Vibe Coding — M1-2 · R1.5 互動
黑箱競猜 · 10 min

M1-2 · R1 完成後 · R2 之前

黑箱競猜
換個問法

同一個 AI、同一天
三段答案為什麼差這麼多?

10 分鐘 2 步驟 兩人一組 為 Gem 鋪路

按 → 或空白鍵開始

這節要做什麼

從「會寫一次性提示詞」進化到「會設計可重用的提問工具」

你會帶走 看懂同一題如何因為提問維度不同而產生不同答案
1
黑箱競猜 · 5 分鐘

看三段 AI 答案,猜每段背後的提示詞用了什麼角度

2
揭曉 + 五種換法 · 5 分鐘

不揭原文,只揭「形狀」:換主詞 / 換動詞 / 換層級 / 換單位 / 換時態

先看差異,再找規律

先觀察三段答案差在哪裡,再回頭看提示詞改了什麼。你會更容易記住「換法」不是技巧名詞,而是看問題的角度。

STEP 1 ・ 5 分鐘

黑箱競猜

同題目「為什麼員工不主動學習?」三段 AI 答案,兩人一組,猜提示詞

A 答案 A
[ 提示詞 隱藏 ]
員工不主動學習有以下原因:1. 缺乏內在動機 2. 工作壓力大,沒時間 3. 學習資源不足。建議改善方向:設目標、給時間、建獎勵...
列點式 / 原因 + 方法
B 答案 B
[ 提示詞 隱藏 ]
學新技能對員工是高風險低報酬的賭注。學了不一定加薪,但時間是真花掉的。在這算式裡,「不學」反而是理性選擇...
同理性語氣 / 講員工的成本計算
C 答案 C
[ 提示詞 隱藏 ]
十年前員工願意學,因為「學了就升遷」還在。2015 年組織扁平化,管道收窄。2020 年遠距讓「會什麼」比「在哪家」重要,但又被 AI 衝擊。學習動機環境十年崩塌三次...
時間軸分析 / 講環境變化
小組任務

同一題、同一個 AI、同一天,三段答案差這麼多。猜猜看每段答案背後的提示詞用了什麼角度?

揭曉 ・ 不揭原文,只揭形狀

三個提示詞,只改了一個維度

A 直接問
為什麼員工不主動學習?
原句直接丟給 AI。AI 會給最通用的列點答案——這就是大多數人預設的問法。
B 換主詞
站在員工的角度,為什麼學新技能對他來說是高風險低報酬的事?
把主詞從「公司」換成「員工」。AI 開始用員工的語氣思考,給出同理性的成本計算。
C 換時態
員工不學習這件事,過去十年是什麼時候開始變嚴重的?發生了什麼?
把時態從「現在問題」換成「過去演變」。AI 會給時間軸分析,講環境怎麼變的。
換法重點

題目沒有變,只改了一個維度。
AI 給的答案就從「公司該做什麼」變成「員工怎麼想」,再變成「環境怎麼變的」。
換個問法,就是換個維度。

STEP 2 ・ 5 分鐘

五種換法

同一題「員工不主動學習」,五種維度切入

換主詞
站在員工的角度,學新技能對他是什麼?
換動詞
「不學習」正在跟什麼競爭員工的時間?
換層級
我們真正想要的是「會新技能的員工」,還是「願意改變的員工」?
換單位
員工不學習,不是個人問題,是組織 KPI / 主管行為 / 升遷制度三個系統的結果。
換時態
十年前員工願意學,他擁有什麼是現在的員工失去的?
不用全部記

記得「」這個動作就夠了。下次卡住,問自己一句:我能不能換點什麼?

過渡 · 接回主簡報 R2

每次都要重想一遍,很煩

下一步 · 把好的提問結構封裝成可重用的工具

你們剛剛看到了五種換法。問題來了——每次遇到問題都要重想一遍該用哪一種換法,很煩

如果你能把「換主詞」這個思考流程,做成一個工具,下次只要把問題丟進去,它自動幫你換好——你覺得這個工具有沒有用?

這就是接下來 M1-2 主課要教的東西:Gem ——把好的提問結構,封裝成可以重複用的工具。

這節

你會「換問法」

下節 R2

你會「四要素改寫」一個完整提示詞

主課

把這套結構封裝成 Gem,做成可重用工具

黑箱競猜結束 · 接回主簡報 R2

換個問法
就是換個維度

下一步——把這套結構封裝成 Gem

主詞 動詞 層級 單位 時態

回到 M1-2 主簡報 · Round 2 四要素改寫

1 / 7
章節