> ## Documentation Index
> Fetch the complete documentation index at: https://felimet-hub.jmcores.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 01-1 為什麼要「正確地」使用 AI 工具

> 會打開工具與正確地使用工具，中間隔著一整套心智模型與設定工程。本單元說清楚這個落差的代價，以及為什麼設定是 AI 工具唯一可槓桿的工程介面。

export const LearnerPrimer = ({items = [], lang = "zh"}) => {
  const t = lang === "en" ? {
    title: "Before this unit, be honest with yourself",
    sub: "If you can't answer these, that gap is exactly what this unit closes."
  } : {
    title: "讀這個單元前，先誠實面對",
    sub: "這幾題答不出來，正是這個單元要替你補的洞。"
  };
  const css = `
  .lp-root{--lp-bg:#FAF7F1;--lp-surface:rgba(191,117,81,0.05);--lp-border:rgba(0,0,0,0.09);--lp-edge:rgba(191,117,81,0.42);--lp-text:#2b2722;--lp-dim:#6f6a62;--lp-accent:#bf7551;border:1px solid var(--lp-border);border-left:3px solid var(--lp-edge);border-radius:13px;background:var(--lp-bg);color:var(--lp-text);overflow:hidden;margin:1.25rem 0;}
  .dark .lp-root{--lp-bg:#1b1a18;--lp-surface:rgba(207,138,104,0.07);--lp-border:rgba(255,255,255,0.08);--lp-edge:rgba(207,138,104,0.5);--lp-text:#e7e3da;--lp-dim:#a8a299;--lp-accent:#cf8a68;}
  .lp-head{display:flex;align-items:center;gap:9px;padding:13px 18px 11px;border-bottom:1px solid var(--lp-border);background:var(--lp-surface);}
  .lp-ic{color:var(--lp-accent);flex-shrink:0;}
  .lp-htx{display:flex;flex-direction:column;gap:1px;min-width:0;}
  .lp-title{font-size:14px;font-weight:650;line-height:1.3;letter-spacing:.01em;}
  .lp-sub{font-size:12px;color:var(--lp-dim);line-height:1.4;}
  .lp-list{list-style:none;margin:0;padding:10px 18px 14px;display:flex;flex-direction:column;gap:0;}
  .lp-item{display:flex;align-items:baseline;gap:11px;padding:7px 0;font-size:14px;line-height:1.6;border-top:1px solid var(--lp-border);}
  .lp-item:first-child{border-top:none;}
  .lp-mark{flex-shrink:0;color:var(--lp-accent);font-size:13px;font-weight:700;line-height:1.55;font-variant-numeric:tabular-nums;opacity:.85;}
  .lp-q{flex:1 1 0;min-width:0;color:var(--lp-text);}
  @media (max-width:620px){.lp-head{padding:12px 14px 10px;}.lp-list{padding:8px 14px 12px;}}
  `;
  return <div className="lp-root">
      <style>{css}</style>
      <div className="lp-head">
        <svg className="lp-ic" xmlns="http://www.w3.org/2000/svg" width="18" height="18" viewBox="0 0 24 24" fill="none" stroke="currentColor" strokeWidth="2" strokeLinecap="round" strokeLinejoin="round"><circle cx="12" cy="12" r="10" /><circle cx="12" cy="12" r="6" /><circle cx="12" cy="12" r="2" /></svg>
        <span className="lp-htx">
          <span className="lp-title">{t.title}</span>
          <span className="lp-sub">{t.sub}</span>
        </span>
      </div>
      <ul className="lp-list">
        {items.map((q, i) => <li className="lp-item" key={i}>
            <span className="lp-mark">{String(i + 1).padStart(2, "0")}</span>
            <span className="lp-q">{q}</span>
          </li>)}
      </ul>
    </div>;
};

<LearnerPrimer
  lang="zh"
  items={[
"你以為在用 AI，其實在跟全人類知識的平均值對賭。",
"「幫我重構」三個字，後面是五個檔案的運氣。",
"你把工程任務當許願池，倒楣的是你。",
"你省下的 prompt 撰寫時間，都被 debug 還回去了。",
"設定不是進階選項，是你唯一可槓桿的工程介面。",
"你連模型怎麼吃上下文都沒搞懂，就敢信任它改 production？",
"三週後的那個 bug，就是今天「看起來對」的回聲。",
]}
/>

<Info>
  **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。
</Info>

## 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。

<Tip>
  **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。
</Tip>

## 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 |

<Warning>
  **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。
</Warning>

## 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。

<Note>
  **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。
</Note>

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：

```mermaid theme={null}
graph TD
  subgraph 設定的四個層面
    P["個人化<br/>(角色、偏好、語言、風格)"]
    S["隱私與安全<br/>(訓練退出、權限、密鑰邊界)"]
    M["記憶與規則<br/>(專案慣例、約束、上下文)"]
    A["自動化<br/>(Skill、Hook、工作流)"]
  end
  P --> OUT["可重現、可信、貼合你需求的產出"]
  S --> OUT
  M --> OUT
  A --> OUT
```

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。

<Note>
  **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。
</Note>

**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）：

```text theme={null}
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）：

```markdown theme={null}
# 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）                           | OpenAI                             | Google                                           | GitHub Copilot                    | Cursor                |
| ------ | ----------------------------------------------- | ---------------------------------- | ------------------------------------------------ | --------------------------------- | --------------------- |
| 個人化指令  | Claude.ai「Instructions for Claude」/ `CLAUDE.md` | ChatGPT 自訂指令                       | Gemini「Instructions for Gemini」                  | VS Code 個人 instructions           | User Rules            |
| 專案級規則  | `./CLAUDE.md`、`.claude/rules/`                  | `AGENTS.md`                        | `AGENTS.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 prompt          | Gem / 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  | Hooks                                           | Codex hooks                        | Antigravity workflow                             | Copilot hooks（preview）            | （尚無同等機制）              |

<Check>
  **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。
</Check>

## 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。

<Tip>
  **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。
</Tip>

## 7. 常見誤區

<Warning>
  **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](/code-agent/judgment/security-privacy-supply-chain)）。
  * **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。
</Warning>

## 自我檢核

<Check>
  **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？
</Check>

## 來源與延伸閱讀

* 本單元為概念導論，觀點為作者整理，不依賴特定外部來源的事實主張。
* 第 5 節對照表中的各工具設定機制，詳細查證與出處見 [02-2 Anthropic Claude 設定](/code-agent/configuration/anthropic-claude-setup) 與 [02-6 其他工具設定對照](/code-agent/configuration/other-tools-comparison)。
* 心智模型與上下文工程的技術基礎，見 [01-2 LLM 與 Agent 的運作基礎](/code-agent/foundations/llm-agent-basics) 與 [01-4 上下文工程](/code-agent/foundations/context-engineering)。