你是不是也遇過這種事？
同樣一件事，問 AI「幫我寫一篇文章」，它給你一篇像課本範例的無聊東西；但如果你改問「幫我寫一篇給家長看的 600 字短文」，它突然變得很會抓重點、語氣也對了。你沒多給什麼資訊，只是換了幾個詞，結果卻像換了一個人。這不是你的錯覺，也不是 AI 心情好壞——背後有一個叫 framing effect（框架效應）的現象在運作。簡單說，你的措辭會直接影響 AI 從哪一疊訓練資料裡翻答案。
問題不是改了字數，是改了 AI 聯想的訓練資料區塊。
AI 不是聽懂，是聯想到
你可能覺得 AI 像個聰明朋友，能「理解」你的話。但實際上，現代主流 AI 模型是靠大量文本訓練出來的，它沒有真正的理解，而是根據你給的詞，去比對訓練時看過的句子結構和情境。比如「文章」這個詞，在訓練資料裡常常跟「通用範本」「新聞稿」「報告」綁在一起；而「給家長看的短文」則會連到「親子溝通」「教養建議」「生活小撇步」。你換一個詞，就像在圖書館裡抽換分類標籤，AI 翻的書櫃就完全不一樣。
一個詞，換一疊資料
這背後的邏輯可以想像成：AI 的訓練資料是一堆巨型檔案櫃，每個櫃子都裝著不同主題的樣本。當你說「幫我寫一篇文章」，AI 會去翻「通用寫作」那個櫃子，裡面多是學術論文、新聞稿、商業報告。但如果你說「寫一篇給家長看的 600 字短文」，AI 就會翻到「生活應用寫作」的櫃子，裡面是部落格、社群貼文、親子雜誌。你沒多給資訊，只是換了「給家長」「600字」「短文」這些關鍵字，AI 就自動切換到不同情境的資料庫。這就是為什麼結果可以天差地別。
不是越長越好，是關鍵詞要對
很多人以為 prompt 越長越好，但其實重點不是字數，是你有沒有放對關鍵詞。比如你想寫一則社群貼文，與其寫「請幫我寫一篇關於環保的貼文」，不如寫「幫我寫一篇給 Instagram 粉絲看的環保小撇步貼文，語氣輕鬆」。後者多了「Instagram」「粉絲」「小撇步」「輕鬆」，這些詞會把 AI 的聯想導向社群媒體的語氣和內容結構，而不是教科書的環保論述。關鍵詞就像路標，你放對了，AI 就不會迷路到錯的資料區。
換個角度想
你不是在「命令」AI，而是在「給線索」。你給的每個關鍵詞，都在告訴 AI 該從哪一疊資料裡翻答案。與其抱怨 AI 不懂你，不如檢查自己是不是給了模糊的路標。
下次提問前的 30 秒檢查
先想清楚你要的結果是哪種情境（給誰看、什麼語氣、多長），再挑 3-5 個最能代表那個情境的關鍵詞放進 prompt。最後問自己：如果我是 AI，看到這些詞會聯想到哪一類資料？如果聯想太廣，就再加一個限定詞。
讀者最常問的幾個問題
多數現代主流 AI 模型都支援，因為它們都用大量文本訓練，對關鍵詞很敏感。但不同模型表現不一樣，建議你自己試試看。
對，因為換詞是改變聯想方向，加細節是補充資訊。方向對了，細節才有效；方向錯了，細節只是讓 AI 更混亂。
