提示詞還要學嗎？
未必！對著 AI 把事情說清楚，下次一句話就聽你話
協作者：張Sir與AI
這幾個星期，張Sir寫了好幾篇文章，談怎樣去除內容裡的 AI 味、AI 在學校裡怎樣用、不同階段該用哪個層級的 AI。《老師和學生，用的是同一種 AI 嗎？》發出之後，不少朋友追問張Sir，什麼時候開班授課。
若開班的話，頭一個問題就是教什麼。如果內容只是一套套提示詞（prompt，即給 AI 的指令）公式，那就未必需要。模型的能力變得很快，今天還要特別寫明的 prompt，下一代可能已經不再需要。
前沿模型公司 Anthropic 旗下編程工具 Claude Code 團隊的 Boris Cherny，7 月底在一場公開訪談裡，談到新一代模型能做什麼，也談到提示詞工程（prompt engineering，即研究怎樣把指令寫得更有效）。他說，一年前最熱門的職位之一是提示詞工程師，這類熱門職位和潮流一波接一波，來了又去。現在更值得花功夫的，是把一項看來有點太難的工作交給模型，再想辦法讓它在過程中檢查自己的工作。他認為，多數人最容易漏掉的正是驗證。
隨著模型的進化，提示詞已沒有大家想像中那麼重要了。把 AI 當成一位新同事，講明想做什麼，看到問題再慢慢溝通和修正，通常比花很多時間研究公式划算。Cherny 在同一場訪談裡也提到，有多年經驗的工程師常把指令寫得過分仔細，連每一步怎樣做也替模型決定。他形容，大家正在學習怎樣把模型當同事。
這裡說「未必要學」，指的是固定公式和萬用句式。任務要做什麼、資料從哪裡來、什麼不能碰、怎樣才算完成，仍然要交代。人可以放下那些炫技式的寫法，表達力卻不能省。能不能把自己的想法講清楚，比記住多少提示詞技巧重要得多。
整個方法只有三步。先用自然對話把工作完成，再叫 AI 覆盤並寫成 Skill，最後由人核對後保存。下次遇到同類工作，一句話便可以調用。
先說清楚，再邊做邊改
設定角色、規定步驟、套用固定格式，很多都是模型較難理解人的意圖時留下來的做法。現在的模型較能理解日常語言，也容許用戶來回修改。簡單工作往往直接說便可以，不少舊 prompt 已經用不上。
例如要修改一段文字，直接說「幫我改得專業一點，給家長看，不要太官腔」已經可以開始。結果太生硬，便指出哪一句不像自己；內容漏了，便叫它補回。這就是自然對話，不用先學一套格式。
工作較複雜，也只是多交代幾句。報告給誰看、可以使用哪些資料、哪些內容不能猜、最後怎樣才算合格，知道多少便先說多少。AI 做出第一版之後再改，通常比花時間砌一條完美提示詞實際。
把 AI 當同事，只是說溝通方式相近。AI 不知道用戶沒有說出口的公司規定，也不會為錯誤負責，所以資料和結果仍要由人核對。提示詞公式可以少學，表達和判斷不能省。
做完一次，叫 AI 幫你覆盤
自然對話容易開始，但視窗一關，剛才改過什麼、哪些要求有效，也可能跟著消失。下一次再做同類工作，又要從頭說一遍。
所以，工作完成後多走一步，叫 AI 覆盤。用戶不用自己寫報告，只要說：「回頭看看這次工作，我改過什麼？哪些要求下次還會用到？整理成規則。」AI 便可以從對話中找出重複出現的要求。
例如，用戶改稿時說：「這篇太像新聞摘要，我要的是有立場的分析，而且你把一份報告的預測寫得太肯定。」工作完成後，AI 把這次修改整理成兩條規則：以後轉述資料，要接著寫出張Sir的判斷；引用預測，要用「估計」「可能」等字眼，並交代成立條件。用戶確認 AI 沒有理解錯，便叫它把兩條規則寫進 Skill。下次再寫分析文章，這些要求就不用重新交代。
張Sir寫專欄用的寫作引擎，是一份動筆前交給 AI 閱讀的寫作規則，現在已更新至第十一版。每篇文章完稿後都有復盤，錯處就這樣慢慢變成規則。有一次，AI 寫了「怕返工反而更慢」。返工在內地常指重做，在港澳卻是上班，意思完全不同。引擎後來便加上一條，避開港澳讀者容易誤解的地區說法。
規則不用一開始全部想好，也不用由用戶逐條編寫。工作做完一次，一句話叫 AI 覆盤，AI 便幫忙整理，人負責核對。一個錯誤留下一條規則，下次便少犯一次。
寫成 Skill，下次一句話開始
核對過的規則，可以寫成技能包（Skill，即一份讓 AI 知道某類工作該怎樣做的說明）。名字聽起來有點技術，可以把它理解成一份交給 AI 的工作筆記。裡面記著文章給誰看、慣用什麼語氣、哪些寫法不要用、資料怎樣核對，以及交稿前要檢查什麼。
請 AI 根據剛才的覆盤整理 Skill 初稿，人再讀一遍，刪掉不需要的內容，改正理解錯誤的地方。確認後保存，下一次只要說一句要做什麼，便不用把相同要求全部重講一次。
Anthropic 官方的 Skill 撰寫指引建議的也是這個次序。先用普通對話把工作做一遍，留意自己反覆交代過什麼，再請 AI 整理成 Skill。放進日常工作後，看到它出錯，再回頭修改。
到了這一步，用戶下次只要說「啟動 Skill，把這份資料寫成內部講稿」，AI 便可以按已保存的規則開始工作。
不懂 IT，也可以用這個方法
看到 Skill，有人可能以為又要學寫程式、建立資料夾和設定系統。這些是平台背後的工作，無需一般用戶去做。平台預先設定好之後，用戶只需自然對話。第一次把事情說清楚，完成後叫 AI 覆盤並寫成 Skill，自己核對後保存。下次再做，只要說一句想做什麼。
覆盤、整理和保存，可以交給人工智能代理（AI agent，即能自己安排步驟和調用工具完成工作的 AI 程序）。AI agent 可以根據這次對話，找出反覆出現的要求，整理成 Skill，再把草稿交給人核對。用戶不用知道文件放在哪裡，也不用自己處理載入規則等技術細節。
正如前文談過，大家手上的 AI 未必處於同一層級。有些平台可以建立和調用 Skill，有些還不可以。如果用戶的 AI 沒有這項能力，本文這套做法便暫時用不上；有的話，平台設定由提供系統的人處理。用戶仍只需說清楚自己想要什麼，判斷結果是否合用。
張Sir和團隊目前使用的自研 AI agent 平台，做的也是這件事。用戶說一句想做什麼，AI agent 在背後讀取已確認的規則；工作完成後，再把這次的新修正整理出來，交給人決定要不要保留下來。
提示詞仍然會用，但一般用戶不用把它學成一門複雜的公式課。先把事情說清楚，邊做邊改，完成後叫 AI 覆盤，再由人核對並保存成 Skill。這個循環多走幾次，下次一句話，AI 便較容易按你的方法去做。
@張Sir的AI養生館 – 學習智人
參考資料
Anthropic. (n.d.). Skill authoring best practices. Claude Docs.
Y Combinator. (2026, July 27). Boris Cherny: We cut 80% of Claude Code's prompt [Video]. YouTube.