AI 時代的學習法 + 綜合實戰

這堂課結束之前,先問你一個問題:你上完前五課、也開好帳號了,這週實際用了幾次 AI?

很多人的回答是:「知道要用,但不知道用在哪」、「試了幾次感覺沒什麼用」、「看別人的截圖很厲害,自己問出來的答案很普通」。這不是因為你不夠聰明,而是因為使用 AI 需要一套思維框架——如何問、如何驗、如何把 AI 真正嵌進你的工作流。

這堂課是整個《AI 基礎觀念》的收尾,我們要建立三個核心習慣,然後用一個完整的週末專案,把前五課學到的所有觀念串起來。

這堂課適合誰適合:已完成前五課基礎、想真正把 AI 用起來的人。需要基礎:了解 AI 幻覺與知識截止日(第 4 課)、知道自己用的是哪個平台(第 2、3 課)。前置課:第 5 課(把 AI 裝進生活)。

這堂學什麼

提問力 > 記憶力:AI 時代學習思維的根本轉變,以及可以立刻套用的提問三要素
驗證習慣:三層交叉查證法,讓你不被幻覺坑
隱私意識基礎:哪些資訊絕對不能貼進 AI,各平台的資料政策摘要
綜合實戰:用 AI 規劃並執行台南一日遊,完整跑一遍從提問到輸出的迴圈
課程收尾:六堂課的骨幹,以及你的下一步

觀念一:提問力 > 記憶力

過去我們在學校學到的模式是:「先記住知識,用到的時候提取出來。」背公式、背單字、背歷史年代——知識儲存在你的大腦裡。

AI 時代的模式反過來了。知識可以即時生成,你不需要先記住它——你需要知道的是:這個問題該怎麼問、答案怎麼驗,然後怎麼用。提問力取代記憶力,成為新時代的核心技能。

學習模式轉變對照:舊模式線性提取 vs 新模式提問迭代

舉個例子。假設你要寫一封跟廠商談合作的信,但你沒學過商業寫作。

舊思維:「這我不會,叫別人寫。」新思維:「讓我先問 AI 出一個草稿,根據我對廠商的了解改一改。」

但兩種問法的結果天差地遠:

❌ 差的問法:
幫我寫一封商業信件

✓ 好的問法:
我要跟一家台灣中小型食品代工廠談合作。我們是做有機食品品牌的新創,
預計合作規模是初期月訂單 5 萬個單位。
請幫我寫一封正式但不失親切的開場信:說明我們的品牌定位、為什麼選他們、
以及希望下週約視訊會議。信件 200 字以內,收件人職稱是「生產部經理」。

差別在哪?好的問法包含了提問三要素:

背景脈絡:你是誰、場景是什麼、對象是誰
具體需求:你要它做什麼事、有什麼限制條件
輸出格式:長度、語氣、結構要求

好問法三要素:背景脈絡、具體需求、輸出格式

AI 不會讀心術——它根據你給的資訊生成答案,資訊越具體,答案越精準。每次問完之後問自己:「這個答案有多少是因為我問得好才拿到的?」養成這個反思習慣,幾個月後你的提問能力會大幅提升。

觀念二:驗證習慣(交叉查證)

第 4 課學過幻覺問題——AI 會自信地說出錯誤資訊。問題不是「要不要用 AI」,而是「用完之後怎麼驗」。

什麼情況必須驗?

三種資訊風險最高,用完一定要查:

數字、日期、統計資料:AI 常把相近數字搞混,或引用過期資料
人名、書名、論文引用:AI 最愛「發明」不存在的書和作者,而且寫得一本正經
法規、醫療、財務建議:這類資訊錯了,後果自己承擔

三層驗證法:從快到慢

三層驗證金字塔:常識判斷、問第二個 AI、搜尋原始來源

第一層——常識判斷:讀完答案問自己「這合理嗎?」如果感覺奇怪,它大概就是錯的。這層過濾成本最低,卻常常被跳過。
第二層——問第二個 AI:把同一個問題問另一家。Claude 說的,拿去問 Gemini;ChatGPT 說的,拿去問 Claude。兩家答案衝突就是警訊。模型很少同時捏造一模一樣的假資訊,跨模型一致的答案可信度更高。
第三層——搜尋原始來源:用 Google 找出 AI 提到的關鍵詞,看看有沒有可信的原始來源(政府官網、學術期刊、主流媒體)佐證。

你也可以直接問 AI 本身:

以上內容裡,哪些資訊是你比較不確定、我應該自己再查證的?

好的 AI 會告訴你它的不確定之處,這個問法能幫你快速抓出風險點。

重要心態:驗證不是因為不信任 AI,而是因為你對自己的工作負責。用 AI 加速是生產力,把 AI 錯誤的答案直接發出去是失誤——責任在你,不在工具。

觀念三:隱私意識基礎

你貼進 AI 的任何內容,理論上都可能被平台收集、用來訓練模型。2026 年各家的預設政策大致如下:

平台	預設行為	訂閱/企業例外
ChatGPT Free/Plus	對話用於訓練,可在設定關閉	Team/Enterprise 帳號不訓練
Claude Free/Pro/Max	預設用於訓練,可在隱私設定關閉(2025 年 9 月後改制)	Team/企業帳號不訓練
Gemini Free/AI Pro	對話保存 18 個月,可能被人工審閱	Workspace 企業帳號不訓練

具體禁止貼入的資訊:

✗  公司內部財務數字、未公開的產品計畫
✗  客戶的個人資料(姓名、地址、電話、身分證號)
✗  病歷、健檢報告、就診紀錄
✗  密碼、API 金鑰、銀行帳號
✗  合約條款、法律文件(涉及公司機密)

三步保護自己:

免費帳號一律去關閉訓練選項:ChatGPT → 設定 → 資料控制 → 關閉「改進所有人的模型」;Claude → 隱私設定;Gemini → Gemini 應用程式活動
有機密需求就升 Team/Enterprise 方案,這才是合約層級的保護,不只是個 toggle
最懶的記法:你不願意讓網路看到的資訊,就別貼進 AI

資訊安全分區同心圓:絕對不貼、謹慎使用、安全可貼三層

手把手實戰:用 AI 規劃台南一日遊

前五課分別學了 AI 的原理、模型選擇、訂閱方案、幻覺限制、生活整合。現在我們把所有觀念用一個完整的真實任務串起來——用 AI 規劃一趟台南一日遊。

這個範例刻意選「小而具體」的任務,讓你能完整跑完整個迴圈:提問 → 獲得答案 → 驗證 → 迭代 → 輸出成果。同樣的模式可以套用在任何場景——寫報告、準備簡報、整理知識、解決工作問題。

AI 工作流完整迴圈:提問、初稿、驗證、迭代、輸出五步驟

Step 1:把你的需求說清楚(三要素提問)

很多人一開始這樣問:

幫我規劃台南一日遊

這沒錯,但你只會拿到一份通用行程,毫無針對性。試試這樣:

我計畫下個週日從台北搭高鐵去台南玩一天,約早上 9 點到、下午 6 點搭車回程。
我喜歡老屋咖啡、台南傳統小吃,不喜歡人很多的熱門觀光景點。同行一個人,
預算大概 1,500 台幣(含餐食、咖啡和市區交通)。

請幫我規劃一份有時間軸的行程,每個地點附上地址和推薦理由。

注意這個 prompt 包含了:背景脈絡(時間/出發地/人數)、具體需求(偏好/排除條件/預算)、輸出格式(時間軸、地址、推薦理由)。這就是提問三要素的實戰版本。

Step 2:驗證關鍵資訊(驗證習慣)

AI 給你行程之後,不要直接截圖存起來就去了。知識截止日期的問題(第 4 課)在這裡特別要命:AI 可能不知道某間老屋咖啡已歇業、某個景點整修中。

拿到行程後,自己用這份清單快速驗一遍:

每個餐廳/咖啡廳名稱 → Google 地圖確認還在營業、看最近評論日期
開放時間 → 看店家 IG 或打電話(比 AI 的資料新)
高鐵時刻 → 台灣高鐵官網查真實時刻表,別信 AI 給的具體班次

你也可以直接問 AI 把風險點挑出來:

以上行程中,哪些資訊是你比較不確定、我應該自己再查證的?
請用條列的方式列出。

好的 AI 會主動承認它的不確定之處——這個反問法能幫你快速定位驗證優先順序。

Step 3:對話迭代修改(不要重新發問)

第一版行程通常不會完美,但不要關掉視窗重新問一個新問題——在同一個對話裡繼續修改。Context 還在,AI 記得你之前說的偏好。

假設你查了 Google Maps 發現某個午餐選項最近評論說要排隊超過一小時:

謝謝,行程大致喜歡!但午餐的「○○○」我查了 Google Maps,
最近評論說要排隊超過一小時,不太適合我。
請把午餐換成附近步行 10 分鐘內的替代選項,
類型保持台南傳統小吃,最好是不用等太久的。

這種對話式修改比每次重新發 prompt 快得多,也更精準。把 AI 當成記得你需求的旅遊顧問,而不是每次都要自我介紹的搜尋引擎。

Step 4:整理輸出成果(讓 AI 幫你格式化)

行程確認之後,叫 AI 幫你整理成可以直接使用的格式:

請把最終行程整理成一份清單,格式如下:
- 時間(例如 09:30)
- 地點名稱
- 地址(適合直接貼進 Google Maps 搜尋的格式)
- 預計停留時間
- 備注(停車/現金信用卡/是否需預約/週日是否營業)

最後附一行「預估總花費:NT$___」。

拿到這份清單,花 10 分鐘把每個地址貼進 Google Maps 儲存成「台南行程」清單。這份成果是 AI 幫你節省的 1~2 小時查資料時間——而你需要做的,只是問清楚和驗一遍。

Step 5:隱私確認(貼入前想三秒)

整個規劃過程中,你完全不需要告訴 AI:你的真實姓名、家裡地址、手機號碼。旅遊規劃是低隱私風險的場景——你貼的是「我喜歡老屋咖啡」,不是個人資料。

但如果你把這套流程用在其他事情:幫家人查醫療資訊、整理公司業務報告、分析薪資結構——在貼入之前多想三秒:「這份資料我願意它被訓練進模型嗎?」

養成這個暫停習慣,比記住一百條隱私規則更有用。

常見坑

坑 1:把 AI 當搜尋引擎,問完就走

症狀:問一個問題,看到答案就截圖或複製,從不追問。

這樣永遠拿不到 AI 真正的價值。AI 強在對話迭代——第一版答案是起點,不是終點。每次拿到回答後問自己:「我還有什麼沒說清楚的?哪個部分可以更精準?」養成至少追問一次的習慣,答案品質往往有明顯提升。

坑 2:以為換了新模型就萬能

症狀:Claude Sonnet 沒答好,換成 Opus;GPT-5.5 答錯,就換 GPT-5.5 Pro——反覆切換,問題沒解決。

九成的問題出在提問本身,不在模型。先把 prompt 改好,再考慮換模型。換模型的時機是:當前模型的能力邊界確認不夠(例如需要更長 context、更強的數學推理),而不是「感覺答得不好就換」。

坑 3:AI 說的日期/數字沒驗就直接用

症狀:問「某個政策的截止申請日是哪天」、「某個產品的最新版本是什麼」,AI 給了一個看起來很確定的答案,直接放進報告或傳給別人。

AI 的訓練資料有截止日,對即時性強的資訊(政策法規、市場行情、版本號)一定要去查原始來源。特別危險的是當 AI 給出具體的數字或日期時——越確定的答案,越值得懷疑一下。問 AI:「你的知識截止日是什麼時候?這個問題在那之後有沒有可能有重要更新?」

坑 4:一個問題問太大,拿到的是廢話

症狀:「幫我規劃未來三年的職涯發展計畫」、「幫我寫一份完整的商業計畫書」——拿到的是長但空洞的答案,讀完之後沒有任何可以直接執行的東西。

大問題要切小。先問目標方向,再問三個月的具體行動,再問這週第一件事。大象吃一口一口,和 AI 對話也一樣——把一個大任務拆成五個小問題,逐一解決,最後組合起來,遠比一次問到底的答案更扎實。

六堂課的骨幹

走到這裡,你已經建立了:

第 1 課:LLM 白話原理——AI 是什麼、為什麼它能對話
第 2 課:2026 模型地圖——Claude/ChatGPT/Gemini 的定位與選法
第 3 課:訂閱怎麼買——免費版到 $200 高階方案的決策邏輯
第 4 課:AI 能與不能——幻覺、知識截止日、context 視窗的實際限制
第 5 課:把 AI 裝進生活——入口盤點與習慣養成
第 6 課:提問力、驗證習慣、隱私意識,以及完整的實戰迴圈

AI 基礎觀念六堂課骨幹地圖

這六件事是地基。地基打好之後,上面可以蓋很多東西。

作業

必做:

找一個這週真實碰到的問題(工作、生活皆可),用三要素提問法重新問一次——對比「原本的問法」和「加了背景/需求/格式後的問法」,感受答案品質的差別
把你用的 AI 平台「對話資料用於訓練」選項找到,確認是否已關閉

選做:

完整跑完台南一日遊(或任何你想去的城市)的規劃實戰,把最終行程存進 Google Maps——整個過程控制在 30 分鐘內,感受 AI 加速的實際效果
用 AI 做完一件你以前覺得「我不會所以沒去做」的事:難開口的信、讓人頭痛的試算表、一直拖著沒整理的讀書筆記——今天就選一件動手

下一步

恭喜你完成《AI 基礎觀念》全六堂課。

接下來推薦的方向是《Prompt 大全》——從零開始系統學提問法,按情境分類:寫作、分析、整理資料、寫程式、創意發想……每種場景都有可以直接複製使用的 prompt 模板,以及深度拆解「為什麼這樣問效果好」。你在這堂課感覺「問得還不夠好」的地方,《Prompt 大全》會逐一給你具體工具。

你已經有地基了,下一步是蓋牆。