策展筆記 Vol.5
找出問題
🗞️ 社群新知 PLAYBOOK
HUMAN 3.0 自我探索 Prompt：20 分鐘拿到你的 180 天專屬路線圖
（圖面來源：Dan Koe）
這個方法來自創作者 Dan Koe 的 HUMAN 3.0 系列。他提出一個完整 Prompt，只要丟進 ChatGPT 或 Claude，AI 就會像「發展評估師」一樣訪談你，盤點心智、身體、精神、志業四大面向，幫你找出唯一的核心問題，並生成 30/90/180 天專屬行動路線圖。對創作者來說，這比零碎建議更直擊重點。
核心概念拆解：
⇨ 四象限 × 三層級
AI 會檢測你在四個面向的狀態：
心智（Mind）：學習、思考、寫作習慣
身體（Body）：作息、飲食、運動
精神（Spirit）：價值觀、人際、意義感
志業（Vocation）：創作、事業、商業化
每個象限都有三層級：
1.0 被動：隨波逐流，缺乏主動性
2.0 設計：開始主動設計規律與選擇
3.0 整合：能讓四象限互相加乘，形成良性循環
⇨ Channel 與 Glitch
AI 會偵測兩種狀態：
Channel（心流模式）：時間感消失、靈感爆發、忍不住想記錄或分享 → 表示你正處於自然加速期
Glitch（外掛加速器）：過度依賴 AI、極端壓力、藥物 → 短期能推進，但基礎不足時容易翻車
⇨ 核心問題 + 專屬計畫
最後，AI 會：
用一句話指出你的「核心問題」
給出 24 小時內能做的一步行動
生成 30/90/180 天的專屬路線圖，避免你盲目亂試
操作示例
貼上 Prompt：打開 ChatGPT/Claude，複製 Dan Koe 的完整 Prompt，預留 20 分鐘對話。
回答訪談：AI 會針對四象限各問 3–8 題，你如實回答即可。若你的描述帶有「心流徵象」或「外掛行為」，AI 會標記為 Channel/Glitch。
取得方案：AI 會輸出 Metatype（綜合類型）、Lifestyle Archetype（生活模式）、一句話核心問題、立即可行動的一步，以及完整的 30/90/180 天路線圖。
這不是泛用的自助清單，而是一個「立即可測」的自我探索工具：20 分鐘就能抓到卡關點，並拿到個人化行動地圖。對創作者來說，這能避免盲目嘗試，把有限的時間和能量投入到最關鍵的一步。
💡 創作者觀點 INSIGHT
（圖片來源：博客園 - Florian）
很多創作者以為，要表現專業，就得把內容鋪陳得詳盡，越長越有價值。可現實卻常常相反：讀者沒有耐心，長文往往直接被跳過。於是我們陷入矛盾——既想完整表達，又怕失去注意力。
博客園作者 Florian 在其《李继刚 Lisp 提示词灵感之源：压缩推动进步》一文分享：李繼剛從「清晰表達」進化到「壓縮表達」，背後的靈感來自電腦科學家 施密德胡伯（Jürgen Schmidhuber） 的「壓縮進展」理論。
這個理論認為：當我們找到更短、更有效的方式來說明或預測資訊時，就會感到新鮮和興奮。換句話說，吸引力的本質不是「資訊越多越好」，而是「能否用更精簡的表達，讓人更快理解」。
觀點拆解：
⇨ 吸引力 = 壓縮帶來的新鮮感：隨機的東西太亂無法壓縮、重複的東西早就壓縮過，都不會有趣。真正讓人眼前一亮的，是「剛好能被濃縮成一個清晰公式或比喻」的內容。
⇨ 新奇 ≠ 隨機：真正的新奇不是天馬行空，而是在熟悉的框架裡，找到一個更簡單的規則。牛頓用三條定律壓縮了複雜的運動；「臉的對稱性」則是我們對美感的簡化規則。
⇨ 壓縮 = 辨識度：一個觀點若能被壓縮，就能被複述與傳播。「鏡子思維」「一萬小時定律」能流行，就是因為夠短、夠清楚。
行動應用：
一句話母命題：把你最新的文章壓縮成一句核心觀點，貼給朋友或讀者，觀察他能否立即理解。
70/30 配比：內容 70% 用熟悉框架承載，30% 放上你的獨到壓縮。太熟會無聊，太新則難懂。
標籤語測試：為觀點取一個 2–4 字的短標籤，並在標題、開場和圖說裡重複使用，測試是否能成為記憶點。
創作的關鍵不在於「塞進多少」，而在於能不能用更精簡的表達，讓人更快抓到重點。能持續做到這點的內容，才最容易被理解、記住與分享。
⚙️ 創作工具 TOOL
Figma Make：用文字生成互動原型
（圖片來源：Figma）
很多創作者或產品人都有 App 點子，但卡在「畫不出來」：缺乏設計背景、不會設交互，原型只能停留在腦中或紙上。這使得好點子往往無法快速測試市場。
Figma 在 2025 年 7 月正式宣布 Figma Make 全面開放。這是一個 AI 驅動的原型生成工具，只需輸入文字提示（prompt），就能在 Figma 內建立 帶有互動按鈕與狀態切換的完整原型。對創作者來說，這意味著「從想法到可測試原型」的距離被大幅縮短。
核心功能拆解：
⇨ 文字 → 原型：輸入一句需求（如「幫網球愛好者設計一個找球場和追蹤活動的 App」），AI 會自動生成介面。
⇨ 即時調整 → 美學細節：透過描述風格（字體、顏色、留白、邊角），Figma AI 會自動調 spacing、padding 與 layout。
⇨ 互動邏輯 → 自動串接：AI 不只幫你畫畫面，還能幫按鈕綁定互動狀態，生成可操作的 prototype。
應用場景：
假設你有一個「Strava for Tennis」的 App 想法：
輸入需求 → 自動生成首頁、數據追蹤與分享頁。
輸入風格提示 → 馬上換成白底＋綠字＋米色點綴的風格。
加一句「新增行事曆預訂功能」 → 自動加入互動按鈕與邏輯。
預覽、分享給團隊，或直接匯出進行開發。
Figma Make 不只是加速設計，而是壓縮了「概念 → 視覺 → 互動 → 開發」的整個流程。這讓創作者能更快測試市場反應，把有限的時間與資源花在真正有潛力的想法上。
當設計進入「文字生成」時代，門檻不再是會不會工具，而是你能否清楚描述需求。Figma Make 讓每個想法，都能更快變成可以測試的作品。
✍️ 瑞塔反思 REFLECTION
今天分享我自己在學習提詞設計遇到的問題，以及我是怎麼解決的。
在使用 AI 時，我自己也很常卡在提詞設計這個區塊裡。
我覺得難點是在於：脈絡跟思路這兩件事上。
大部分人機互動的過程裡，脈絡很容易走鐘，可能是使用方式的問題，也可能是受 AI 的回答而影響，或是使用者個人的思考方式偏差。
另一種情況是，很多人以為只要有一個「完美模板」，就能得到完美的輸出。
但實際上，很多使用者其實無法定義所謂的完美結果應該是長怎樣。
我認為這是 root cause：「不知道具體滿意的結果其實是長怎樣。」
我自己慢慢摸索的方式是：
1. 看到不錯的文章，我就餵給 GPT，請他分析架構，或是點出為什麼我覺得文章寫得很有料的原因。
再來跟 GPT 說：你幫我把這個架構，寫成 GPT 你能發揮最大效用的提示詞。也就是給你這個提示詞，你就可以把我給你的一些原始材料內容，變成一封超有料的電子報/ 一篇能拿下客戶合約的行銷提案 / 一份能讓面試官想直接發 offer 的履歷等等。
最後就是不斷測試、修改跟驗證提詞效果。
2. 當然，除了上述 AI 陪練的方式外，使用者也必須針對自己本身的任務，要先做一些功課，增加自己對任務的了解度。
回到源頭問題，我覺得提詞設計，某種程度是「使用者對某一項任務的具體滿意標準的內容設計」。
例如：
一篇好的文章應該是長這樣，所以提詞才這樣設計；
一篇能使消費者立即下單的文案應該是長這樣，所以提詞才這樣設計。
所以實際的問題應該其實是前句：一篇能使消費者立即下單的文案應該是長＿＿＿＿＿＿＿＿＿＿＿＿＿＿。