# AI 協作入門：先認識自己的認知邊界

> 如何使用 AI？新手先別急著收集工具，先看懂自己的認知邊界。整理五個步驟、四輪提問示意、可複製的提示詞範例，以及避開 AI 幻覺的查證五題，附一次網站搬家的真實案例。

來源：https://mkt.lot.tw/ai-collaboration-for-beginners/｜最後更新：2026-11-17

如何使用 AI？如果你是 AI 新手，第一步不是先收集工具、課程或上百個提示詞，而是先看見自己的認知邊界：哪裡懂、哪裡不懂、哪個判斷還沒驗證。把這些疑問帶進對話，請 AI 協助拆解問題、提出可能的盲點，再用自己的話重述、查證後做一個小動作。這篇整理新手可以直接照做的五個步驟、四輪提問示意、一段可複製的提示詞範例、採用 AI 回答前的查證五題，以及一次網站搬家的真實案例。

**適合誰：**剛開始接觸 AI、資源收了很多卻不知道怎麼開口的工作者、經營者與學習者

⚠️ 本文是新手入門的方法整理，不針對特定 AI 產品；引用的研究都有對象與任務限制，文中一併說明。資料確認日：2026-11-17。

TL;DR

AI 協作的起點，可以從一件真實想解決的事開始，不必先學完所有工具。認知邊界是你目前理解能到的位置，包含已知、已知的未知與還沒察覺的盲點；把自己倒空是暫時放下預設，不是否定經驗或全盤相信 AI。請 AI 協助釐清問題、提出盲點，再用自己的話重述與驗證；AI 的回答可能流暢但錯誤，重要事實要回到原始資料或專業人士確認。

## 為什麼學了很多 AI 工具，還是不知道怎麼開始？

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；光是 2026 年 9 月到 11 月，Google、OpenAI、Anthropic、xAI 就各自推出新一代模型。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？工具會一直換（各家新模型的說法怎麼看，可以參考 [AGI 是什麼？用 4 個問題判斷新 AI 算不算 AGI：以 Gemini 4 等 2026 最新模型為例](/is-gemini-3-agi/)），但「先弄清楚自己卡在哪」這件事不會過時。

![越看越多，反而越難開始](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-01.webp)

越看越多，反而越難開始

## 像剛進新工作：先讓一個具體問題帶路

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。

![資料收齊了，還是不知道先做什麼](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-02.webp)

資料收齊了，還是不知道先做什麼

## AI 協作的起點：先看見自己的認知邊界

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。

![先看見自己的認知邊界](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-03.webp)

先看見自己的認知邊界

## 什麼是認知邊界？先分清楚四種狀態

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。

![你的理解，落在哪一格？](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-04.webp)

你的理解，落在哪一格？

## 把自己倒空，是放下預設，不是放棄經驗

「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。

![倒空不是歸零，是先放下預設](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-05.webp)

倒空不是歸零，是先放下預設

## 與 AI 協作，為什麼不能只「問一次、拿答案」？

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。」

![答案來得快，不代表問題被理解](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-06.webp)

答案來得快，不代表問題被理解

## 從問題往下追三層

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。

![從「不知道發什麼」，追到真正的選擇](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-07.webp)

從「不知道發什麼」，追到真正的選擇

## 持續提問有助於學習？問題鏈研究給的線索

2026 年 10 月發表在《International Journal of Educational Technology in Higher Education》的一項準實驗研究，讓 83 名修習電視節目製作課程的大學生與生成式 AI 互動：對照組自由提問，兩個實驗組各用一種有順序、必須回答的「問題鏈」（[研究原文](https://doi.org/10.1186/s41239-026-00632-7)）。兩個問題鏈組的學習策略與學習監控行為都比自由提問組多，後設認知與課程成績也顯著較高；兩種問題鏈之間則沒有明顯差異。 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？

![依序提問，讓人持續參與思考](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-08.webp)

依序提問，讓人持續參與思考

## 從零開始與 AI 協作的五個步驟

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

![從零開始的五個步驟](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-09.webp)

從零開始的五個步驟

## AI 協作步驟 1～3：選小事、說出已知、畫問題地圖

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

![先說出你知道什麼，再畫問題地圖](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-10.webp)

先說出你知道什麼，再畫問題地圖

## AI 協作步驟 4～5：用自己的話重述，驗證後做小動作

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？」

![用自己的話說一次，再做一個小動作](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-11.webp)

用自己的話說一次，再做一個小動作

## 示意情境：從「我想做網站」開始，四輪怎麼問

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。

![四輪提問，從選工具走到選方案](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-12.webp)

四輪提問，從選工具走到選方案

## 真實案例：我用這套問法把網站搬家

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。切換當時舊站先保留當回退方案，確認新站穩定後，舊主機已在 10 月 22 日刪除，現在出問題改用部署紀錄退回上一個版本。

完整過程與一個月後的現況：[WordPress 搬到 Astro＋Cloudflare Pages：三天切換的過程與一個月後的現況](/wordpress-to-astro-notion-migration/)

![技術不熟，我先問需求，不先問工具](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-13.webp)

技術不熟，我先問需求，不先問工具

## 給初學者的 AI 協作提示詞（可直接複製）

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。

![一段給初學者的提示詞](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-14.webp)

一段給初學者的提示詞

## AI 回答流暢不等於正確：採用前的查證五題

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 風險文件中指出，AI 可能產生語氣篤定、內容卻錯誤或虛構的回答，也就是常說的「AI 幻覺」；資料隱私也是需要留意的風險（[NIST AI 600-1](https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf)）。另一項 2026 年 9 月發表在《Frontiers in Psychology》的實驗，分析 342 名大學生做推理、資料解讀與資訊可信度判斷的選擇題：直接參考 ChatGPT 的組別，接受錯誤建議的比例是 62.4%；看完 AI 回答、作答前先回答三個反思問題的組別，降到 39.7%，而且沒有因此連正確建議都拒絕（[研究原文](https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2026.1926110/full)）。研究也提醒，對象來自單一大學、任務是有限的學術題目，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。

![採用 AI 建議前，先問自己五題](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-15.webp)

採用 AI 建議前，先問自己五題

## 結語：認知邊界，是下一段學習的起點

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。」

![認知邊界，是下一段學習的起點](https://media.lot.tw/publish/ai-collaboration-for-beginners/20261117-013530-71b0/step-16.webp)

認知邊界，是下一段學習的起點

## 下一步：從會問，到把 AI 放進工作流程

練習幾次之後，下一個問題通常會變成：哪些工作可以固定交給 AI、要給它多少權限、出錯時誰接手。這已經是流程與把關的問題，可以接著看 [AI 協作與治理：用 80/20 法則抓大放小](/ai-collaboration-governance-80-20/)。

**延伸閱讀**

-   會問之後，想把 AI 放進每週重複的工作、決定權限與誰把關：[AI 協作與治理：用 80/20 法則抓大放小](/ai-collaboration-governance-80-20/)
-   看一次真實的 AI 協作專案怎麼分工、怎麼驗收：[WordPress 搬到 Astro＋Cloudflare Pages：三天切換的過程與一個月後的現況](/wordpress-to-astro-notion-migration/)
-   新模型一直出，怎麼判斷官方說法、要不要換工具：[AGI 是什麼？用 4 個問題判斷新 AI 算不算 AGI：以 Gemini 4 等 2026 最新模型為例](/is-gemini-3-agi/)

### 互動版：一張一張看重點

也可以用互動版快速瀏覽每個重點。

[互動教學**AI 協作入門：先認識自己的認知邊界**16 個步驟 · 約 4 分鐘▶ 開始體驗](https://guide-mkt.lot.tw/play.html?g=ai-collaboration-for-beginners)

### 參考來源

-   [Lin 等：Effects of question-chain prompting on self-regulated learning, metacognition, and achievement in a generative AI environment（International Journal of Educational Technology in Higher Education，2026-10）](https://doi.org/10.1186/s41239-026-00632-7)
-   [Ren：College students' metacognitive awareness of generative-AI reliance（Frontiers in Psychology，2026-09-15）](https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2026.1926110/full)
-   [NIST AI 600-1：Generative Artificial Intelligence Profile](https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf)

## FAQ

完全沒有 AI 基礎，也能開始和 AI 協作嗎？

可以。先選一件低風險、容易檢查的小事，描述你的目標與目前卡住的地方，請 AI 用初學者能理解的方式陪你釐清，不需要先掌握所有專有名詞。

不會寫提示詞，AI 還聽得懂嗎？

可以先用一般語言說明你想做什麼；回答不符合需求時，再補充背景、限制和希望的結果。提示詞技巧有幫助，但不必等到熟練才開始對話。

怎麼知道 AI 說得對不對？

先要求 AI 區分事實與推論，再核對原始文件、官方資料或其他可靠來源；涉及高風險決策時，依情境尋求專業協助。AI 提供的來源本身，也要確認真實存在且支持原本的說法。

既然 AI 會出錯，為什麼還要請它幫忙找盲點？

因為它能提供另一個角度，整理可能遺漏的問題；但列出的內容只是待檢查的線索，不是完整清單或已驗證的事實，真正的價值來自後續的判斷與驗證。

課程和專家推薦的 AI 工具還值得學嗎？

值得，但不必把收集當成起點。先從一個真實問題出發，再選擇能幫助你解決問題的課程、工具或方法，比較容易判斷投入是否符合當下需要。

AI 幻覺是什麼？新手怎麼避免被錯誤答案帶著走？

AI 幻覺是指 AI 用很篤定的語氣，給出錯誤或憑空捏造的內容，例如不存在的數字、法規條文或參考資料。新手可以先請 AI 區分事實、推論與建議，標出不確定的地方，重要內容一律回到原始資料核對；採用前用文中的查證五題問自己一次。