跳轉到主要內容
這個單元解決什麼問題你已經在用 AI 寫程式、查資料、跑分析了。這個單元不教你「怎麼用」，而是先說清楚一件事：會打開工具，跟正確地使用工具，中間隔著一整套心智模型與設定工程。 沒跨過這個落差，模型再強，你拿到的也只是浮動、不可重現、偶爾出錯卻看不出來的輸出。

​
學習目標

讀完本單元，你應該能夠：
  • 用自己的話說明「使用 AI」與「正確地使用 AI」的具體差異，並舉出至少三個落差的代價。
  • 辨識「對話框心智模型」與「協作代理心智模型」的不同，知道自己目前處在哪一種。
  • 說明為什麼「設定（configuration）」是 AI 工具的核心槓桿，而不是可有可無的進階選項。
  • 理解本內訓四個維度如何串成一條從認知到自動化的路徑。

​
1. 一個你可能很熟悉的場景

你在終端機開了一個 Coding Agent，丟一句「幫我把這個函式重構得乾淨一點」。它跑了，改了五個檔案，測試還是綠的，你按下接受。三週後某個邊界條件壞掉，你回去看那次改動，發現它默默把一個你依賴的副作用拿掉了，因為你從沒告訴它那個副作用是故意的。 這不是模型「笨」。這是你把一個需要上下文、需要約束、需要驗證的工程任務，當成許願池在用。模型沒有你的專案慣例、沒有你的隱含需求、沒有你對「乾淨」的定義，它只能用訓練資料裡的平均值來猜。猜對是運氣，猜錯是常態。
核心立場AI 工具不是會通靈的神諭（oracle），也不是更聰明的自動完成。它是一個可被你設定、約束、教導與自動化的協作代理。你投入在「設定」上的每一分鐘，都會在後續每一次互動裡複利回報。

​
2. 「用了」與「正確地用」之間的落差

把兩種使用者放在一起對照，落差就清楚了。注意：差別幾乎都不在「下了什麼 prompt」，而在「事前做了什麼設定、事後做了什麼驗證」。
維度一般使用（用了 AI）正確使用（正確地用 AI）
上下文每次重講背景，或假設模型記得用記憶檔/規則檔把專案慣例、角色、約束固化下來
隱私預設值照單全收，不知道對話是否被拿去訓練明確設定訓練退出、保留期限、暫時對話
產出品質浮動，看當天運氣透過規則與範例把品質下限拉高且可重現
信任看起來合理就接受對可驗證的主張一律驗證（跑測試、查來源）
重複工作每次手動重做相同流程用 Skill / Hook / 範本把流程自動化
工具選擇看 GitHub star 數或他人推薦用自己的任務 benchmark 判斷是否真的有用
落差的代價是隱性的最危險的不是明顯的錯誤（那會被你抓到），而是看起來對、實際上偏的輸出：被默默拿掉的副作用、似是而非的引用、在你資安邊界外執行的指令、被上傳去訓練的敏感資料。這些代價不會在當下跳出來，而是在三週後、在審稿意見裡、在資料外洩通知裡才結算。

​
3. 兩種心智模型

你怎麼用工具，取決於你腦中把它想成什麼。多數人卡關，是因為還停在前兩個模型。
心智模型的演進
  1. 搜尋引擎模型：把 AI 當 Google。問一句、拿一個答案、不對就再問。問題：不會累積上下文，把模型當靜態知識庫，完全沒用到它「依你的情境推理」的能力。
  2. 自動完成模型：把 AI 當更強的 Tab 補全。它接著你寫，你被動接受。問題：你放棄了主導權，模型的預設假設取代了你的工程判斷。
  3. 協作代理模型（本內訓的目標位置）：把 AI 當一個能力強但需要被 onboarding 的資深協作者。你給它角色、慣例、約束、可用工具與驗證標準，它在這個框架內自主工作，你負責設計框架與審查結果。
從第二個模型跳到第三個，差別不在你變會下 prompt，而在你開始把「設定」當成第一等公民。資深協作者報到第一天，你會給他團隊慣例文件、權限範圍、code review 標準。對 AI 代理，這些對應的就是 CLAUDE.md、權限設定、Hook 與驗證流程。

​
4. 為什麼「設定」是核心槓桿

工程背景的人容易低估設定，因為設定看起來像「行政工作」，不像「真本事」。這是誤判。在 agentic 工具上，設定就是你對模型行為的程式化控制介面。 把它拆成四個層面，正好對應本內訓後面四個維度： 同一個底層模型，在這四個層面有沒有被正確設定，輸出差異是數量級的。一份寫得好的 CLAUDE.md 可以讓模型直接用你實驗室的術語、遵守你的程式碼風格、自動避開你列過的反模式；一個正確的隱私設定可以讓你安心把研究資料交給它；一個 Hook 可以在每次存檔時自動跑型別檢查，把錯誤擋在進入版控之前。
為何以 Claude 為主範本Anthropic 的 Claude 全家桶（尤其 Claude Code）把這四個層面都暴露成明確的設定檔與機制，是目前把「設定即介面」這個概念實作得最完整的工具之一。我們以它為主軸深入，再把其他工具對照過去：你會發現 ChatGPT 的自訂指令、Gemini 的 Gems、Copilot 的 instructions 檔、Cursor 的 rules，本質上都是同一組概念的不同包裝。
範例：「用了」與「正確地用」差在哪一行 回到開頭那個重構場景。同一句話，差別不在 prompt 變聰明，在你把約束寫進了設定。 Before（裸 prompt，無約束）： 
幫我把這個函式重構得乾淨一點
After（先在 CLAUDE.md 固化約束，再說同一句話）： 
# CLAUDE.md
- 重構前先列出你打算移除或改變的行為，等我確認再動手。
- 任何副作用預設為「故意的」，非經我同意不得拿掉。
After 那組會先回你一張「打算動哪些」的清單，讓你攔下那個被默默拿掉的副作用，而不是三週後才在生產環境發現。多花的成本是寫那兩行規則一次，省下的是每一次重構的回頭債。

​
5. 跨工具的共通骨架

工具供應商不同，名詞與資料夾名稱會變，但底層概念高度一致。先建立這張對照表的「概念欄」，後面學任何工具都只是填空。
概念Anthropic Claude（主範本）OpenAIGoogleGitHub CopilotCursor
個人化指令Claude.ai「Instructions for Claude」/ CLAUDE.mdChatGPT 自訂指令Gemini「Instructions for Gemini」VS Code 個人 instructionsUser Rules
專案級規則./CLAUDE.md、.claude/rules/AGENTS.mdAGENTS.md、.agent/rules/（單數，.agents/ 為三方誤寫）.github/copilot-instructions.md.cursor/rules/*.mdc
可重用流程Skill（SKILL.md）Custom GPT / Codex promptGem / workflow.prompt.md/create-rule
隱私訓練退出「Help Improve Claude」開關「Improve the model for everyone」開關「Keep Activity」開關企業/個人資料設定帳號隱私設定
自動化掛鉤HooksCodex hooksAntigravity workflowCopilot hooks（preview）（尚無同等機制）
自我檢核（讀到這裡先停）拿你現在最常用的那個工具，問自己：
  • 我的個人化指令設在哪？還是根本沒設，每次重講？
  • 我知道我的對話會不會被拿去訓練嗎？開關在哪？
  • 我有沒有把任何「重複做的流程」固化成可重用的東西？
三題有兩題答不出來，代表你正處在本單元第 2 節的「一般使用」那一欄。

​
6. 怎麼跨過這個落差

四個維度，一條路徑：
  1. 基礎與進階認識（Part I）：先把心智模型與運作原理（token、上下文視窗、agentic loop、上下文工程）講清楚。不懂原理，設定就只是抄。
  2. 進階調適與設定（Part II）：以 Claude 為主範本，逐項走過個人化、隱私、CLAUDE.md、Skill、Hook、Subagent、Plugin，再對照其他工具。
  3. 認知與思維（Part III）：訓練你獨立判斷：一個工具、一個 Skill、一個 GitHub repo 到底適不適合你，而不是看 star 數或聽人推薦。同時建立安全、隱私與供應鏈風險意識。
  4. 客製化與自動化（Part IV）：教你生成屬於自己的內容：寫自己的規則檔、開發專屬 Skill 與 Subagent、用 Hook 自動化工作流、用 MCP 串接你的環境。
學習方法建議不要一次讀完才動手。每讀完一個 Part II 的設定單元，立刻在你自己的工具上做一次，然後回到 Part III 問「這對我真的有用嗎」。設定的價值只有在你的真實工作流裡才驗證得出來。

​
7. 常見誤區

反模式清單
  • 把預設值當成最佳值：預設值是為「平均使用者」調的，不是為你的研究領域或團隊慣例調的。
  • 追求「最強 prompt」而忽略設定：再好的 prompt 也是一次性的；設定是會複利的。
  • 盲目信任綠色測試/合理外觀：測試綠不代表語意正確，輸出合理不代表事實正確。可驗證的就驗證。
  • 照搬別人的 CLAUDE.md 或 Skill：別人的設定反映別人的工作流。照搬常常引入你不需要的約束，甚至安全風險（見 03-3）。
  • 忽略隱私設定直到出事：訓練退出、保留期限、暫時對話這些開關，要在丟敏感資料之前就設好。

​
自我檢核

通過本單元的標準
  1. 你能對一個同事解釋「為什麼設定比 prompt 更重要」嗎？
  2. 你能指出自己目前處在哪一種心智模型，以及下一步要往哪移動嗎？
  3. 你能在第 5 節那張對照表上，填出你主力工具的那一欄嗎？

​
來源與延伸閱讀