事，好讓你有時間做你「喜歡做」的事。有趣的是，Lyria 說她故意不讓 AI 幫她做簡報，因為那是她的創作出口——先分清楚哪塊是你想親手做的，其他才交出去。
接回我在教的東西
老實說，「意圖驅動開發」這個名字，我看到的當下有點激動——因為它根本就是我一直在講的「先規劃再執行、先跟 AI 聊計畫再叫它動手」的放大版。我請 AI 做任何事之前，一定先跟它把計畫聊清楚、確認方向，才請它執行；而且我早就習慣用語音輸入把想法先倒進系統——這支影片等於幫我的方法論找到一個更完整的框架跟名字。
更重要的是第 3 點。我帶門市第一線同仁、上 AI 課，最想扭轉的就是一個誤解：用 AI 用得好，不是會寫更長的指令，是會「想清楚要什麼、會驗證、敢拍板」。當每個人都能用 AI 生出一堆東西，能判斷哪個是對的人，才是真正拉開差距的人。這跟「從執行者變決策者」講的是同一件事。
用之前提醒一下
這場對談對象偏工程師，有些例子（Git、workflow、auto mode）比較技術。但把技術外殼抽掉，核心對每個用 AI 的人都成立：想清楚意圖、講出來、然後留在迴圈裡驗證跟拍板。不用照抄他們的每個工具，抓住這個精神就夠了。
小結
AI 時代最大的誤會，是以為「會下指令」等於「會用 AI」。真正的分水嶺是：你能不能想清楚自己要什麼、能不能驗證它做得對不對、敢不敢為結果拍板。與其糾結提示詞怎麼寫，不如先練這件事——挑一件手上真的在做的事，先花五分鐘把「我到底要什麼」講清楚給 AI 聽。你會發現，卡住你的常常不是 AI，是自己還沒想清楚。你最近哪件事，其實是「還沒想清楚意圖」？
▶ 完整對談影片
本文整理改寫自 Google Cloud Tech 的對談《Intent-driven development with Claude Code & Fable 5》（來賓：Anthropic 的 Lyria、CS Dojo 的 YK），結合我自己帶 AI 課的經驗。原片：youtu.be/6ERUGFurDHY
留言
張貼留言