從「複製提示詞」到「設計專屬生產線」：我的文獻挖掘實作
別再複製別人的提示詞。本文以 DBA 文獻挖掘為案例，教你用「原料—模具—品管」三步法，設計專屬知識生產線，讓 AI 成為放大你專業判斷力的協作夥伴。
一、複製提示詞的困境：為什麼別人的神句，到你手上總是「差一點」？
你一定經歷過這個循環：
在社群看到一篇「超強提示詞」，興奮地複製貼上，AI 給出的回覆看起來厲害，但仔細一讀——跟你真正要解決的問題，總是隔了一層紗。像是穿別人的西裝，袖子長了，肩線不對，走路彆扭。問題不在提示詞不好，而在你搞反了順序：
你先看見「句子」，沒看見「句子背後的生產線」。
那條生產線，是作者根據他的專業、他的問題、他的輸出習慣，一點一點調出來的。你複製了句子，卻複製不了他的腦袋。
這篇文章，石頭哥不給你更多提示詞。我帶你從我的真實研究困境出發，手把手走一遍「如何設計你的專屬框架」。走完這一趟，你會擁有一條別人拿不走的知識生產線。
二、案例登場：我的文獻挖掘困境
我是 DBA 博士生，研究領域在組織變革與領導。指導教授定期丟來文獻，要我讀完後「找出研究缺口，發想可執行的題目」。
這件事的難度不在讀文獻，而在「從文獻迷霧中提煉出值得追問的問題」。我試過直接問 AI：「請幫我想三個博士論文題目。」結果呢？AI 給的題目要麼太泛（「論數位轉型對組織績效的影響」），要麼跟我的實務背景脫節（我是科技業背景，不是純軟體業）。
我意識到：我需要的不只是「好題目」，而是一條「能持續產出好題目的生產線」。
這條生產線必須滿足三個條件：
- 接軌我的實務：不能脫離我的科技業背景
- 符合學術嚴謹：要有理論脈絡、方法論對焦、證據等級
- 對接我的工作流：產出要能直接進入我的 GitHub 文獻庫與 Obsidian 知識卡片
於是，我開始設計自己的框架。
三、設計專屬生產線：三步法
別急著寫提示詞。設計生產線，就像設計工廠，先盤點原料，再設計模具，最後設定品管。
第一步：盤點你的「原料」（你的研究情境）
多數人寫提示詞的第一句是「你是專家，請幫我...」。這太粗糙了。AI 不知道你站在哪裡，只能給你通用答案。
你要先回答五個問題，這些是你的獨家原料：
領域： 高科技製造業的品質管理組織，在數位轉型中的變革領導
理論視角： Schein 組織文化三層次、Weick 組織感知（Sensemaking）
方法論偏好： 質性個案研究（深入理解「怎麼發生的」）
當前階段： 題目發散期（還在找缺口，尚未鎖定假設）
已累積文獻： Schein & Schein (2017)、Weick (1995)、近五年數位轉型領導系統性回顧 3 篇
關鍵心法：這些原料不是背景交代，而是篩選網。有了它們，AI 才知道什麼建議對你有價值，什麼建議可以自動過濾掉。
第二步：定義你的「模具」（AI 角色 + 執行步驟）
原料進了工廠，需要模具塑形。模具有兩個部分：誰來做（角色），以及按什麼順序做（步驟）。
定義角色：不是套頭銜，是定義「思維邊界」
我不會只說「你是一位管理學教授」。我會定義他的思維模式：
你是一位專精於組織變革與領導研究的博士班指導教授，同時具備質性個案研究的深厚訓練。你的思維習慣是：先檢視理論脈絡的連續性，再辨識方法論上的可能突破點，最後評估實務場域的接軌程度。
這段描述做了一件重要的事：它給 AI 裝上了「優先順序」。同樣的文獻，策略顧問會看到商機，學院派會看到理論斷層，而我定義的這位「教授」，會按照我需要的順序來思考。
設計步驟：把「分析文獻」拆成可驗證的工序
不要說「請分析文獻並給我題目」。要拆成具體工序，而且每一步都要能說出「憑什麼這樣判斷」。
我將文獻挖掘拆成四步，對應學術研究的底層邏輯（CIMO：情境-干預-機制-成果）：
工序一：脈絡定位
- 梳理這個領域近五年的核心對話主軸
- 指出目前文獻中「被視為理所當然」但可能過時的假設
工序二：干預設計
- 提出 3 個研究設計方向，每個方向需包含：核心構念的操作型定義、建議研究方法、預期資料來源
工序三：機制推演
- 針對每個方向，推論「為什麼這個干預會產生預期效果？」
- 引用至少一位經典理論家的邏輯來支撐推演
工序四：成果規格
- 將每個方向濃縮為「50 字內的研究題目敘述」
- 用一句話說明「理論貢獻」與「實務貢獻」
為什麼要拆成四步？ 因為這強迫 AI（也強迫我自己）先理解脈絡，再發想題目。沒有這個約束，AI 很容易「先射箭再畫靶」——先給一個聽起來厲害的題目，再胡亂找理論包裝。
第三步：設定你的「品管標準」（輸出規格與證據等級）
工廠最後一關是品管。沒有品管標準，產出就是藝術品，不是工業品。
我設定了三條品管標準，直接寫進提示詞：
- 證據等級標註：每個提議必須標註 A（文獻直接支持）、B（合理推論）、C（創意發想需驗證）
- 禁止常識建議：所有判斷需基於學術文獻或方法論邏輯，不能是「我覺得」
- 缺口警報：如果發現我提供的文獻背景有資訊缺口，請明確指出，並建議補充方向
最後，我規定輸出格式：Markdown 表格，包含題目代號、50 字敘述、理論貢獻、實務貢獻、證據等級、方法論建議。這個格式讓產出可以直接貼進我的 GitHub 文獻卡片，無需二次整理。
四、你的生產線組裝完成：完整模板
以下是石頭哥實際使用的提示詞框架。你可以直接複製，只改「原料區」的內容，就能為你的領域量身打造：
研究倉庫｜github.com/whocare-lab/dba-research-topic
五、行動清單：今晚就讓你的生產線通電
讀到這裡，你已經有了地圖。石頭哥建議你今晚就做這三件事，不用多：
1. 複製模板，只改一處 把「原料區」的內容填上你的真實資訊。不要追求完美，先讓它動起來。第一版一定粗糙，但沒有第一版，就沒有第二版。
2. 執行一輪，記錄落差 跑完一次後，問自己：AI 給的題目，跟我真正想解決的問題，差距在哪？這個「落差」就是你下一版要調整的變因。把這個落差寫成一行筆記，存在你的手機備忘錄。
3. 建立版本紀錄 在你的筆記軟體或 GitHub 開一個 prompt-framework 資料夾，把 v1.0 存下來。三週後你會感謝現在的自己——因為你能清楚看見「我從哪裡進化過來」。
六、結語：從複製到設計，是你知識邊界的擴容
複製別人的提示詞，就像穿別人的鞋走路，能走，但不長遠。
設計你的知識生產線，就像為自己的腳訂做鞋楦——它貼合你的領域、你的方法論、你的工作流。當你開始這樣做，AI 不再是「給你答案的搜尋引擎」，而是「放大你專業判斷力的協作夥伴」。
這條生產線的最終產出，不是 AI 給你的題目，而是你辨識好題目的能力。
緊張是靈魂在擴容。當你從「複製句子」走向「設計系統」，你正在擴容的，是你與 AI 協作的知識邊界。
好風憑借力，但風向，這次就由你決定囉！
關於作者✍️
石頭哥：科技業高階主管 × DBA 博士生 × 教育部部定講師
現於元智大學管理學院攻讀博士，專注組織變革與領導研究。深信學術的嚴謹應該服務於實務的困惑，而非相反。當然，這裡沒有標準答案，只有經過驗證的思考路徑。
📮我想聊聊｜[email protected]
💻 研究倉庫｜github.com/whocare-lab/dba-research-topic
