白話看 AI 第二集：提示詞下達技巧、視覺化通用結構與 AI 對話自我分析實務

影片連結

白話看 AI 第二集：提示詞下達技巧、視覺化通用結構與 AI 對話自我分析實務

本集延續上一單元「白話看 AI」，深入探討「如何下好指令」與「精準與 AI 協作溝通」的實用思維與技巧，核心觀念如下：

• 角色設定與提示詞差異：以繪製「貓咪奔跑向貓食」為例，展示有無經過提示詞設計（AI Agent 角色賦能）的巨大品質差距。未設計提示詞常出現主體分離、缺乏關聯；設計後則具備光影流動感與真實動態。

• 克服表達障礙（消除心盲與溝通落差）：即使腦中缺乏具體圖像（心盲狀態）或不知如何開口，只要能以清晰邏輯「列點敘述」，AI 就能協助補足細節。重點在於降噪表達——清楚定義「目的、問題、呈現方式」。

• 免背公式，由 AI 生成專屬提示詞：使用者只需釐清自身需求與角色特質並條列整理，再讓 AI 轉譯成專業提示詞工程規格，降低學習門檻。

• 視覺化提示詞結構：拆解生圖公式為「主體描述 + 環境與光線 + 藝術風格/材質 + 相機參數/視角」，並實際示範 ChatGPT（DALL-E 3）與 Gemini 生成相同提示詞的效果對比。

• 對話分析與自我探索實踐：展示如何透過結構化問答（如老高與小茉的「人生之路 10 問」）與個人歷史資料輸入，讓 AI 進行個人特質分析、職涯建議或情境回顧；強調 AI 生成內容僅供參考，關鍵仍在於個人的判斷與審核能力。

章節時間軸與重點整理

• 開場與回顧：延續前部「白話看 AI」理念，探討如何向 AI 下達好指令，使產出更符合預期構想。
• 實測對比：生圖提示詞設計的差異：以 Copilot / DALL-E 3 生成「貓咪飢餓跑向貓食」為例，比較單純指令與經過提示詞工程設計（光影、動態聚焦）後的顯著差距。
• Vibe Coding 與心像能力探討：探討心盲狀態（無法在腦中形成畫面）是否影響 AI 互動；指出核心關鍵在於用邏輯與文字具體描述需求，缺乏視覺畫面也能產出理想成果。
• 溝通落差與降噪表達：思考與口說/文字輸入之間常有偏差，建議不要急著提問，先釐清目的、問題、呈現格式，並以「一條一行、列點敘述」逐步引導 AI。
• 設計提示詞的步驟：不必死背提示詞工程公式，先梳理出 AI 的角色與特質清單，再交由 AI 轉譯為機器能精準理解的高階指令。
• 腦海印刷機：觀察、描述到生成：以社群挑戰題為例，示範觀察圖片後轉化為純文字描述，並比較 ChatGPT 與 Gemini 在光影、構圖細節上的生成表現。
• 圖像提示詞通用結構：解析視覺生成四要素：主體描述、環境光線、藝術風格/材質、相機參數/視角。
• Q版講師形象與生圖工具實例：分享 2023 年使用 Copilot Image Creator 生成專屬 Q 版形象的經驗，以及免登入生圖工具（如 Pica AI）的應用方式。
• AI 對話分析：人生之路 10 問：借鑑老高與小茉的自我探索問卷，將個人回答餵給 AI，由模型協助分析個人特質與合適的職涯方向。
• 微軟工作坊體驗與能力卡片：分享 2024 年參加微軟設計思考活動，透過外觀、問答生成個人專屬能力值卡片的案例。
• 個人資料分析與事後推演（結尾）：探討將個人生命軌跡與背景資料導入 AI 進行回顧分析的可能與限制；總結「輸入越完整、回覆越精確」，但 AI 建議始終「僅供參考」，需具備查核真偽的判斷力。

延伸閱讀

就享知 | 面對資訊空白，別急著問 AI：從資訊分類到「降噪閱讀」的實務工作流

https://www.digiknow.com.tw/knowledge/14d4667e6e684

就享知 | 從「卡頓」到「流暢」：建立你的表達轉換能力

https://www.digiknow.com.tw/knowledge/48a5351b829b4

就享知 | 降低門檻與拉高上限：為什麼我在必修程式課，花半學期教學生「與 AI 說話」？

https://www.digiknow.com.tw/knowledge/40b6df87f0dc4

就享知 | 忘掉提示詞公式：AI 時代的本質是「架構思考」與「解決問題」

https://www.digiknow.com.tw/knowledge/eb395e779e114

就享知 | ​從心盲到心流：Vibe Coding 時代，運算思維如何成為我們的「認知義肢」

https://www.digiknow.com.tw/knowledge/d620687977ba4