丟掉提示詞吧!Cowork實戰技巧:建立核心資料夾、把背景知識寫成.md檔,4步驟操作一次學
丟掉提示詞吧!Cowork實戰技巧:建立核心資料夾、把背景知識寫成.md檔,4步驟操作一次學

當大家還在埋頭苦學如何寫出完美提示詞(Prompt)、努力想當個稱職的「AI 詠唱師」時,職場的遊戲規則似乎又改變風向了。

知名科技專欄作家 Ruben Hassid 近期發布了一篇引發熱議的實戰指南,直指 Anthropic 最新推出的「Claude Cowork」模式,提出了一項將 AI 變成全職助理的實用工作流。

Hassid 指出,對於非程式開發者的知識工作者來說,現在最重要的不是去撰寫越長越好的提示詞,而是將心力放在「 建置上下文環境」 ,只要給足背景資料和極短的指令,AI 就能產出極具個人風格、高品質的專業成果。

建立專屬資料夾,代替冗長提示詞

Hassid 認為,相較一般 AI 工具依賴冗長提示詞的聊天模式,Cowork 允許使用者在電腦建立專屬資料夾,並放入 Markdown (標記語言) 格式的個人背景、寫作風格規範、過往作品範本等,Claude 在每次任務前會主動讀取這些檔案,並將輸出成果直接存回指定的輸出資料夾。

整個流程不需要使用者持續在場,也不需要每次重新輸入個人背景或作業規範,與傳統聊天介面每次對話時,都要再三重複說明的模式截然不同,也能減少文字覆滿濃濃 AI 塑膠味。

怎麼在 Cowork 設定資料夾?4步驟操作一次看懂

首先,下載 Cowork 桌面應用程式(支援 macOS 與 Windows),並開通 Pro 方案,月費 20 美元(約新台幣 650 元),目前沒有開放給免費版使用。

操作:開啟後,畫面上方有三個分頁:Chat、Cowork、Code,點選 Cowork。接著選擇「模型選擇 Opus 4.6」,並開啟「Extended thinking(擴展思維)」。

設定成功後就能開始以下步驟:

Step 1:建立4大核心資料夾

要讓 Cowork 發揮全力,必須先建立一個乾淨、有邏輯的資料夾架構,並限制 AI 的讀寫權限,避免弄亂輸入的檔案。

操作:在電腦裡建立一個名為「CLAUDE COWORK」的主資料夾,裡面再細分四個子資料夾:

  • ABOUT ME(個人背景)
    存放個人背景介紹與寫作風格規範,供 Claude 建立對使用者的基本認識
  • PROJECTS(專案)
    依專案分類存放進行中的工作素材,包含簡報、參考文件、客戶需求說明等。
  • TEMPLATES(範本)
    存放過去品質較高、結構值得複用的成品。Claude 學習的是格式邏輯,不會直接複製內容。
  • CLAUDE OUTPUTS(AI 輸出區)
    Claude 所有產出的檔案都會存在這裡,是唯一可以被寫入的資料夾,其他三個為唯讀。

Step 2:建立2份最關鍵的文字檔

Hassid 特別強調2個關鍵檔案: about-me.md(個人背景、工作優先事項)與 anti-ai-writing-style.md(禁止 AI 語氣的寫作規範) 。他指出,一份優質的 .md 情境檔案,效果勝過 50 次隨機上傳。

什麼是 .md 檔?即純文字檔,只是副檔名改成 .md。用記事本或任何文字編輯器都能建立,方便 Claude 讀取。

操作:資料夾建好後,在 ABOUT ME 裡放以下2份檔案:about-me.md
與 anti-ai-writing-style.md。

檔案一:about-me.md

在檔案一寫下三項內容:

  1. 你的工作是什麼
  2. 偏好的溝通風格(正式程度、重點偏好、慣用格式等)
  3. 貼上一段你寫過、覺得不錯的文字作為範例

這份檔案讓 Claude 知道你的背景資訊,之後所有任務的語氣和方向都會以此為基礎。

檔案二:anti-ai-writing-style.md

明列不希望出現的寫作模式,例如:

  • 不要出現「值得注意的是」、「毫無疑問」等空洞的開場白
  • 不要用條列式代替思考
  • 不要用「這展示了 AI 的強大潛力」這類空話結尾

負面規範的效果往往優於正面描述,明確的禁止清單能有效收斂輸出風格。

Step 3:加入 Ruben Hassid 原創的「全域指令」

為了讓 AI 完全遵守資料夾的運作邏輯,Hassid 設計了一套專屬的全域指令(Global Instructions)。在 Cowork 的設定中貼上這段由他原創的規則後,指令會永遠生效。

這段指令會強制 Claude 在開始任何任務前,必須先讀取「ABOUT ME」,
如果有專案則讀取「PROJECTS」。輸出檔案只能放在「CLAUDE OUTPUTS」,且必須遵守特定的命名規則(例如 專案名_內容類型_v1.md)。

最關鍵的原則,如果任務不清楚,必須使用工具提問,絕對不能用空泛的廢話填補;並且只要交付工作,不要給出多餘的解釋。

操作:在 Cowork 的設定頁面,找到「Edit Global Instructions」,貼入以下指令:

工作守則

每次任務開始前

  1. 先讀取 ABOUT ME/ 資料夾,了解使用者背景與風格。
  2. 若任務涉及特定專案,讀取 PROJECTS/ 中對應的子資料夾。
  3. 若任務有對應的內容類型,讀取 TEMPLATES/ 中相關範本的結構邏輯(僅學結構,不複製內容)。

資料夾規則

  • ABOUT ME/、TEMPLATES/、PROJECTS/ → 唯讀,不可新增或修改任何檔案
  • CLAUDE OUTPUTS/ → 所有產出檔案統一存放於此,每個專案建立對應子資料夾

檔名規則

所有產出檔案命名格式:專案名_內容類型_v1.副檔名
若同名檔案已存在,版本號遞增(v2、v3…)

執行原則

  • 需求不明確時,使用 AskUserQuestion 工具向使用者確認,不自行補充假設
  • 直接交付成果,不過度說明執行過程
  • 不可刪除任何檔案

4. 使用「萬用提問提示詞」執行

Hassid 在文章中提到,改變工作模式最關鍵的一步,在於不要自己把需求寫死,讓 AI 主動來釐清你的需求。他獨創了可用於 80% 對話的萬用提示詞起手式,使用者可直接套用改寫。

操作:前3個步驟設定好後,只需要使用這個固定句型下指令:

「我想要 [執行某任務] 以達到 [某個成功標準]。
首先,請探索我的 CLAUDE COWORK 資料夾。接著,請使用 AskUserQuestion (詢問用戶) 工具來問我問題。我希望在執行之前,先與你一起完善這個方法的細節。」

這段提示詞能夠讓 Cowork 按部就班進行,生成一個互動式表單(包括按鈕、多選題、可拖曳的排序等)。它會根據你的資料夾內容,主動問你受眾是誰、目標是什麼,使用者只需要花一分鐘點擊選項,它就會擬定計畫讓你確認,確認後才開始執行。

具體的執行流程如下:

  1. Claude 讀取資料夾,建立任務背景
  2. 生成互動式表單,確認目標讀者、語氣、格式等細節
  3. 使用者透過點選回答,無需逐字輸入
  4. Claude 確認方向後開始執行
  5. 完成的檔案直接存入 CLAUDE OUTPUTS/ 資料夾

這套方法可以用在哪?寫電子報、自動化每週簡報都能用

經過一連串實測後,Hassid 整理出了4個他認為適合應用的場景:

  1. 撰寫電子報: 讓 AI 讀取過去的電子報,透過他原創的 AskUserQuestion 提示詞釐清大綱後,AI 就能模仿他的口吻寫出初稿。
  2. 顧問交付成果: 把客戶簡報丟進專案資料夾,AI 讀取後會主動提問,確認後直接在資料夾生成 Word 檔。
  3. 競品資料分析: 丟入競爭對手的文章或報告,請 AI 整理成比較表格,找出別人沒提到的切入點。
  4. 自動每週簡報: 利用排程外掛,設定每週一早上 7 點自動搜尋競品動態並存成檔案。

Cowork提升工作效率,但還有這些現實面…

雖然透過 Cowork 能夠在短時間內提升工作效率,但 Hassid 在實測過程中發現幾個現階段的現實層面考量與限制。

例如, 使用Cowork模式,額度消耗極快 。單次 Cowork 任務的用量相當於數十次一般對話。Pro 方案(月費 20 美元)若每日使用,通常一週內便會感受到上限壓力;高頻繁使用者可以考慮升級至 Max 方案(月費 100 美元)。

此外,AI 仍會出現失誤。Hassid表示,Cowork 在處理多步驟任務時會拆分為多個平行代理執行, 大約有 10% 的機率會出現偏差 ,Anthropic也表示目前 Cowork 定位為研究預覽版,因此交付成品前務必要人工審核。

在硬體方面,僅支援桌面應用程式,必須時刻開著電腦,且只能在 macOS 或 Windows 的桌面版應用程式上執行,目前也沒有網頁版或手機版。

最後,Cowork 的設計模式用於多步驟工作任務,不適合快速問答,Hassid 建議簡單查詢仍須回到 Claude Chat 處理。

資料來源:How to AI — Ruben Hassid

本文初稿為 AI 編撰,整理.編輯/ 蘇柔瑋

關鍵字: #AI工具 #Claude
往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓