AI 答得很爛，你回過它一句話嗎？

問 AI 一次，不滿意，關掉，換個問法重問。

這是阿峰老師在內訓現場最常看到的一個動作。

同一堂課、同一個工具、同一份提示詞範例，兩個學員交出來的東西品質差非常多。差別幾乎從來不是誰比較懂技術，而是誰能把「我要什麼」講出來。

一個工程師的發現：帶 AI 比較像帶人

八月中，一位叫 Allen Bargi 的工程師在自己的部落格貼了一篇短文，標題是〈Working with AI feels more like leadership than coding〉——跟 AI 工作，感覺比較像帶人，不像寫程式。

這篇在工程師圈的討論區 Hacker News 上拿到 338 分、兩百多則留言（截至 9 月下旬）。

他的理由很簡單：程式碼你給一樣的東西，它就回一樣的結果。AI 不會。人也不會。所以跟 AI 合作要用的，是帶人的那套——

・給脈絡，不是只給指令
・給範例，也給修正
・寫一份可以重複用的指示
・講清楚邊界和你要的結果
・來回回饋、反覆修正

然後他補了一句，阿峰老師認為這是全文最重要的一句：

這件事的投資，不在假裝 AI 是人，而在讓自己更會表達意圖。（阿峰老師譯）

翻過來的那一面

如果帶 AI 用的是帶人的能力，那結論會自己跑出來：你跟 AI 溝通的品質，會暴露你跟人溝通的品質。

開頭那個關掉重開的動作，換成帶人，等於——交辦一次，看了不滿意，什麼都不講，換一個人做。

你不會這樣帶人。但很多人這樣帶 AI，然後結論是「AI 不好用」。

反過來，那些一上手就用得很好的學員，通常本來就很會交辦：業務主管、專案經理、做過採購的人。他們不見得懂 AI，但他們的工作本來就靠「把要什麼寫成別人看得懂的文字」。

誠實踩煞車

・這是一篇工程師的個人觀點，從寫程式的經驗出發。 沒有實驗、沒有樣本；很多人有共鳴，不代表它是對的。搬到企劃、報告、客服，是阿峰老師做的轉譯
・「帶不好 AI 的人也帶不好人」是推論，原文沒有這句，也沒有數據支持這個因果方向。拿來檢查自己可以，拿來評分同事不行
・比喻有極限。 原文自己畫了線：AI 沒有親身經歷、沒有可課責性。交辦給它，出了事還是你負責

這週只做一件事

下次 AI 給你的東西不滿意，不要關掉重開，回它一句話，說哪裡不對。

就一句話。第二版的進步，通常比你換十種問法都多。

如果你是主管，這篇還有另一個用法：下次看到團隊的 AI 產出不理想，先別急著說「AI 不好用」，看一下交辦那一句寫了什麼。好的 AI 訓練，練的本來就是表達意圖——學會把要什麼講給 AI 聽的人，交辦給人也會跟著變清楚。

完整版寫在官網，含「交辦給人 vs 交辦給 AI」五組對照表，和給上班族、做模板的人、主管三種讀法：

👉 https://autolab.cloud/blog/leading-ai-is-leading-people

— 阿峰老師

📢 10/7（三）19:00–20:30｜線上免費

不想露臉、產品又不好拍，人設怎麼做？
短影音月更系列第 2 場｜講師：賴雨群老師

老闆本人不想出鏡，或者產品是零組件、工業品、看不見的服務——根本沒東西好拍。這場拆的就是這件事：不露臉的幾種拍法、傳產和 B2B 的人設怎麼定才不會變成型錄，並現場示範用 ChatGPT／Claude 把「我很會做這件事」轉成別人記得住的定位。

這場的 AI 示範剛好接這封信：你得先把「我是誰、為誰解決什麼」交辦給 AI，它才寫得出讓人記得住的定位。交辦講不清楚，AI 只會給你一份型錄。

🗓 10/7（三）19:00–20:30
💻 線上 Google Meet
💰 免費

👉 立即報名：https://autolab.cloud/events/yuqun-shortvideo-persona-1007