AI改了十遍還是不對?Anthropic工程師「盲點巡查」提示詞,逼AI動工前先問對問題
AI改了十遍還是不對?Anthropic工程師「盲點巡查」提示詞,逼AI動工前先問對問題

前幾天看到數位時代的一篇報導,整理了 Anthropic Claude Code 工程師 Thariq Shihipar 在今年 AI Engineer World's Fair 的演講。

他說,提示詞寫不好,根本原因不是技術問題,是我們「不知道自己不知道什麼」。

登愣!對啊,因為我不知道,所以我提示詞沒寫,AI 要怎麼幫我想清楚?

他提出的解法叫做「盲點巡查」,在動工前挑出「我不知道」的事情,問完我再執行。我覺得挺不錯,分享給你。

如果你也有請 AI 改了很多遍還是不對的朋友,把這封信傳給他!也記得點文末大拇指 👍,我都會看。

你的每個提示,可分解成 4 種維度

你給的提示通常代表涵蓋著,:你已知自己知道的、你知道有問題但沒答案的。
但其實還有: 你知道但沒說出來的(像是公司規範) 、以及 根本不知道(知識盲點) 。後兩者,可以先讓 AI 幫你做巡查。

#1 一天一AI
圖/ 數位時代

讓 AI 先問你問題,再開始動工

請 AI:

針對這份需求,問我 20 個問題,優先問那些會改變最終結果的問題。

模型會把你心裡沒說出口的假設,一條一條逼出來,尤其是會影響整體架構的那種問題,最有用。

#2 一天一AI
圖/ 數位時代

丟一份「範例」給 AI,讓它找你漏了什麼

手邊有類似的文件嗎?一份別人的提案、同類型的報告、甚至競品的網頁,都可以丟給 AI,說: 「對照這份,看看我的提示還漏掉了什麼? 」它能看出你沒講清楚的地方。

#3 一天一AI
圖/ 數位時代

讓 AI 把它猜的事情,即時記下來

交辦任務時加一句: 「過程中遇到我沒交代清楚的事情,即時寫在備忘欄裡。 」AI 做完後,你請 AI 給你備忘欄,就知道它到底猜了什麼,也是你下次寫指令時,改善的依據。

#4 一天一AI
圖/ 數位時代

完整「盲點巡查」prompt,直接貼

以下是請AI完整「盲點巡查」的提示詞:

這是我想做的任務。動工前,先做盲點巡查:把我的提示當藍圖,以最終成果為依歸,找出我說清楚的(已知已知)、我知道有問題但沒回答的(已知未知)、我知道但忘了說的(未知已知)、以及我沒想到的風險(未知未知)。問我 10 個最可能改變結果的問題,動工後,把實作過程、你自己判斷的事記在備忘。
#5 一天一AI
圖/ 數位時代

訂閱《一天一AI》日報,每天跟你分享超實用的AI小技巧!

延伸閱讀:
在公司推AI,同事一周就打回原形?他用「3層知識庫」把流程變成按鈕

不是AI不強,是你的表格它看不懂!上傳Excel前先做這幾件事,AI才不會亂猜

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 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