一把可以開很多扇門的鑰匙：我在凱旋醫院講的 AI 心法

本文原發表於《Vista 電子報》No.118（原文連結）。

Hi，我是 Vista。

前幾天，我應高雄市立凱旋醫院之邀做了一場三小時的線上分享，主題是「用 AI 打造萬用金鑰」。臺下大多是醫師、護理師、藥師、社工和行政同仁——一群每天被文書、報告、會議追著跑的人。

這篇文章，我把那場講座最核心的部分濃縮給你。我們不談高深技術，只談一件事：怎麼讓 AI 從一個工具，變成一個愈來愈懂你的數位分身。

你一天花多少時間在打字與文書上？

我們平常不會刻意估算，但加起來其實很可觀。國外有調查說，知識工作者每天光是處理 E-mail 和文書，就佔掉 28% 的時間——換言之，每週幾乎有一整天的時間耗在這上面。

Google 臺灣前董事總經理簡立峰博士有個建議，我很認同：把每天工作的 30% 高度自動化，交給 AI 去處理那些無聊、重複的流程，把時間挪去做更重要的事。 請注意，他說的是人人，不是只有 AI 人才；而且不是全部外包，而是把重複的丟給 AI，需要判斷的留給自己。

搜尋引擎幫你「找到」資料，生成式 AI 幫你「處理」資料

我這兩三年從北到南教 AI，發現很多人到現在還把 ChatGPT 當成另一個 Google 在用。

嗯，這其實很合理，因為我們是跟 Google 一起長大的。但我想提醒大家，這兩者在本質上有所不同：

搜尋引擎可以幫你「找到」資料，生成式 AI 能幫你「處理」資料。

要查明天的天氣、哪裡好玩，請你問 Google；要它幫你想企劃、起草、摘要或改寫，才交給 ChatGPT。用對場景，才用得順。

順帶說一句鼓勵的話：生成式 AI 從 2022 年底問世到現在才三年多，若以人類歷史的尺度看，現在開始學都還算是早期採用者。 大多數人還在觀望，或只會用很簡單的提示詞——所以現在好好學，正是吃紅利的時候，一點都不晚。

把 AI 養成一個愈來愈懂你的數位分身

如果你只把 AI 當工具，每次都要從頭教它一遍；但如果你把它養成貼身的助理，它會愈用愈懂你。

「數位分身」這個詞來自製造業——工程師會幫一臺機器做一個一模一樣的數位版本，先在虛擬世界測試。借用這個概念，我們每個人也能養一個數位版的自己：它懂你的語氣、記得你交代過的事、知道你的工作內容。

同樣一個 ChatGPT，它可以扮演三種角色：

• 助手：聽你發號施令，把雜事辦好（週會組織稿、翻譯文獻、改錯字）。
• 教練：幫你挑漏洞、想點子、補盲點。我最近用一個「會訪談我的 AI 教練」，靠它一問一答，完成了新書的第一章——而我已經寫過二十多本書了。
• 分身：不只幫你寫完文章，而是寫出有你風格的文章。

養分身就像養盆栽，不必一次到位。記住一句話：先求有，再求好；先完成，再完美。

先練熟這三把鑰匙：ChatGPT、Claude、NotebookLM

全世界 AI 工具超過五萬套，但你不必都學。先練熟這三把，其他自然觸類旁通：

• ChatGPT｜最全能、最多人用的入門首選。寫作、問答、畫圖、語音都行，影像能力越來越強（現在畫圖幾乎不會再有六根手指或亂碼中文字了）。
• Claude｜長文、推理、圖表、寫程式的好手。一次能寫到兩萬多字（幾乎是三分之一本書），讀長報告、畫流程圖特別強。
• NotebookLM｜有憑有據、不亂掰的研究筆記本。它只根據你上傳的檔案回答，而且每個答案都附上出處，點一下就回到原文。把十篇論文丟進去，它還能做成 10 分鐘的男女對談語音摘要，讓你通勤時用聽的。對要讀大量文獻的人來說，這是神器。

怎麼搭配？草稿發想用 ChatGPT、查證用 NotebookLM、長文用 Claude。工具天天改版，但心法不變——學會怎麼問、怎麼餵資料、怎麼把關，換什麼工具都難不倒你。

重點不在工具，在你怎麼問：RTCF 心法

同樣一個工具，為什麼有人用得很厲害？重點不在工具，在你怎麼問。 把 AI 想成一位剛報到的新同仁——你交代得愈仔細，它做得愈到位。問得馬虎就答得敷衍，問得清楚就答得漂亮。

給你一個可以記下來的框架——RTCF：

• Role 角色：請它「從這個角色的角度思考」（重點不是扮演誰，是站在那個立場在乎什麼）
• Task 任務：要它做什麼
• Context 脈絡：給足背景、對象、限制
• Format 格式：長度、結構、輸出成什麼檔

再加三個關鍵動作：給範例（丟一張參考海報，並說明要參考它的排版還是配色）、要它分步驟想（複雜任務先列思考過程再給答案）、持續追問（拿到第一版別照單全收，追問是高手的日常）。

一次寫好「你是誰」：用 AI 人格產生器

在 ChatGPT 或 Claude 的後臺設定裡，你可以一次性寫下「你是誰」——職務、專業、服務對象、慣用語氣。設定好，它就永久記得，你不必每次都重打「我是凱旋醫院的護理師……」。

但很多人對著空白欄位會愣住。所以我上週做了一個小工具——AI 人格產生器，花 5 到 10 分鐘跟它對話，它就幫你產出一份人設，複製貼回後臺即可。

👉 lab.vista.tw/persona

這 10 分鐘，是讓 AI 真正懂你最划算的投資。

你的工作可以怎麼用？幾個一試就有感的場景

講完心法，現場同仁問得最多的，其實是「那我的工作能怎麼用？」我整理了幾個一試就有感的場景——雖然舉的是醫院的例子，但你會發現，多數職場工作其實都通用：

• 行政文書與通知：「B 棟電梯保養、暫停使用」要寫公告或做成海報？用 RTCF 描述一下，AI 十分鐘給你有模有樣的版本，你負責把關就好。
• 會議記錄與簡報：把逐字稿（或錄音 MP3）丟給 AI，請它整理成決議事項、待辦事項，再轉成簡報大綱、逐頁補重點。原本要搞一個下午，現在一小時搞定。
• 衛教文案與海報：把醫學術語「中翻中」翻成白話，做一張「好好睡覺，不必硬撐」的單張海報。我昨天用 AI 做了一張，有圖有文、兩分鐘完成（內容仍請專業同仁確認）。
• 讀文獻、報告：長篇 paper、看不懂的英文報告，丟進 NotebookLM，抓重點、寫摘要、附出處、生成懶人包。
• 表格與 Excel：「B 欄大於 140 時，C 欄顯示『偏高』」，AI 直接幫你寫好公式、解釋每段意思，貼回 Excel 就能用。
• 排班、教育訓練、內容再利用：AI 沒有人情包袱，能先排一份大家都服氣的班表草稿；一篇文章還能一鍵轉成臉書、Instagram 或電子報等不同格式（所謂「一魚多吃」）。

一個小案例：護理師小芳下班前被交辦做一張睡眠衛教海報。她用 RTCF 請 AI 設計——對象是長期失眠的長輩、識字不多、用口語、約 300 字；覺得太長就追問「每欄只要三點」，再請它「配一張長輩在昏黃燈光下安穩入眠的插圖」。十幾分鐘搞定，最後仍請學姐確認內容才送出。重點在於：角色與對象一次講清楚、不滿意就追問迭代、但不必砍掉重練。 這就是人機分工——AI 做大多數，人做最後把關。

工具愈強，把關愈珍貴：三條紅線

工具愈強大，你的把關就愈珍貴。尤其在醫療場域，一個小疏忽影響的是病人權益。三件事請務必記得：

1. 去識別化：病患姓名、病歷、影像、院內機密，絕對不能貼到公開 AI。改用代稱（「個案 A、45 歲女性」），有疑慮就自己手動處理。記住——丟給 AI 的東西，是拿不回來的。
2. 小心幻覺：AI 會「一本正經地胡說八道」，它生成的是「最像答案的文字」，不是在查核事實。數字、法規、條文最容易出錯。把它當成「很會講的實習生」，不是教科書。
3. 人做最終決定：AI 可以做大多數前置作業，但查證、定稿、負責，都是我們自己。

四週上手計畫

聽完容易，動手才算數。如果你想真的把 AI 變成分身，可以這樣安排學習計畫：

• 第一週・破冰：註冊一個 ChatGPT 或 Claude，每天問它一個工作上的問題。
• 第二週・心法：多練 RTCF，開始把好用的提示詞存成自己的模板庫。
• 第三週・設定：去後臺寫好你的「個人化設定」（不會寫就用 AI 人格產生器），同時開始用 NotebookLM。
• 第四週・落地：挑一個日常場景，真的用 AI 完成它——會議彙報、簡報、衛教海報都行。

每天花五到十分鐘就好。看起來很難的東西，其實都沒那麼難。

如果只記得三件事

• 一個觀念：AI 是你能力的延伸，好好互動，它會變成懂你的數位分身。
• 一套心法：RTCF——角色、任務、脈絡、格式。
• 一條紅線：去識別化、內容求證、由人拍板。

讓 AI 去處理那些重複的事，我們專心去做只有人能做、最有價值的事——這就是「萬用金鑰」真正的意思。我們很難一夜變成高手，但只要每天比昨天進步一點點，就很棒了。

---