記者張杰倫報導
你一定遇過這種崩潰場景：下指令給AI，它生出一版，你發現不對，補一句「這裡改一下」；它再改，你又發現新問題，來回五遍、十遍，結果還是不如人意。不是AI笨，而是它從頭到尾都沒真正弄懂你要什麼，你也在反覆修正中消耗耐性。這個困境，連Anthropic的工程師都注意到了，他們提出一套「盲點巡查」的提示策略：與其讓AI直接開工，不如先逼它停下來，主動問對問題。
傳統用法常是單向拋指令，AI被動接招，一旦初始理解偏差，後面產出就會整組歪掉。盲點巡查的邏輯恰好相反：在交付具體任務之前，先要求AI扮演「需求分析師」，針對你的簡述，自動列出它認為模糊、矛盾或可能誤解的地方，並提出釐清問題。例如你請AI寫一篇產品文案，它不會立刻動筆，而是先回覆：「您提到的『年輕族群』是指18到25歲還是25到35歲？產品核心差異化是價格還是體驗？ tone調要活潑還是專業？」你逐一確認後，AI才基於這份對齊過的共識執行任務，等於在動工前強制完成一次需求審查。
這背後其實是軟體工程「需求驗證」的思維移植。蓋房子如果地基畫錯，後續改牆、改管線都是白費工；AI生成內容也一樣，方向比速度重要。盲點巡查提示詞通常長得像這樣：「在開始執行前，請先根據我的說明，列出所有你認為需要澄清的關鍵問題，並解釋為什麼這些問題重要。等我回答完，你再正式產出。」這個簡單步驟，能逼迫模型從記憶庫裡提取類似任務的常見陷阱，把隱性假設全部攤在陽光下。實測過的開發者分享，導入這套方法後，來回修改次數平均減少六成，而且產出品質更貼近真實需求。
回到AI Agent的設計心法，這正是把「問對問題」也納入工作流的一種微型組織設計。你不再是對一個只會執行的工具下命令，而是培育一個會先做需求訪談的數位夥伴。下次當你又想叫AI「直接給我一版」時，不妨先給它一句盲點巡查提示，讓它反問你三個問題。你會發現，那十分鐘的對話，遠比之後十遍的修改來得有價值。