如何將 5W2H 轉化為精準的 AI 防呆指令

Turning 5W2H into Reliable AI Guardrails: How to Write Clearer System Instructions

內容目錄

讓 AI 自由發揮，有時有驚喜，有時卻是驚嚇。

現在很多人談提示詞工程，常把它說得很複雜，好像要背一堆神祕公式，才能和大型語言模型好好溝通。但如果回到日常工作的情境，對 AI 下指令這件事，其實沒有那麼玄。

它比較像交辦任務。

當你對同事說：「幫我整理一下競品資料。」對方很可能會回問：整理哪幾家？要看價格還是功能？什麼時候要？這份資料要給誰看？最後要做成簡報、表格，還是一頁摘要？

如果這些都沒講，對方就只能猜。

AI 也是一樣。你丟給它一句「幫我寫需求文件」、「分析這個市場」、「幫我規劃產品策略」，它通常還是能寫出一些內容，甚至格式看起來很完整。但真正拿去開會、拿去執行時，常會發現裡面有很多空話。

像是「提升使用者滿意度」、「打造更優質的體驗」、「增加市場競爭力」這類句子，看起來沒有錯，卻很難執行。因為沒有人知道什麼叫做提升、要提升多少、由誰負責，以及在什麼條件下才算完成。

問題不一定是 AI 不夠聰明

更多時候，是任務一開始就沒有被定義清楚。
5W2H….剛好是一套很適合拿來整理 AI 指令的基本框架。它不能保證 AI 永遠正確，也無法完全消除幻覺或錯誤資訊，但可以替任務畫出邊界，減少它往錯的方向一路延伸。

AI 不是讀心術，它只是在補齊你沒說的地方

大型語言模型很擅長根據上下文推測下一段合理的內容。

這也是它好用的地方。你不需要把每一個字都交代得很死，它就能協助你起草信件、摘要資料、整理訪談，甚至提出一些原本沒想到的角度。

但反過來說，只要問題本身模糊，它就會用看似合理的方式補滿空白。

你說要「做一份競品分析」，它可能整理品牌背景、社群聲量、產品功能、創辦人故事，寫得洋洋灑灑；但你真正想看的，也許只是三家競品的定價、通路與保固策略，準備拿來做下一季產品定位。

你沒有說，它就不會知道。

所以，與其把 AI 當成一個什麼都懂的答案機器，不如把它視為一位速度很快、願意配合、但缺乏公司脈絡的新同事。

它可以幫忙做很多事，但需要你先把任務講清楚。

5W2H 的價值，不在於讓提示詞變得很長，而在於幫你發現….自己到底漏講了什麼。

Why：先說明為什麼做，不要只交代要做什麼

很多指令一開始就直接進入工作內容…..

幫我整理這份資料。
分析這幾家競品。
寫一份產品提案。

這些話不是不能用，只是缺少一個關鍵：這份東西的目的到底是什麼？

同樣是競品資料，目的不同，分析方向就會差很多。

如果是要準備給業務團隊使用，可能需要整理價格、通路、客戶痛點和容易比較的賣點；如果是產品策略會議，則更需要看市場缺口、產品線重疊、技術門檻與未來風險。

在指令裡補上 Why，不需要寫得像企劃書。你只要讓 AI 知道，這份產出最後要支持什麼判斷…..請整理這三家競品資料，目的是協助團隊判斷下一季新產品是否應優先切入中階市場，而不是高階市場。

這句話會讓它理解，重點不該只是介紹競品，而是找出和價格帶、目標客群、產品定位有關的資訊。

AI 不會因為知道目的，就突然變得有商業判斷力；但它比較不會把時間花在和決策無關的地方。

What：把交付物講具體，別讓 AI 用漂亮廢話交差

AI 很會寫得「像一份東西」。

標題有了，段落有了，結論也有了。可是如果沒有先定義輸出格式，它很容易產生大量順口、但不夠有用的內容。

所以 What 要處理的是：你到底希望它交出什麼…..

是簡報大綱？
比較表？
會議摘要？
產品需求文件？
還是一封給客戶的說明信？

最好連內容欄位、字數或篇幅一起講清楚…..

請以表格整理三家競品，每家都要包含產品價格、主要功能、目標使用者、優勢、可能風險與資料來源。
最後再用 300 字提出我們的產品定位建議。

這樣做有兩個好處。

第一，它會被迫把內容壓進你真正需要的結構，而不是一直延伸成長篇大論。
第二，你也更容易檢查缺了什麼欄位、哪些地方只有推測、哪些資料需要人工補查。

格式不是限制創意，而是讓創意有一個可以落地的容器。

Where：知道在哪裡使用，語氣與細節才會對

一份內容給誰看、在哪裡用，差別很大，給工程團隊的內容可以保留技術細節；給高階主管的內容，可能需要先講選擇、風險與資源影響；如果是對外給客戶，則不能直接把內部推測、成本假設或未確認資訊寫進去。

AI 不會天然知道這份文件的讀者是誰

所以 Where 不只是地點，而是使用情境….

這份內容將用於下週的產品策略會議，讀者包含產品、業務與營運主管。
請避免過度技術化的描述，重點放在商業影響、執行風險與待確認事項。

這種指令能讓 AI 調整語氣與資訊密度，也能避免它一口氣塞進太多不適合會議決策的細節。

不過，這裡也要提醒一件事：AI 寫得像主管會議文件，不代表裡面的結論就適合直接拿去決策。語境可以由它協助調整，事實、立場和判斷仍然需要人負責。

When：對 AI 來說，時間不只是截止日

在人和人的工作協作中，When 很常是截止時間。

例如週五下午前交，或下週會議前完成…..但對 AI 而言，除了交件時間，更重要的是資料的時間範圍。

尤其是市場、產品規格、法規、價格、競品動態這類會變動的資訊。如果沒有指定時間切點，AI 可能混入不同年份的資料，甚至把已經停止的產品、過期的市場情況，和現在的決策放在一起談。因此，若任務涉及即時資訊，指令最好明確寫出資料條件…..

請只分析 2024 年至今已公開的資料。
若資訊無法確認來源或日期，請標示為「待查證」，不要自行補充。

這裡的重點不是要求 AI 假裝掌握所有最新資訊，而是要求它誠實區分：哪些是已知資訊，哪些沒有足夠依據。

如果你真的需要最新價格、規格、法規或市場數字，還是應該回到官方公告、可信資料庫或原始來源查核。AI 可以幫忙整理，不應該成為唯一的來源。

Who：給它角色，也說清楚它在跟誰說話

AI 的回答品質，常常會受到角色設定影響，不是因為它真的變成了某個專家，而是你替它設定了思考角度、關注重點和溝通對象。

同一份產品評估，如果你要求它以「產品經理」的角度寫，它可能著重使用者需求與市場定位；若以「機構工程師」的角度寫，則可能更關注材料、結構、量產風險與驗證條件。

但角色設定不該變成一句空泛的：「你是世界級專家。」比起這種說法，更有效的是定義實際責任….

你現在協助一位負責消費性硬體產品的 PM，將競品資訊整理成給業務主管閱讀的風險摘要。
請用非技術語言，列出三項需要確認的市場假設。

這裡同時定義了角色、領域、讀者和任務。AI 比較能知道哪些細節該保留，哪些應該轉譯。

How：複雜任務不要一步到位

當問題很複雜時，最容易出現的狀況，就是直接要求 AI 給一個完整答案。

幫我做產品策略
分析我們該不該進這個市場
給我一個完整的轉型方案

它當然會回答，但很可能把合理的概念、推測性的資料與看似專業的結論混在一起。

比較好的做法，是把任務拆成幾個可以檢查的步驟…..

第一步，整理三家競品已公開的價格與主要功能，並附上來源。
第二步，比較它們鎖定的目標客群與通路。
第三步，列出資料不足或無法確認的地方。
第四步，根據前述資訊提出兩種定位方向，但不要直接下結論。

這種方式不只讓 AI 比較不容易跳太快，也讓你能在中間檢查。

如果第一步的資料就錯了，後面做得再漂亮都沒有意義。把任務拆開，並不是降低效率，而是把除錯提前。

How much：真正的防呆，是把不能碰的邊界說出來

5W2H 裡最容易被忽略的，往往是 How much

它不只是預算，也可以是字數、時間、人力、資料範圍、允許使用的來源，甚至是不能做什麼。

這一段很重要，因為許多 AI 輸出失控，不是它故意亂寫，而是沒有被告知邊界…..

預算上限為新台幣 50 萬元，不考慮新增硬體設備。
不可使用未公開的內部客戶資料。
不可引用無法查證來源的數據。
避免「提升體驗」、「市場領先」等無法驗證的形容詞；所有建議都要應可衡量的指標或待驗證假設。
全文控制在 800 字內。

這些條件看似嚴格，卻能讓產出更接近可用狀態。

所謂防呆，不是讓 AI 完全失去發揮空間，而是先把不該走的路封起來。剩下的空間，才讓它去協助整理、延伸、提出選項或找出你可能漏掉的地方。

一個可直接使用的 5W2H 指令….

要請 AI 協助整理競品分析，可以這樣寫….

Why： 我們準備評估下一季是否推出中階價位的新產品，這份分析要協助團隊初步判斷市場切入點。
What： 請以表格比較三家指定競品，欄位包含價格、主要功能、目標客群、通路、優勢、風險與資料來源；最後提供 300 字摘要。
Where： 內容將用於內部產品策略會議，讀者包括產品、業務與營運主管。
When： 僅使用 2024 年以後可確認日期的公開資料；無法確認的資訊請標示待查證。
Who： 請以消費性產品 PM 的視角整理，但以非技術背景也看得懂的語言表達。
How： 先列出資料，再做比較，最後提出兩個可能的定位方向，不要直接替團隊做最終決策。
How much： 全文不超過 1,200 字；不可編造數據、不可引用不明來源；避免使用無法衡量的主觀形容詞。

這不是唯一正確格式，也不需要每次都完整照抄

簡單任務可能只要補三、四項條件就夠了；但當任務牽涉決策、對外內容、資料分析或跨部門溝通時，先跑一次 5W2H，通常能少掉很多後面的來回修改。