問對問題 比找到答案更重要
開頭這句話讓我在這個 AI 時代的特別有感觸。
我前面文章有提到說，前幾天在公司，我和同事都在用 AI 協助一個問題，我們想要請 AI 生成特別的程式碼 ( UML code )，來去規劃我們想要的流程圖。面對相同的問題，我們得到的結果差了很多。
我的 AI 輸出結果很快就可以把事情完成個八成；而同事的 AI 回覆卻讓他更加困惑，感覺「AI 像個傻瓜，根本沒有辦法幫到什麼忙」。
我想我有了解從中的差異，所以我想說就來這邊冷飯熱炒，再跟大家分享個。
我們跟 AI 對話時，好像習慣「丟一個問題就等答案」。
然後抱怨 AI 給的回答不符合期待。
但我總覺得問題可能不是 AI 不夠聰明，說不定是我們的提問思考方式可以改變一下。
為什麼「丟問題等答案」不太好 ?
大多數人把 AI 當成進階版的 Google，以為只要輸入關鍵字就能得到完美答案。
身為前 AI Prompt 工程師的我跟大家分享一下， AI 的運作邏輯不太是這樣的啦。
他又不是你，怎麼會懂得你的需求😋
AI 只能根據機率給出「最可能」的回答 ( 那些高斯分布的原理我就不贅述了 )，如果資訊不夠具體，它就會提供「最安全」的通用答案。
結果就是：
- 答案太廣泛，需要人工二次篩選
- 不符合具體需求，浪費時間
- 來回對話次數增加，效率低落
這就像是跟理髮師說「我要剪頭髮」，然後期待他直接剪出心中理想的髮型一樣不切實際。
我的 PROMPT 心法框架
經過長時間使用 AI 的經驗，加上觀察同事的使用差異，我整理出一套 PROMPT 框架分享給大家，主要是因為我覺得這樣應該是相對好記 ?
完整版框架
P - Purpose（目的）：明確說出想達成什麼
R - Reason（原因）：為什麼需要這個答案
O - Output（輸出）：希望以什麼格式呈現
M - Mention（提及）：特別要求或條件
P - Prevent（預防）：不要什麼
T - Template（範例）：參考案例或風格
簡化版框架（至少要有的）
如果真的沒時間想那麼多，至少要有 PR：
- P - Purpose（目的）：我要什麼
- R - Reason（原因）：為什麼需要
對比範例：
一般提問：「我要找新竹好吃的餐廳」
簡易版
簡化版提問：「我想要找新竹好吃的餐廳，因為我想要慶祝父親節」
加了原因
完整版提問：「我需要找在新竹好吃的餐廳（P），因為父親節到了想要慶祝一下（R），望可以讓我至少有五間可以選 （O），希望 Google 評論至少四顆星以上（M），不要合菜（P），就像是史提克的那種（T）」
PROMPT 架構
差異就是：加了原因後，雖然還是需要一些人工篩選，但 AI 已經能提供更貼近需求的建議。
進階技巧：讓 AI 跟你確認需求
因為對話是需要不斷迭代才會更接近需求的。
而透過收到問題，再問問題才會比較快速得到自己的需求。
就像理髮師會邊剪邊確認，我們也可以讓 AI 這樣做。
實用技巧：在指令最後加上這句話
「我希望在我提供給你我的需求之後，你都會再跟我確認更詳細的要求」
這樣 AI 就會主動問更多細節，就像找餐廳一樣：
- 「希望什麼價位範圍？」
- 「有特別偏好的菜系嗎？」
- 「需要停車位嗎？」
透過這種方式，每一次對話都會讓答案更符合心中選擇。
那你怎麼使用 ?
不曉得大家平常是怎麼跟 AI 對話的？
看要不要試試看用 PROMPT 框架重新問一個問題，然後告訴我效果如何？
我很好奇大家的使用心得阿 !!!
Just share to you ~ 我是 Joker 咱們下回見。
