prompt怎麼下？AI大神卡帕西教學「10分鐘碎念法」|數位時代 BusinessNext

跟 AI 對話，多數人的直覺是先想清楚要問什麼，再字斟句酌寫出一段完美提示詞（prompt）。但「vibe coding」一詞的創造者卡帕西（Andrej Karpathy）台灣時間 7 月 22 日在 X 上分享的習慣，恰好反過來：懶得打字時，他會切到語音，對著 AI 放空碎念 10 分鐘，全程意識流，講得亂七八糟也沒關係。

依他自己的觀察，AI 整理後的版本往往比原本更清楚，後續需要修正的地方也比較少。

卡帕西是 OpenAI 創始成員、前特斯拉（Tesla）AI 資深總監，2026 年 5 月起加入 Anthropic 投入預訓練研究。

這套方法為什麼可能有效？

先說結論：語音讓你幾乎不花力氣，就能把背景、限制與顧慮一次補給 AI；依卡帕西的觀察，大型語言模型（LLM）很擅長從這些雜亂的輸入中，推測並整理出你想表達的重點。

卡帕西的解釋是，AI 常常需要更多線索才能理解你要做什麼，但你懶得打字，給的資訊就少。與其擠出一段精簡卻漏東漏西的文字，不如用講的，把背景、目的、卡住的點、還沒想通的猶豫全部倒出來。他觀察到，LLM 回述那團思緒的版本，「往往比你一開始講的乾淨許多」。

換言之，這個方法賭的不是你表達得多好，而是模型從脈絡推測意圖的能力。當 AI 回述的版本與你想的一致，兩邊就完成他所說的「對頻」（mind meld，指想法同步）；依他的經驗，之後需要修正的地方也就變少。

	一般做法	卡帕西碎念法
輸入方式	想清楚再逐句打字	切到語音，想到什麼講什麼
AI 拿到的線索	精簡，可能漏掉背景與顧慮	較容易補充完整的背景、限制與顧慮
你花的力氣	高，得先自己整理思緒	降低長篇輸入門檻，整理交給 AI
可能結果	產出後常需來回修改	期待先對齊；卡帕西自述修正變少，效果因人而異

想跟著做，有哪些語音聽寫工具？

卡帕西並未交代自己用哪一套語音工具，貼文裡寫的「/voice」與 Claude Code（Anthropic 的 AI 程式開發工具，在終端機裡執行）的語音聽寫指令同名，只是可行選項之一。由於不少用戶可能沒聽過這個指令，以下依官方文件整理使用重點：

怎麼開：在 Claude Code 輸入 /voice 就能啟用，第一次會跳出麥克風權限請求。預設是「按住空白鍵講話、放開自動轉成文字」；輸入 /voice tap 可改成點一下開始、再點一下送出。語音和打字可以混用，講到一半改用鍵盤修字也行。
哪裡能用：本機的終端機（macOS、Windows、Linux）與 VS Code 擴充功能。因為麥克風必須在本機，網頁版 Claude Code 與 SSH 遠端連線都不支援。
帳號限制：必須用 Claude.ai 帳號登入才有這個功能；用 API 金鑰或企業雲端平台（如 AWS Bedrock）接入的環境不提供。
中文還不行：官方聽寫語言清單目前支援 20 種語言（含日文、韓文），沒有中文；語言設定不在清單內時，會退回英文辨識。
不另外收費：語音轉錄不消耗 token，也不計入用量額度。

工具	怎麼用	留意
Claude Code 語音聽寫（/voice）	輸入 /voice 後按住講話，或點一下開始、再點一下送出	需 Claude.ai 帳號登入、本機使用；官方聽寫語言目前無中文
ChatGPT 聽寫	手機 App 點麥克風圖示錄音，轉成文字後可先編輯再送出	官方提醒轉錄非逐字紀錄，送出前先檢查
系統內建聽寫（iOS／Android／Mac）	鍵盤上的麥克風，任何輸入框都能用	免費，支援中文

想用中文碎念，可改用替代工具Typeless；進階玩家若想讓 Claude Code 進一步支援雙向語音對話，可再研究開源專案 VoiceMode，需自行安裝與設定。

實際碎念時的 3 個小技巧

卡帕西的原話其實很短，本文把可以照做的部分整理成三個小技巧：

開頭先「自首」：第一句先講「以下是語音轉文字，我會講得比較跳，錯字請包涵」，讓模型把辨識錯字當成雜訊處理，不會被奇怪的字詞帶偏方向。
別管邏輯，想到什麼講什麼：跳來跳去、自我矛盾、講到一半改口都沒關係，這些看似雜訊的細節，反而是模型理解你的線索。你不是在下指令，而是把腦袋裡的東西倒給它。
講完請 AI 回述：先別急著要成品，請它用自己的話重述一次你要做的事、列出不確定的地方、一次反問 2 到 3 個問題。這樣若回述版本理解歪了，能在動工前抓出來；確認一致，再讓它去寫文件、寫程式或擬企劃。

這招什麼時候別用？

需要精確事實與數字的工作，以及你想保住的核心能力，別全交給碎念。實際風險有三種：

轉錄可能出錯：語音轉文字不是逐字紀錄，OpenAI 官方也提醒轉錄結果可能與實際說的話有出入。重要的名詞與數字，送出前先掃一眼。
AI 可能補入你沒講的內容：卡帕西 2023 年有個著名論點：LLM 本質上是「做夢機器」（dream machines），幻覺不是故障，而是模型隨時在做的事。它能把碎念整理得又順又完整，也可能把你沒講到的部分填錯。先前介紹過的卡帕西 AI 知識庫設定法提過類似風險：小錯一旦被存下來當成事實，會像雪球一樣越滾越大。
錄音會上傳雲端：Claude Code 與 ChatGPT 的語音功能，都是把錄音送到伺服器處理，不是在本機轉錄。涉及公司機密或個資的內容，開口前先想一下。

最後是能力問題。把「整理思路」長期外包給 AI，自己組織想法、動筆寫作的肌肉可能鈍化。一個實用的平衡做法是，讀完 AI 的產出後，自己動手把理解重寫成幾條精煉重點。腦力激盪、規劃草案放心碎念；涉及精確數字、事實引用或對外發布的內容，AI 整理的版本務必逐項核對。

對中文使用者還有一個加分點：用支援中文的聽寫工具碎念時，中英夾雜、想不到精準的中文詞就直接講英文，AI 多半也能整理成通順的中文，不必為了「講乾淨」而卡住。

如果你常苦惱提示詞怎麼寫都不到位，不妨反過來試試卡帕西的方法：先把腦中的東西全部倒出來，再讓 AI 整理；先確認它聽懂，再讓它動工；最後，把事實查核與關鍵判斷留在自己手上。下次打開 AI，深呼吸，講就對了。

延伸閱讀：
ChatGPT把YouTube影片轉簡報！「直接貼連結」3步驟輸出、完整提示詞範例一次看
 ChatGPT深度研究怎麼用？2026大改版，5步驟操作與提示詞範例一次看

資料來源：Andrej Karpathy X 貼文、《TechCrunch》、Karpathy 2023 年 X 貼文、Claude Code 語音聽寫官方說明、ChatGPT 聽寫官方說明、VoiceMode 專案頁

本文初稿為AI編撰，整理．編輯/ 李先泰

AI 正快速改變消費者探索商品、接觸品牌的方式，也為零售業帶來新的成長機會。然而，當 AI 從個人使用工具逐步走向企業營運，台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示，台灣零售業的 AI 應用仍存在明顯差距，資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策，如何將 AI 從單點工具導入，真正成為零售成長的助力，已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會，以「Where AI Meets Commerce」為主軸，邀集零售與科技業者，從流量獲取、數據應用到會員經營，探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE，也在會中宣布邁向 AI in Retail，推出官方 MCP（Model Context Protocol），進一步串聯零售數據與 AI 應用，協助品牌掌握新興 AI 流量入口，為下一階段的智慧零售布局做好準備。

SHOPLINE 預告：零售下一個流量入口是 AI

2026 年上半年，SHOPLINE 客戶 GMV 年增 20%，是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大！」SHOPLINE 台灣總經理葉力維指出，從全球市場來看，尤其是以北美為主的 SHOPLINE 客戶，來自 AI 渠道的流量 PV 較去年同期成長 15 倍，訂單量更成長 35 倍；相較之下，台灣 AI 渠道流量 PV 約成長 2 倍，顯示 AI 導流的商業潛力正逐步浮現，台灣品牌仍有很大的成長空間。

當品牌越做越複雜，從多通路走向全域經營、數據與規模擴大，如何確保資料品質、打通資訊孤島，並兼顧資安與治理，成為 AI 能否真正落地的關鍵。為此，SHOPLINE 提出四大 AI 佈局方向：首先，建立 AI Ready 數據基礎，整合分散的零售資訊，為 AI 應用做好準備；其次，深化 MCP 布局，讓品牌能依照自身需求，自主選擇並串接不同的 AI Agent；第三，成立 AI 轉型委員會，將 AI 導入內部工作流程，推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議；最後，擴大 AI 夥伴生態系，開放第三方開發者串接垂直領域的 AI 應用，讓品牌能更靈活地組合所需工具。

「過去十年，SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變，其實都代表著品牌經營方式的改變；而下一個入口，就是 AI。」葉力維表示，當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑，品牌不能只停留在導入單一工具，更需要提前整備數據、串接應用並建立治理能力。接下來，能否做好 AI Ready 的準備，將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP，助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備？SHOPLINE 產品副總賴哲文指出：「人、貨、場的接觸點沒有改變，改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景，消費者、員工與企業的角色也隨之改變：做決定的是消費者，當消費者問 AI「我該買哪個品牌」，品牌能否出現在答案裡是第一個挑戰；執行的是員工，員工則可將部分執行工作交由 AI 處理，將更多精力投入判斷與決策；做判斷的是企業，AI 能否提供可靠的洞察與建議，關鍵仍在於數據品質，以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦，品牌經營也必須從傳統 SEO，進一步走向 AIEO（AI Engine Optimization），讓商品與品牌資訊具備良好的結構與可讀性，才能提高被 AI 採用、推薦及導流的機會。對此，SHOPLINE 提出三層 AI Ready 架構：以「AI Ready Data」整合高品質、可供運算的零售數據；透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接；再以「AI Ready Agents」串接品牌自主選擇的 AI Agent，逐步將數據基礎延伸至實際應用。同時，SHOPLINE 也透過第一方數據歸因，改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題，讓原始數據能進一步支援 AI 分析與決策。

在工具應用上，SHOPLINE 推出官方 MCP，涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills，搭配 MCP Tool 的後台相關能力，進一步產出數據洞察報表與執行建議，讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全，SHOPLINE 也設下三道防護機制，包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取，以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調，當 AI Agent 開始參與消費者決策與企業營運，品牌不只要讓 AI 看得懂商品，更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外，SHOPLINE 也致力發展 AI 開放生態圈，邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技，以及女性高效身體保養品牌 HYPHY，攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據，提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大，轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析，投放效率下滑，源於成長結構改變：影響消費者的場域更分散，找人的方式從興趣推測走向真實行為，素材也無法一套打完全場。

對此，Justar 運用 AI 結合電子發票數據，以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫，涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓（Persona），比對發票資料庫、找出真實買家作為種子受眾，而非僅依賴瀏覽紀錄或興趣標籤，再由 AI 自動擴充相似受眾、生成並優化素材，並依成效動態調整投放策略與預算配置。

張元溢強調，從真實種子到規模化放大，重點在於找到更多相似的人。同時觸及也須走出社群，延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容，藉創作者短影音加上跨場域廣告加深印象，才能為品牌實現「線上找到人，線下讓他記住你」的成效。

BUNNYWORK 推 AI 營運特助，主動預警缺貨與滯銷也發掘成長機會

除了行銷之外，AI 也開始深入零售業的日常營運，協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出，電商營運常面臨幾大痛點：商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷，滯銷商品也往往要到季末才浮現。「營運方式不同，留下的利潤差很多。營收決定你做多大，營運才決定你能留下多少利潤。」

針對這些痛點，BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案，目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據，BUNNYWORK 則讓 AI 24 小時主動盯盤：根據銷售數據提前發出缺貨預警、產出補貨建議單，並每日掃描商品銷售速度，一旦偵測到滯銷風險，即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外，AI 也幫助電商看見潛在機會：偵測到爆款潛力的商品，提醒品牌提早加碼備貨、調整廣告資源，把握成長時機。

至於 AI 為什麼能提供可靠的營運建議？背後仍取決於數據基礎。周于如解釋，ERP 串聯商品、銷售與庫存等不同環節的數據，並即時同步多通路的商品與庫存資訊，讓 AI 掌握完整且即時的營運全貌，同時降低超賣風險。「唯有建立乾淨、即時的資料基礎，AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會，協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

精兵團隊導入 AI，解決流程瓶頸再創高成長

從流量獲取到營運效率，AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出，OmniSegment CDP（顧客數據平台）能整合分散的顧客資料，建立 360 度顧客輪廓，進一步支援跨渠道的精準經營；旗下導購型 AI Agent「AgentBit」，提供對話式分眾，讓使用者與 AI 對話就能快速打包推播受眾，不再需要手動設定篩選條件；商品興趣預測則以 AI 學習客戶的行為軌跡，自動將高相關商品推送給高潛力買家；AI 智慧分析更只需透過問答，即時分析品牌檔期成效與提供優化建議，並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘，大幅提升行銷團隊協作效率，並支援逾 2,000 種 OMO 跨通路智慧推播，協助品牌更有效地觸及目標客群。

HYPHY 品牌共同創辦人林又立分享，品牌長期透過 LINE 經營千人會員社群，希望在規模化經營的同時，仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後，團隊能透過 AI 對話快速完成受眾分群，並取得具體的行銷優化建議，降低操作門檻。以單檔活動為例，LINE 發送量僅為原先的 15%，點擊率卻提升 227%，EDM ROAS 更提升至原先的 3.3 倍，展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌，林又立也分享了務實的做法：「不要一開始練跑就想著今天要跑全馬，先踏出第一步，把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型，不如從具體的營運需求出發，逐步找到適合 AI 發揮的場景。

活動尾聲，葉力維也提醒，品牌導入 AI 前，應先盤點內部工作流程，找出真正影響效率與成效的瓶頸，再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上，才是關鍵。」與其為了導入 AI 而導入 AI，先解決實際問題，才能讓技術真正轉化為營運成果。

不必先寫完美Prompt！AI大神卡帕西教你「10分鐘碎念法」：對AI意識流輸出，比想清楚更有效！