大部分人用 AI 放大強項——很少人會用 AI 補弱項

開頭

我們都知道怎麼用 AI 做自己擅長的事。但你會用 AI 來補自己「不會的事」嗎？YouTuber Matthias Frank 給了一個三步驟，第二步是我看過最神的設計。

資料來源：Matthias Frank《How To Teach Claude New Skills (3-Step-Process)》

AI 工作流分成兩種

Matthias 開頭就把問題切乾淨：

教 AI 做你擅長的事——很簡單，把你的知識萃取出來給它就好。 教 AI 做你不擅長的事——這才難。

他自己舉的例子是「設計」。

他不會設計，所以叫 AI「給我做個漂亮的圖」，出來的東西全是 AI 味四溢的垃圾。

不是 AI 笨，是他根本說不出「漂亮」是什麼。

於是他設計了一個三步驟流程：研究 → 鑽研 → 組裝。

第二步「Drilling」是這套方法的關鍵

研究跟組裝大家都猜得到——上網找別人怎麼做的、最後寫成 skill。

但中間那一步「Drilling」（鑽研），讓我看完起立鼓掌。

它的做法是：

讓 AI 反過來問你一堆問題。

「你看到這張圖喜不喜歡？」 「這種風格給你的感覺是什麼？」 「相較於蘋果的扁平設計，你比較偏好哪一種？」

你不會的事——它逼你用自己的眼睛去做選擇，然後幫你把這些選擇翻譯成它聽得懂的設計詞彙。

二十分鐘後，你會發現你「知道自己想要什麼」，只是以前沒有名字。

這跟我國文課做的事一模一樣

我帶八年級寫作，最常遇到的問題不是學生「不會寫」，而是「不知道自己想寫什麼」。

新手老師會直接給範文：「你照這個結構寫。」

老老師會問：「你最近有沒有對什麼事情火大？」「為什麼火大？」「具體哪一句話讓你不爽？」

問完十幾題，學生臉上會出現一個表情——「啊，原來我是想寫這個。」

蘇格拉底兩千多年前就在做 Drilling。

Matthias 只是把這個動作從老師身上，搬到了 AI 上。

拉回教學現場：這跟柯維「以終為始」是同一件事

柯維說「以終為始」，學生最常以為是「先寫目標」。

不是。

是「先看見你心裡那個還沒成形的成品，然後一步一步逼自己把它說出來」。

Drilling 就是用 AI 幫你做這件事——它不替你決定，但它會問到你自己決定為止。

這是我目前看過 AI 跟人類最好的合作方式之一：

AI 不是答題機，是逼你說出自己答案的那個提問者。

給老師、給學生、給所有覺得「我不會」的人

我們對 AI 最大的浪費，是把它當成「替我做」的工具。

它的真正威力是「替你問」。

下次你卡在一件你不擅長的事，先別叫它生內容。

叫它問你二十題。

二十題答完，你會發現你比你以為的還會。

我的結論

AI 不是用來放大強項的——那只是入門款。

它真正的價值，是逼出你那些自己都還沒看見的判斷力。

最強的人不是會的事最多的人。

是知道用 AI 把自己「還不會」的事，問出來的人。