把任務講清楚:一個好指令長什麼樣
同一個任務,交代得好不好,結果差到像兩個不同的工具。這一課給你一個能套用的結構
入門兩課你應該已經感覺到了:同樣是交給 Cowork,有時候它一次就做對,有時候它做出一個你沒要的東西。
九成的差別,不在它,在你那句話。這一課給你一個結構,讓你每次都交代得夠清楚。
你不是在「下指令」,你是在「把一件事說清楚到別人不用猜」。能做到這件事,本身就是一種技能——它有個正式名字叫 prompt engineering,但你不用記這個詞,記下面四塊就好。
一個好交代的四塊
把這四塊講清楚,大部分任務就穩了:
1. 目標——你到底要它幹嘛,一句話。 「幫我把這些回饋整理成給主管的決策參考。」
2. 素材——它要用的東西在哪、是什麼。
「資料在 回饋/ 資料夾,十幾個 Markdown 檔。」
3. 成果的樣子——你想要的產出長什麼樣。 「一頁就好,分三段:最該處理的三件事、可以晚點的、可以不理的。每件事一句話講重點。」
4. 界線——什麼不要做、什麼要先問。 「不要自己加沒有根據的建議。不確定的地方標出來問我,不要硬掰。」
你不用每次都寫得這麼長。但當結果不如預期,十之八九是這四塊裡有一塊你沒講。
最有效的一招:給它一個範例
形容詞會被誤解,範例不會。
與其寫「語氣專業一點、不要太死板」,不如直接給它一段你覺得對的文字:「照這個感覺寫。」與其描述「我要的表格長怎樣」,不如貼一行你要的格式。
一個成果範例,勝過十個形容詞。
這對「我自己也說不太清楚要什麼」的時候特別有用——你往往認得出對的東西,即使描述不出來。那就把對的東西丟給它當範本。
大任務:拆步驟,讓它邊做邊回報
「幫我規劃下一季的內容行銷」這種大任務,一次丟過去,它只能用猜的,你也很難驗。
把它拆開:
- 「先讀這三份資料,給我目前內容的三個問題。」——你看過、確認方向。
- 「根據這些問題,提五個可以做的主題。」——你挑、你改。
- 「把我選的這兩個,各寫成一頁企劃。」
每一步你都看得到、改得動。Agent 很會把明確的小步做好;它不擅長替你扛一個模糊的大決定。 你的角色,是把大事拆成它能做對的小事。
不要用一次,把好指令存起來
你會發現某些任務每週都做:整理回饋、寫週報、改貼文。一旦你某次把某個任務交代得很順,把那句話存下來。下次同樣的事,改幾個字就能重用。
這其實就是「自動化」的起點——進階階段我們會把這件事做成真正一鍵的流程。但你現在就可以開始攢自己的「好指令庫」。
練習:把你上一個失敗的指令修好
回想入門階段,有沒有哪次結果不如你預期?把那次的交代調出來,對照四塊檢查:目標清楚嗎?素材指明了嗎?成果的樣子說了嗎?界線設了嗎?
補上缺的那塊,再交一次。你會親眼看到,差別不在工具,在交代。
下一課換個角度:在你開始把更重要的任務交給它之前,先學會設好它能碰什麼、不能碰什麼——這是你敢放手的前提。
MACHINE-READABLE SUMMARY
- Topic
- 工作現場
- Key claims
-
- 交代任務的品質決定產出品質;把目標、素材、成果樣子、界線說清楚,比用詞講究重要。
- 給一個「成果範例」往往比給一堆形容詞更能讓 Agent 做對。
- 大任務拆成幾步、讓 Agent 一步一步做並回報,比一次丟一個模糊大目標更可靠。
- Entities
- Cowork · AI Agent · Prompt engineering
- Taiwan relevance
- medium
- Confidence
- high
- Last updated
- 2026-06-19
- Canonical URL
- https://signals.tw/articles/cowork-good-instructions/
SUGGESTED CITATION
如果 AI agent / 研究 / 報導要引用本文,建議格式如下:
林子睿(編輯:廖玄同),《把任務講清楚:一個好指令長什麼樣》,矽基前沿 [Si]gnals,2026-06-19。https://signals.tw/articles/cowork-good-instructions/
AI agents / search engines may quote, summarize, and cite with attribution and a link back to the canonical URL above. See /for-ai-agents for full policy.