Andrej Karpathy 認為 99% 的 AI 用戶都忽略了 7 個基礎要點，我為你詳細拆解。

OpenAI 共同創辦人。史丹佛教授。當今最具公信力的工程師之一。他不用什麼秘密提示詞。他用的是系統。

以下是他的 7 個實際技巧——不誇大，不廢話。

想像一下這個場景。

晚上 11 點。你已經在同一個 AI 聊天視窗前盯了兩個小時。你用六種不同的方式重新表述了同一個請求。你試過禮貌、直接、具體、模糊。你還從 X 平台上某個傢伙那裡複製貼上了三個不同的「魔法提示詞」，他發誓他的模板能讓 Claude 「聰明 10 倍」。

但結果沒有一項符合你的預期。輸出的內容要不是太籠統、結構錯誤，就是充滿自信地搞錯了——而你二十分鐘前才在同一段對話裡告訴過它這件事。

你關掉分頁，打算明天再試。也許換個模型，也許換個提示詞，也許你只是還沒學會怎麼用。

殘酷的事實是：問題多半不在模型，也絕對不在提示詞。

當大多數人在無止盡地調整措辭、尋找完美指令，或購買又一套「AI 生產力課程」時——有一小群人早就默默發現：問題從來就不是提示詞。

問題是提示詞周圍的一切。

上下文、記憶、結構、工作流程。

Andrej Karpathy 就是其中一員。而且跟 AI 領域的多數意見領袖不同，他有實績：OpenAI 共同創辦人、前 Tesla AI 負責人、史丹佛教授——他親手建造了那些其他人想用花俏提示詞來「破解」的系統。

他思考這個問題的時間比幾乎所有人都長。而他得出的結論，事後看來理所當然，卻在實務上幾乎完全被忽略。

他不用什麼魔法提示詞。他建立基礎架構。

七個習慣、幾個簡單的檔案、一個特定的工作節奏。就這樣。

以下是他實際的做法——以及每個環節為什麼重要。

技巧 1：忘掉魔法提示詞。問題幾乎總是缺少上下文。

從 2022 年開始，「提示詞工程大師」就主宰了 X 和 Instagram。

他們傳達的訊息是：學會正確的咒語，模型就會聽話。

Karpathy 不同意。大多數人反覆迭代一百次還是得到糟糕輸出的真正原因是什麼？他們完全忽略了上下文。

他的實際公式：

• 寫一個標準、清晰的請求
• 總是附上一個具體範例，說明什麼是好的輸出
• 貼上完整的錯誤訊息或完整的背景——絕不擷取片段

不要為了「節省上下文視窗」而刪減你的程式碼或文字。當模型得猜測缺少的部分時，它總是會猜錯。每一次都是。

沒有任何秘密指令能自動把你的背景知識傳送到模型腦袋裡。你必須寫出來。

技巧 2：你的 CLAUDE.md 很可能很爛。現在就去檢查。

你是從別人的模板複製過來的嗎？你是讓 Claude 自己幫你寫的嗎？如果是，那這個檔案對你一點幫助都沒有。

你的主要設定檔必須清楚說明五件事：

• 你是誰
• 這個專案是什麼（大致框架就好）
• 哪些東西不要碰
• 檔案命名規則
• 回覆格式

幾乎每個人都有這個檔案。但幾乎沒有人把它設定正確。

在你責怪模型「很笨」之前——先去讀讀你自己給它的指示。

如果你只使用瀏覽器版的 AI 工具？你還是需要這個。設定一個固定的簡要說明。同樣的道理。

技巧 3：建立三層系統。不要再每次都從零開始。

Karpathy 的流程：

• /raw – 你的原始素材，直接丟進去
• /wiki – 由模型撰寫並維護的結構化頁面
• CLAUDE.md – 你的固定運作原則

新的來源資料進來 → 丟進 /raw → 告訴模型去處理。

這樣每天可以省下 30 分鐘，而且效果會持續累積。

如果你的專案壽命超過幾天，而你每次開新對話都要重新解釋一切——那不是工作流程，那是循環迴圈。

技巧 4：每次得到好的回答——就永久儲存它。

預設習慣：得到一個很棒的回覆，複製結果，關閉分頁，然後忘記。Karpathy 說這樣會悄悄扼殺你的長期生產力。模型需要參考資料。

每次得到有價值的回覆後：

「將這個儲存為永久頁面：wiki/topic/.md」

然後定期檢查你的筆記，找出重複、衝突和過時的資訊。

跳過這一步，你最好的 AI 輸出就會悄悄淹沒在聊天記錄裡。你會花好幾個小時在那些你已經解決過的任務上。

技巧 5：任何持續超過一週的專案——都加上 index.md 和 log.md。沒有例外。

兩個檔案。兩個目的：

• index.md – 所有內容的地圖
• log.md – 持續更新的變更記錄：日期 | 類型 | 描述

範例：28-05-2026 | 摘要 | 客戶訪談整理

如果你每天用 AI 寫程式 1–2 小時，兩個星期後你真的會不記得第三天做了什麼。這兩個檔案就是你的記憶層。

技巧 6：AI 是一個才華洋溢但品味極差的實習生。就用這種方式對待它。

Karpathy 的比喻：AI Agent 是「擁有龐大知識的超級實習生，但會不斷產生幻覺，而且對程式碼完全沒有品味」。你需要緊緊牽著牠。

他的實際工作循環：

• 載入完整上下文
• 要求針對下一個小步驟給出 2–3 個選項
• 選一個
• 評估、測試、提交
• 重複

絕對不要叫它一次做完所有事。那樣你會得到 500 行完全無法除錯的爛程式。

技巧 7：一句話就能讓所有研究提示詞的可讀性提升 10 倍。

在任何分析或研究提示詞的結尾加上這句話：

「將你的最終回覆結構化成一個獨立的 HTML 檔案。」

AI 模型能在幾秒內將任何內容轉換成乾淨、易於瀏覽的 HTML。閱讀時間會大幅下降。你只需要花一句話。每次都這樣用。

奇怪的是什麼呢？

這些技巧沒有一個是秘密。沒有一個需要付費訂閱、特殊工具或 40 小時的課程。一旦你看到它們，全都顯而易見。當然模型需要完整的上下文；當然你應該儲存有效的東西；當然專案需要地圖和記錄。

但——現在回去看看你實際上是怎麼使用 AI 的。老實說。這七件事你在今天的工作流程裡做到了幾項？

大多數人都處於一種奇怪的狀態。他們相信 AI 很強大——他們看過它做出令人驚嘆的事情——但到了自己手上卻老是表現不佳。於是他們認為差距來自於模型、提示詞，或是某種他們還沒找到的內行知識。他們花好幾個小時尋找訣竅，而不是花二十分鐘打好基礎。

Karpathy 整個訊息就是：差距與魔法無關。它關乎記憶、結構和逐步推進。給模型完整的畫面，儲存它建造的東西，以小型、確定的步驟工作。模型不是瓶頸——你的工作流程才是。

在未來兩年內，那些能從 AI 中獲得巨大效益的人，不是找到最佳提示詞的人。而是圍繞模型建立最佳系統的人——即使只是簡單的系統。一個 /raw 資料夾、一個 /wiki、一個正確的 CLAUDE.md、兩個 Markdown 檔案，以及一個工作循環。

這就是全部的優勢。小到幾乎令人難為情。但幾乎沒有人在做。

回頭看看文章開頭的故事。那個晚上 11 點，沮喪地關掉分頁的人——那不是關於爛 AI 的故事。那是一個關於工作流程沒有記憶、沒有結構、沒有逐步循環的故事。模型早就準備好要幫忙了，只是它不夠了解自己在幫什麼忙。

現在你知道該建立什麼了。從一個檔案開始。一個資料夾。一個儲存下來的回覆。這個系統會快速累積。

重點整理

別再調整提示詞了。開始建立基礎架構。一個正確的設定檔、一個 /raw 和 /wiki 的結構、永久參考頁面、長期專案的 index 和 log 檔案、小步驟的工作循環，以及一個 HTML 小技巧。模型不再瞎猜——而是真正開始幫你。優勢不是秘密。它是一個系統。而且大概花一個下午就能設定好。

如果這篇文章對你有幫助——請把它加入書籤。你會想回來看的。

追蹤 @ScottyBeamIO 以獲得更多這類深度解析。

不廢話，只講真正有用的東西。