AI 只是協助的工具：先知道你要什麼，再談怎麼合作

先知道你要去哪裡

跟 AI 合作，最先要搞清楚的是：你要去哪裡、你要什麼。

AI 只是協助的工具。它跑得很快，但方向是你給的；目標不清楚，它只會用很快的速度，幫你做出一堆不是你要的東西。這不是提示詞技巧能補的——「我到底要什麼」這個答案，只能由人先想清楚。

系統化思維：先看清相關性，才不會修一處壞三處

沒有整體觀的時候，跟 AI 工作很容易變成打地鼠：看到一個地方不對，就修一個地方；修好這裡，那裡又冒出問題，永無止境。

系統化講白了就是：把事情之間的相關性看清楚——我改了這個，會連帶影響哪些。 就像試算表改了一個格子的數字，所有引用它的格子會一起變；動手之前先想清楚會牽動哪些，影響面有多大，再決定要改哪裡。很多看起來是「這一步做錯」的問題，其實是上游的連帶結果；只修下游、不看相關性，就會一直修同一個問題的不同長相。

模組化與參數化：同一套作法，換個內容就能重用

模組化，是把一件事做成一個可以重複使用的底座。 這不是假設，我做過一個成品叫「萬物隨機選」：同一個亂數抽選底座——選分類、按開始、定格出一個結果——掛上不同的資料組，就是不同的工具。它一共掛了 13 組：數字區間、英文字母、擲筊求籤、八方方位、彩虹七彩、塔羅大牌、易經六十四卦、印度脈輪、占星星座、中國生肖、中國天干、中國時辰、元素週期表。底座只寫一次，抽塔羅、抽方位、抽晚餐都是換資料而已；連呈現形式都能換，同一個底座可以是清單，也可以變成轉盤。現在 AI 的 Skill 與工作流也是同一回事：一個 Skill 就是把「某類工作怎麼做」封裝好的模組，工作流則是把幾個模組接起來用。

參數化，是把會變的部分留成可以替換的位置。 最常見的例子就是提示詞：一份提示詞裡，把關鍵字留成可以換的地方，換掉關鍵字，同一套工作就能重複跑在不同對象上，不必每次重寫整份。生成圖片的工作流也是：流程不變，換掉主角就是換一個參數；寫文章也一樣，流程不變，換掉「風格」這個參數，產出的調性就跟著不同。

兩個合起來：一套作法才能累積、才能搬到別的工作上，而不是每次都從頭跟 AI 解釋一遍。

順序就是這樣

先知道你要什麼（方向），再用系統化思維看懂整個流程（全局），最後把流程做成可調參數的模組（重用）。AI 在這三步裡都是協助者——決定要去哪裡的，一直是人。