# AI 協作入門：先認識自己的認知邊界

> 不會用 AI，該從哪裡開始？從認知邊界出發，拆解 AI 協作的提問、盲點與查核方式，附新手可直接使用的五步驟、示意對話與提示詞。

來源：https://guide-mkt.lot.tw/guides/ai-collaboration-for-beginners/｜作者：Knight（mkt 營業中 主理人）｜發布：2026-11-16｜最後更新：2026-11-17

互動教學（跟著畫面一步一步點）：https://guide-mkt.lot.tw/play?g=ai-collaboration-for-beginners

文章版（完整說明、FAQ、延伸閱讀）：https://mkt.lot.tw/ai-collaboration-for-beginners/

共 16 個重點，約 4 分鐘。標籤：AI 協作、AI 學習、提問思考、認知邊界。

1. **收藏很多，不等於知道第一句要問什麼**：打開 AI 對話框，想請它幫忙，卻不知道第一句該問什麼。另一邊，社群上有人分享最新的 AI 工具、有人展示複雜的工作流，也有人說得先學會提示詞、建立專案、安裝各種技能。
看得越多，反而越難開始。不是這些方法沒有用，而是它們大多回答了「別人怎麼做」，卻沒有先回答更貼近自己的問題：我現在到底知道什麼？又在哪裡遇到了自己的理解邊界？
2. **先讓一個具體問題帶路，再決定學什麼**：想像你剛進入一份新工作：桌上有一疊交接資料、各種系統帳號，同事推薦了幾門課、幾份文件。這些都有價值，但在還不清楚工作目標、流程和責任之前，收藏再多，也不代表知道今天該先做什麼。
接觸 AI 也一樣。收藏上百個提示詞、知道許多工具名稱，回到自己的工作時，仍然要問：這件事情裡，我真正卡住的是什麼？
課程、專家建議和模板都不是不重要，只是對初學者來說，先讓一個具體問題帶路，遇到需要時，才更容易判斷這門課要不要學、這個工具適不適合。
3. **起點不是工具清單，而是「我懂到哪裡」**：從零開始與 AI 協作，最重要的不是先收集多少工具和課程，而是先學會看見自己的認知邊界：你目前理解所能到達的位置。它不是固定不變的線，會隨著學習、經驗與驗證移動。
當你知道自己在哪裡不理解、哪個判斷還沒有把握，就可以把這些疑問帶進對話，讓 AI 協助你拆解、探索與驗證。
4. **AI 能幫你列出盲點，但不保證找齊**：為了方便開始，可以把認知邊界分成四種狀態：
1 我知道：已經理解，也能說明依據 → 請 AI 協助整理、轉譯或比較
2 我知道自己不知道：意識到缺少某些知識 → 請 AI 解釋概念、列出學習路徑
3 我以為自己知道：有既定判斷，但沒有充分驗證 → 請 AI 找反例、列出假設與查核方式
4 我不知道自己不知道：還沒意識到有這個問題 → 請 AI 提供不同視角與可能遺漏的事項
例如規劃一場活動：你知道目的和預算；你知道自己不熟報名流程；你以為受眾一定喜歡某種形式；還沒想到的，可能是取消報名、資料保存或現場突發狀況。AI 可以幫你列出來，但無法保證找出所有盲點，它提的每一項也不一定符合你的情況。認知邊界是一張需要邊走、邊修正的地圖。
5. **倒空，是讓經驗被重新檢視**：「倒空」不是把過去全部歸零。工作中累積的經驗、觀察和價值判斷，不會因為開始用 AI 就失去意義。真正需要暫時放下的，是「我過去這樣做，所以現在一定也該這樣做」的預設。
例如一位經營實體門市多年的人想開始做線上會員經營：他熟悉顧客喜好與回購時機，也懂現場建立信任；但會員資料怎麼整理、線上訊息多久發一次、顧客怎麼從看到訊息走到下單，仍然可能是陌生問題。可以這樣問：
「我有經營實體門市的經驗，熟悉現場服務，但沒有做過線上會員經營。請先幫我區分：哪些既有經驗可以延伸，哪些事情需要重新學習，以及你還需要知道哪些資訊，才能給我適合的建議。」
倒空，是讓既有經驗可以被重新檢視；不是把自己交給另一個看似更懂的人。
6. **讓 AI 參與回答之前的「理解」**：問 AI「幫我規劃社群經營策略」，它可以列出平台、內容主題和發文頻率。但如果你還沒釐清想接觸誰、有多少時間、想讓讀者採取什麼行動，這份策略可能結構完整，卻無法真正執行。
比起要 AI 立刻交出成品，可以先請它協助整理問題：
「我想開始經營社群，但目前還沒有清楚的規劃。請先不要直接給我完整策略，而是協助我釐清目標、對象、可投入的資源與目前最大的卡點。資訊不足時，請先問我，不要自行補完。」
7. **不必每件事都追到哲學層次**：想讓對話更深入，可以連續追問三層：
1 表面問題是什麼？我目前看到的困難，是不知道發什麼內容。
2 背後的原因是什麼？我可能還沒有釐清，希望吸引什麼樣的人、想持續討論什麼主題。
3 更根本的選擇是什麼？我要經營的不是一份發文清單，而是一個能長期累積信任與觀點的位置。
第三層不一定永遠是最深的答案，也不需要每件事都追到哲學層次；但一個問題反覆出現時，往下多問幾次，常能看見被工具和操作遮住的選擇。
8. **研究對象有限：借的是思路，不是保證**：一項 2026 年 10 月發表於 IJETHE（International Journal of Educational Technology in Higher Education，DOI 10.1186/s41239-026-00632-7）的研究，讓 83 名修習電視節目製作課程的大學生，分別用自由提問或兩種具順序的「問題鏈」與生成式 AI 互動（實驗組其實有兩種不同設計的問題鏈）。使用問題鏈的組別，在學習策略與監控行為上比自由提問組更活躍；研究也觀察到後設認知與課程成績方面的差異。
限制：對象是特定課程的大學生，問題鏈是一整套有順序的教學設計，不能直接證明所有人在工作中照著問都有相同效果。
值得借用的思路：不要只問 AI「答案是什麼」，也依序問「我現在理解了什麼、還缺什麼、接下來怎麼驗證」。學習研究把這種監控自己理解程度的能力稱為後設認知，換成日常語言就是：我知不知道自己現在懂到哪裡？
9. **不是唯一正確的方法，是一個起點**：以下不是唯一正確的方法，而是一個適合初學者嘗試的起點：
1 選一件真實、範圍小的事
2 說出你目前知道的事
3 請 AI 幫你畫出問題地圖
4 逐題追問，再用自己的話重述
5 驗證後做一個小動作
10. **地圖不是結論，是接下來探索的順序**：第一步：選一件真實、範圍小的事。不要一開始就要求自己「學會 AI」，先選近期確實想做的事，例如：看懂一個陌生概念、整理待辦清單、規劃小型活動、比較兩種工作方式、找出企劃缺少的資訊。範圍越清楚，越容易知道 AI 的回答有沒有幫助。
第二步：說出你目前知道的事。不必完整，只要誠實：「我想完成＿＿＿。我目前知道＿＿＿。我不確定的是＿＿＿。我希望先弄清楚＿＿＿。」說不上來也沒關係：「我現在只知道自己卡住，但還說不清楚問題。請先幫我列出幾種可能的卡點，再透過提問協助我確認。」
第三步：請 AI 幫你畫出問題地圖，先不要急著要最終答案。請它分出：
1 哪些資訊已經足夠
2 哪些是你明確不知道的
3 哪些是目前未驗證的假設
4 還有哪些可能遺漏的問題
5 哪些需要由你、他人或外部資料確認
11. **每一輪對話，都接上真實世界的回饋**：第四步：逐題追問，再用自己的話重述。挑一個最重要的問題，請 AI 用你能理解的方式解釋，接著不看答案自己說一次：「我理解的是＿＿＿。這樣說對嗎？請指出我可能理解錯誤的地方，並提供一個例子。」如果只能重複 AI 的句子，卻說不出它和自己有什麼關係，代表還有值得繼續探索的地方。
第五步：驗證後做一個小動作。不是「建立完整會員系統」，而是先整理：
・目前有哪些會員資料
・哪些資料有權使用
・想透過會員經營解決什麼問題
・哪一項資料還需要確認
完成後再問：「我做完第一步了，結果是＿＿＿。哪些地方符合原本目標？哪些地方需要調整？下一步最值得驗證什麼？」
12. **重心從「哪個最好」移到「哪個適合我」**：以下是示意情境，不是特定人的真實對話紀錄。想建立網站，直接問「推薦我什麼工具？」，AI 會很快列出一串平台；但這個階段真正需要的，是先理解網站要承擔什麼工作。
第 1 輪（釐清目的）：請先不要推薦工具，先問我幾個問題，協助我確認網站的目的、讀者、內容類型和預算限制。
第 2 輪（找出假設）：根據我的回答，整理出我已經確定的需求，以及我以為需要、但還沒有驗證的功能。不要替我假設答案。
第 3 輪（比較方案）：依照我的需求比較幾種建站方式，每個方案說明適合條件、維護負擔、需要的能力，以及如何驗證它是否適合。
第 4 輪（驗收與退路）：如果先做一個小型原型，最少要完成哪些事？哪些操作會影響既有網站或資料？列出預覽、備份與回復方式需要確認的項目。
我自己看待 AI 協作也是這樣：人先定義需求、決定方向與驗收；AI 協助整理選項與處理實作。我先前把網站搬家時，重點也不是讓 AI 決定網站長什麼樣子，而是先釐清網站要怎麼配合工作，再保留預覽與人工確認。
13. **人定需求與驗收，AI 協助實作**：這是我自己的例子。2026 年 10 月 17 日到 19 日，我把 mkt.lot.tw 從 WordPress 搬成 AI 協作的靜態網站，用的就是前面的問法。
・我知道的：靈感、規劃、產出都放在 Notion；我想讓網站回來配合我的工作方式，少花時間管理。
・我知道自己不知道的：技術我不算專業，所以沒有先從框架、主機或功能清單開始，而是先排好三個標準：AI 協作先行、極簡輕量、整合 Notion 內容管理。
・分工：我負責定義需求、目標與驗收，AI 協助備份、搭建網站骨架與搬移內容；看到預覽後，我再依實際需求調整，上線前保留人工確認。
・還沒驗證的：上線是里程碑，不是成效證明。網站有沒有變快、管理時間有沒有變少，要靠之後的實際數字；舊站在切換時保留，10 月 22 日已刪除，現在要退回舊版本是用部署紀錄。
完整過程：我把 WordPress 網站搬成 AI 協作的靜態網站（mkt.lot.tw/wordpress-to-astro-notion-migration/）。
14. **不是標準答案，依情況刪減就好**：複製下面這段，填入目前的情況：
我想開始處理這件事：［填入你的目標或困擾］
我目前知道的資訊：［填入你已經知道的事；不知道也可以寫「尚不清楚」］
我目前的理解或猜測：［填入你的想法，並標示哪些還沒有確認］
請先不要急著替我產出完整答案，依序協助我：
1 整理我已知的資訊，以及目前缺少的重要資訊。
2 指出我的說法裡有哪些尚未驗證的假設。
3 提出我可能忽略的問題，但不要假設這些問題一定適用。
4 一次問我 2～3 個最重要的問題，幫我釐清方向。
5 根據我的回答，建議一個範圍小、可驗證的下一步。
6 區分事實、推論和建議；無法確認的地方請直接標示。
如果涉及重要數字、法規、醫療、財務或其他高風險資訊，請提醒我需要查核哪些可靠來源或尋求什麼專業協助。
15. **開放提問，和保留界線，可以同時存在**：AI 能迅速整理出看似完整的回答，我們很容易把「我看懂了」誤認為「我已經能判斷了」。但流暢，不等於正確。
美國國家標準與技術研究院（NIST）在生成式 AI 風險文件（NIST AI 600-1）中指出，AI 可能產生語氣篤定、內容卻錯誤或虛構的回答；資料隱私也是需要留意的風險。另一項 2026 年 9 月 15 日發表於 Frontiers in Psychology、針對 342 名大學生的實驗發現，在特定推理與資訊判斷任務中，加入簡短的反思提示後，接受錯誤 AI 建議的比例從 62.4% 降到 39.7%；研究也提醒結果來自有限的學術任務，不能直接推論長期學習效果。
採用前先問自己：
1 這是有來源的事實，還是它提出的推論？
2 我能不能回到原始資料，確認來源確實支持這個說法？
3 這個建議依賴哪些我還沒確認的條件？
4 如果它錯了，會影響誰？能不能修正或回復？
5 我是真的理解了，還是只是覺得它說得很有道理？
另外，把想知道的都問 AI，不等於把資料都交給 AI。個人資料、客戶資訊與商業機密，在確認工具的資料處理方式與授權之前不要直接貼上，可以先用公開或經核准的去識別化資料練習。
16. **從一個你還說不清楚的問題開始**：與 AI 協作，不只是學會讓工具替我們完成工作，也是一個重新檢查自己理解的機會：哪些是經驗，哪些是猜測，哪些只是因為過去沒有人問過，所以從來沒有想過。
不必先把所有工具學完才能開始，也不必等到問題足夠專業才有資格開口。從一件小事開始，坦白說出自己知道什麼、不知道什麼，讓 AI 協助你把問題攤開，再由你決定哪些值得繼續探索、哪些需要查證、哪些可以先做一次小小的嘗試。
認知邊界不是能力不足的證明，而是下一段學習可以開始的地方。今天就打開一個 AI 對話框，寫下：「我想處理＿＿＿，但我還不知道自己缺少哪些理解。請先幫我釐清問題，不要急著替我下結論。」

## 參考來源

- [問題鏈研究（2026）](https://link.springer.com/article/10.1186/s41239-026-00632-7)
- [NIST AI 600-1](https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf)
- [反思提示研究（2026）](https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2026.1926110/full)
- [網站搬遷實錄](https://mkt.lot.tw/wordpress-to-astro-notion-migration/)

---
mkt 營業中 × 高效狂熱研究室！
