AI 工作流 · AI 工作流
AI 不只是問答工具：6 種角色，當你的合夥人、顧問與挑戰者
對很多人來說，AI 工具就是 ChatGPT、Gemini：生活、學習或工作上有疑問，就把問題丟進去，找一個解法或一個答案，一問一答。這沒有錯，但只用這一種方式，太可惜了。同一個 AI，其實還能當你的合夥人、老師、商業顧問、計畫決策者、驗證者，甚至是挑戰者。這套「不同角色對應不同用法」的想法不是我獨創，賓州大學教授 Ethan Mollick 那篇被廣泛引用的論文也整理過類似的想法（Assigning AI: Seven Approaches for Students）。
怎麼讓 AI 當合夥人，給你自己想不到的突破建議？
讓它先熟讀你的完整資訊，像是你手上有哪些商業資源、營運結構長怎樣、產品和客戶輪廓是什麼，再從合夥人的角度指出你沒看到的突破口，而不是你問一句、它答一句。
你只丟一個問題，它就只能回答那個問題。合夥人跟問答機器的差別，在它手上有沒有你的全局資訊，它才能像一個真正參與你事業的人，通盤看你的策略，甚至幫你把整套規劃做出來。
我經營自己的品牌時就實際做過：把內容策略、目標讀者、我手上有哪些素材餵給 AI，要它以合夥人的角度找我的突破點。它沒有順著我原本的方向給建議，而是點出我真正和其他創作者的差異，並幫我規劃未來方向。
怎麼讓 AI 當老師，按你的程度排出能驗收的學習進度？
要它照你的程度排出能驗收的進度，重點在它會先幫你把一個領域的資料蒐齊、判斷哪些來源可信，再依你現在的程度做成客製化教材，並且每教完一段就設一個檢核點，盯你到底學會了沒。
這跟直接問「這是什麼」差在兩件事：一是它會先幫你篩掉不可靠的來源（AI 蒐來的資料，你要它自己標出哪些可信、哪些存疑），二是它會控制節奏、每一階只教一件事、還設一個檢核點確認你真的吸收了，而不是把整份說明一次倒給你、要你自己消化順序。
怎麼讓 AI 當計畫決策者，選出最優方案而不只是直接列步驟？
要讓AI協助決策，就得先讓它回答這件事該不該做、必要性夠不夠；接著才去蒐集資訊、比較幾個方案的優劣，最後交一份帶決策建議的方案，而不是籠統回你一句「你可以這樣做」。
問答模式你問「這個專案怎麼做」，通常只拿到一個方向及步驟；以計畫決策者方式使用AI，讓AI先回答「這件事到底該不該做、做了最可能卡在哪」，標出最小可行方案，再列出每個方案的優劣，讓你好做決定。
我每次要開一個新專案，會先讓 AI 思考：這個需求是不是真的存在、現有工具能不能解決、自己做的成本與風險有多少，列幾個方案加上建議，我再決定開不開工。這套流程我後來也寫進了自己的個人資料庫系統裡。
開發到一半當局者迷，怎麼用 AI 在關鍵節點幫你驗證？
在重要的驗收節點，讓 AI 用第三方的眼睛檢查你做出來的東西對不對、有沒有漏洞，再回頭修，而不是自己一路做到底、最後才發現方向早就歪了。
開發任何工具做久了都會當局者迷，你會對自己一開始的假設失去警覺。驗證者的任務不是幫你想，是幫你抓錯。所以要給它明確的驗收條件，而不是問它「做得好不好」那種模糊的判斷。你甚至可以把需求講清楚，讓它連驗收條件都幫你列出來。
下決策前，怎麼讓 AI 當挑戰者提早幫你揪出風險？
在你拍板前，讓 AI 扮演挑戰者，對你現有的方案跟規劃挑刺、用第三方的角度評估到底可不可行，提早判讀專案風險，避免你白做工、或把資源押錯地方。我自己設計那套開發專案的 SKILL 時，就把這一關放進前期評估。
這件事之所以要刻意做，是因為你不主動問「這個決定會怎麼失敗」，AI 幾乎都只給你正面的回覆。挑戰者就是用最悲觀的角度攻擊你傾向的答案，提早發現一個致命問題，永遠比事後補救簡單。aimaker.substack 的作者也做過同樣的實驗：把 AI 從「順從的助理」改造成「會反駁你的人」，產出品質完全是另一個等級。
這些角色怎麼變成固定的工作流，而不是每次重講一遍？
把你重複在用的角色跟順序，設計進你的 AI 工作流，就不用每次重新交代。
一開始可以嘗試提示詞優化。 把「先別急著給答案，先當挑戰者列出 3 個最可能的風險」這種指令，固定成你每次都會加上的一句起手式，而不是臨場才想到要問。
熟練後存成一個 SKILL。 把一整套順序寫成一組固定步驟存起來，下次一個指令整條跑完。我寫長文就有這麼一條強制流程：先找關鍵字、撈我自己過去寫過的素材、先列知識大綱、才起草、最後出稿自我檢查，這篇文章就是這樣寫出來的。以前這些步驟我常臨場漏掉，尤其「先找關鍵字」總是寫完才回頭硬塞。若你剛開始接觸這些工具，可以先看我寫的生成式 AI 入門指南。
讓 AI 不再是問答工具
ChatGPT、Gemini 問一問，是每個人用 AI 的第一步，沒什麼特別。但你讓它當合夥人、老師、商業顧問、計畫決策者、驗證者、挑戰者，再把這些角色設計進你的工作流，它才會從一台「你有問題才想到」的機器，變成一個一直在幫你工作的夥伴。
把思考的順序、深度、方向整套打包成 SKILL 很強大，可是如果連「該怎麼決策」都外包給 AI 跑，三年後動腦的是它、不是我。
常見問題
- AI 除了問答還能當什麼角色？
- 問答只是 AI 最基本的用法——你丟問題、它給答案。同一個 AI 還能當你的合夥人（讀你的完整盤面給突破建議）、老師（客製化教材＋檢核學習成效）、商業顧問、計畫決策者（分析可行性、比較方案）、驗證者（重要節點幫你抓錯）、挑戰者（拍板前挑刺、揪風險）。差別不在你把提示詞寫得多花俏，而在你這一步需要它補上的是哪個角色。
- 怎麼讓 AI 當合夥人，給我自己想不到的突破建議？
- 讓它先熟讀你的完整盤面——商業資源、營運結構、產品和客戶輪廓——再從合夥人的角度指出你沒看到的突破口，而不是你問一句它答一句。差別在它手上有沒有你的全局；只丟一個問題，它只能就那個問題回答。
- 怎麼讓 AI 當挑戰者，提早幫我揪出風險？
- 在你拍板前，讓 AI 扮挑戰者，對現有方案挑刺、用第三方角度評估可行性，把風險提早攤出來。因為你不主動問「這個決定會怎麼失敗」，AI 幾乎都只給正面版本；我自己被這一關逼出過 4 個原本沒看到的漏洞，也曾靠它問「維護成本算了嗎」而沒接錯案子。
- 這些 AI 角色怎麼變成固定的工作流，不用每次重講？
- 把重複在用的角色跟順序設計進工作流，分三層：提示詞優化（把一句固定指令變成起手式）、存成 SKILL（一整套順序存成一組步驟、一個指令整條跑）、設計成 AGENT（照你定義的分工自己跑完、你只驗收）。這就是 Agent 時代跟「開對話框問問題」的差別。
- 什麼時候直接問答就好、不用動用角色？
- 日常瑣事、時間壓力大、或答案對錯很明確的事（查資料、抓錯字、排程）直接問答最快，不需要動用角色。留給有重量的決定——會影響資源分配、方向選擇，或你隱約覺得「哪裡怪怪的」但講不出來的判斷。