📓 第 07 課：有效提示技巧
NotebookLM 生成 影片摘要 + 簡報 + 測驗以下內容由 Google NotebookLM 根據課程影片自動生成，作為延伸濃縮學習素材。
📖 回到主課程：AI 素養：框架與基礎
📋 課程概覽
第 07 課：深度探討二：AI 與人類合作的未來
展望 AI 與人類協作的發展方向，理解人機共進的核心原則與最佳實踐。
🎬 影片摘要
🎬 NotebookLM 影片摘要
由 Google NotebookLM 根據課程影片自動生成的繁體中文動態摘要。
📝 影片重點整理
第一章：提問的本質——描述能力的實際演練
影片首先釐清：「提問（Prompting）」不是一種特殊的技術技能，而是「描述能力」在現實對話中的實踐。你在對話框裡打出的每一行字，都是你對 AI 的一次描述。掌握提問，就是在磨練你的描述肌肉。
第二章：AI 與人類溝通最大的差異——顯化那些「不說自明」的事
人類之間的對話充滿了「隱含推論」，我們不需要說完整，對方也能理解。但 AI 做不到——對人類能自然推論的背景知識，你必須明確說出來。提供「為什麼你提出這個要求」和「你將如何使用這些資訊」，能讓 AI 量身打造最適合你的回應。
第三章：六大實戰提問技巧
| 技巧 | 說明 |
|---|---|
| 提供脈絡（Context） | 背景、目的、受眾——讓 AI 理解你的完整情境 |
| 少樣本示範（n-shot） | 透過具體例子展示你要的風格或格式 |
| 設定限制（Constraints） | 指定格式、字數、語氣、禁忌事項 |
| 拆解步驟（Step-by-step） | 把複雜任務分成小步驟，降低 AI 跳躍性錯誤 |
| 先想後答（Think first） | 給 AI 空間在回答之前先分析問題，顯著提升邏輯性 |
| 要求 AI 優化提示詞 | 遇到瓶頸，直接請 AI 幫你撰寫或改進指令——這是最強大的秘密武器 |
第四章：Claude 的 Artifacts——超越純文字的輸出形式
影片介紹了 Claude 特有的「Artifacts（產出物）」功能：一種比段落文字更容易理解和消化的互動式內容呈現方式，讓複雜資訊能以更直觀的格式展示。
第五章：兩個關鍵的對話管理技巧
當一段對話已嚴重偏離軌道、難以修正時，最有效的做法是「完全重啟一個新對話」，而非在同一個對話中反覆糾錯。此外，最常見的提問失敗原因是：假設 AI 能讀取你的心思——記得把隱含的期望說出來。
影片結語金句：
「提問是迭代的過程。你不需要一次就寫出完美的提示詞——你只需要開始，然後持續改進。」
📝 重點筆記
✍️ 六項有效提示技巧
第 07 課深度探討這六項技巧，可搭配使用：
- 提供背景（Context）：說明任務的背景、目的、受眾
- 給予範例（Examples）：用具體的輸入/輸出範例展示你的期望
- 設定限制（Constraints）：指定格式、長度、語氣、禁忌事項
- 要求逐步推理（Step-by-step reasoning）：請 AI 一步一步思考，減少跳躍性錯誤
- 請 AI 先思考（Think first）：提示 AI 在回答之前先分析問題
- 定義角色或語氣（Role / Tone）：告訴 AI 應該以什麼角色或風格回應
📊 簡報概覽
🧪 延伸測驗
🧪 互動學習
透過以下測驗檢測你對課程內容的理解程度。
根據教材，提問（Prompting）的核心本質可以被理解為下列哪一種能力的實際應用？
在與 AI 溝通時，哪一點是與人類對話最顯著的不同之處，需要特別注意？
教材建議在提供上下文時，除了說明「想要什麼」，還可以包含哪些資訊來優化結果？
關於「n-shot prompting」（少樣本提問），下列敘述何者正確？
在處理複雜任務時，為什麼教材建議將其拆解為較小的步驟？
教材提到讓 AI 在執行任務前先「思考」的關鍵建議是什麼？
當你對如何撰寫或改進提示詞感到不確定時，教材推薦的「秘密武器」是什麼？
教材中提到的「Artifacts」（成品/產出物）是什麼？
如果一段對話已經嚴重偏離軌道或修正困難，教材建議的有效做法是什麼？
教材提到的常見提問錯誤中，哪一項最可能導致 AI 的產出不符合預期？