Claude進階技巧懶人包！7個提示詞，讓AI從答題機變「會反駁你」的思考夥伴|數位時代 BusinessNext

一則 X 貼文直接點破多數人的使用盲區：「90% 的人用 Claude 的方式，跟用『文法比較好的搜尋引擎』沒兩樣。」

這篇由 X 用戶 @sharbel 發布的長串推文，整理出 12 個 Claude 進階技巧，引發大量轉發與討論。

@sharbel的核心觀點很明確：把 Claude 當成「會反駁你的思考夥伴」，而不是一台更聰明的答題機。他讓 Claude 先問問題、建框架、挑毛病，最後才產出內容。

為什麼換個問法，結果差這麼多？

AI 語言模型的本質是「補全機器」：你給它什麼方向，它就往那個方向延伸。

當你問「幫我寫一份報告」，它補全的是「一份通用報告的樣子」；當你問「用一個看過 400 份報告的投資人視角，告訴我哪裡會讓人失去耐心」，它補全的是「一個挑剔專家的思考模式」。

因此，提問的精準度直接決定了輸出的深度。以下從 @sharbel 的 12 個技巧中，精選 7 個對知識工作者最實用的方法，每個都附上可直接複製的提示詞。

怎麼讓 Claude 幫你找出決策盲點？

告訴 Claude 你已經做了某個決定，然後請它全力反駁。這不是要它唱反調，而是要它用最強的論據來攻擊你的立場，幫你看見自己看不到的角落。

我已經決定要做 [X]。請你用最強的論據，全力論證這個決定為什麼是錯的。不要客氣，把每一個可能的風險和反對理由都列出來。

怎麼讓 AI 寫出「像你說的話」而不是範本？

多數人直接對 Claude 說「幫我寫一段介紹」，得到的永遠是通用語氣。@sharbel 的做法是：先讓 Claude 訪談你，等它真正理解你想表達什麼之後，再開始寫。

先問我問題，直到你完全理解我想表達的內容。在那之前，不要寫任何東西。

Claude 通常會問 6 到 10 個針對性問題，釐清你的目標、語氣偏好和核心觀點。完成訪談後產出的內容，會更接近「你自己會說的話」，而不是 AI 範本。

如何模擬特定讀者來審視你的內容？

寫完簡報、提案或文章後，與其自己反覆檢查，不如讓 Claude 扮演你的目標讀者。關鍵是要給出具體的角色設定，包含背景、經驗值和耐心程度。

請以一位看過 400 份新創簡報的早期投資人身份閱讀這份內容。告訴我，你在哪裡開始失去耐心？哪些段落讓你覺得這團隊沒想清楚？

你可以替換角色：技術主管、財務長、第一次使用產品的消費者。每個角色會從不同的框架來挑毛病，這比自己反覆修改有效得多。

怎麼讓 Claude 永久記住你的寫作風格？

在 Claude 的 Projects 功能中，上傳 5 到 10 篇你自己寫的文章，然後加入一句指令。從此在這個 Project 中的每次對話，Claude 都會自動匹配你的語氣、句式和用詞習慣。

研究這些寫作範本，學習我的語氣與風格。在這個專案的所有回覆中，都請匹配我的語氣。

面對難以抉擇的決策，怎麼建立評估框架？

遇到複雜決策時，與其問 Claude「我該選 A 還是 B」，不如請它幫你建一套可重複使用的評估架構，包含評估標準、權重比例，甚至你可能遺漏的關鍵問題。

我需要在週五前決定 [具體決策]。以下是我正在權衡的變數：[列出變數]。請幫我建立一個決策框架，包含明確的評估標準、各標準的權重，以及一個我應該問但還沒問的關鍵問題。

怎麼在正式提出前，先讓策略「被攻擊過一輪」？

紅隊測試（Red Team）原為軍事演習概念，後被資安領域廣泛採用：派一組人專門攻擊自家系統，找出漏洞。@sharbel 把同樣的邏輯用在商業策略上，讓 Claude 扮演見多識廣的業界老手。

你是一位精明且見過世面的業界老手，看過 50 家公司用完全相同的策略失敗。請檢視以下方案：[貼入策略]。這個計畫會在哪裡崩盤？第 9 個月的失敗場景會是什麼樣子？

這個方法的價值在於：它強迫你在投入資源之前，先面對最壞的情境。

怎麼從「要一條魚」變成「要一支釣竿」？

@sharbel 整篇貼文最核心的觀念濃縮在最後一個技巧：不要只請 Claude 給你答案，要請它幫你建立一套可重複使用的系統。

幫我建立一套可重複使用的 [主題] 評估框架。我需要：一份檢核清單、一個評分表，以及每次評估時必問的 5 個核心問題。

舉例來說，你可以把「主題」換成「新市場機會評估」、「供應商選擇」或「內容企劃審核」。建出來的框架可以反覆使用，而不是每次都從零開始問 Claude。

這些技巧有什麼限制？

這 7 個方法都有一個共同前提：使用者必須對自己的領域有足夠的判斷力。

Claude 的反駁再精彩，你仍然需要能力分辨哪些是真正的風險、哪些只是表面上的擔憂。同樣地，模擬投資人視角只是近似值，不能取代真正與投資人對話的經驗。

此外，文中提到的 Projects 功能（上傳個人文章讓 Claude 學習你的風格、設定跨對話持續生效的指令），目前僅限付費方案（Pro 每月 20 美元起）使用。免費版用戶可以在單次對話中嘗試其他技巧，但無法跨對話累積上下文。

「多數人向 AI 要一條魚。你可以要一支釣竿。但幾乎沒有人這麼做。」工具沒有變，改變的是你提問的方式。

延伸閱讀：「全員AI」為何是AI轉型失敗的開始？華頓商學院教授：2種協作模式，才能真正釋放生產力

資料來源：@sharbel

本文初稿為AI編撰，整理．編輯/ 李先泰

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。