客製 AI 機器人

這一章會走三個層次

先從一個最簡單的情境說起：你想理解一件事

可能是「汽車到底是怎麼運作的」、「半導體的原理是什麼」、「為什麼飛機那麼重還飛得起來」。這時候你打開 ChatGPT 或 Gemini，直接把問題丟進去，它就會給你一段解釋。這是 AI 最基本、最直覺的用法——把它當成一本會回答問題的百科全書。

但問題來了：很多時候它的回答太硬、太專業

塞滿術語，看完還是一頭霧水。「PN 接面」、「載子遷移率」、 「能帶間隙」——這些字一個個都認識，但連在一起完全不知道在說什麼。這時候你需要的不是「正確答案」， 而是「能讓你聽懂的講法」。

奇妙的事情發生了

於是你會加一句：「請把我當作 10 歲的小朋友來解釋」。 同一個問題，這次它用比喻、用故事、用生活裡看得到的東西來說明， 瞬間就懂了。這是「加角色設定」的用法：你告訴 AI 要用什麼身份、對誰說話，回答的品質就會完全不一樣。

角色設定可以更具體

「10 歲小朋友」只是入門範例。同一個問題，換不同的角色身份就會得到不同切角——選哪一個取決於你需要什麼角度的答案。

除了「對誰說話」，還可以告訴 AI「用什麼風格說」

同一個半導體，用幽默的口吻講像在說笑話、用專業的口吻講像在寫教科書、用溫暖的口吻講像朋友在跟你聊天。角色設定決定 AI 的身份與對象， 風格設定決定 AI 的語氣與口吻——兩個搭配起來，回答的「質感」完全不一樣。

風格不只「幽默 / 專業 / 溫暖」三種

風格選擇直接影響讀者願不願意讀完——同一份內容用錯風格， 就算寫得再精確也沒人想看。下面六個是實際做行銷或內容創作最常用的風格詞：

把會變的部分挖成變數

當你發現「把我當作 10 歲小朋友」、「用幽默的方式」這些句子對任何主題都會用到，自然會想到：把會變的部分挖成變數。固定的句型留下來，每次只換中間那塊 「想了解的概念」、或是「想要的風格」就好——這就是「挖洞做模板」。

但這裡有個讓人煩躁的地方——每次都要重貼一遍。

下一次你想理解別的東西，又得重新貼一次這個模板。問十個問題就要打十次、問一百個就要打一百次。每次都要記得加，忘了加它就會立刻切回「教科書語氣」。

能不能有一個機器人，預設就會用我要的方式回答？

我打開它、直接丟問題，它就自動用我要的方式回應，不用我每次提醒？答案是可以——這個東西在 ChatGPT 裡叫做 GPTs，在 Gemini 裡叫做 Gem。

把每次都要交代的背景設定一次寫好、存成一個專屬助手。

之後你只要打開它，直接問問題、收結果——背景已經自動帶入了。 打開的瞬間，AI 就知道「你是誰」、「對方是誰」、「該用什麼口吻」、「該回答什麼層級的內容」。

剛剛的「兒童版家庭教師」只是最入門的例子

告訴 AI 一個身份就結束了。真正讓客製機器人發揮價值的，是有固定流程、有規則、需要每天重複做的工作。最典型的就是 E-mail 回覆：每封信都要判斷對方意圖、決定語氣、檢查日期金額有沒有錯、 最後寫出一封專業的回信。

不只設定角色，還要規範流程與格式

這次的指令就比前面複雜很多——它不只設定角色，還要規範工作流程、回應格式、甚至如何主動問你需要的資訊。 下面這份指令我們會拆成兩頁來看，最後可以整段複製貼到機器人的「指令」欄位使用。

前半段：定義角色 + 規範工作流程

這一段做兩件事：先用 [Role] 把 AI「定型」成資深祕書，再用 [Workflow & Rules] 規定它遇到資訊不全要主動問哪四件事，以及產出時必須遵守的撰寫準則。

後半段：固定輸出格式 + 開場引導

[Response Template] 把輸出格式鎖死——每次回覆長一樣， 複製貼上 Outlook / Gmail 不用再整理；[Greeting] 設計開場白，機器人一打開就主動引導你，不用每次想「我該給它什麼」。

仔細看會發現這份指令做了四件事

把剛剛兩頁的指令拆開來看，每一段都對應一個明確功能——這也是四段式 System Prompt的標準寫法，未來不管你要做哪種機器人，都可以套這個結構。

這就是「比兒童家庭教師更進階」的地方。

以前只是換個語氣——把 AI 從專業教授變成幽默叔叔；現在是把一整套工作 SOP 寫進 AI 裡面——連「該問什麼」、「該檢查什麼」、 「輸出該長什麼樣」都一次規範好。

設定好之後，要怎麼用？

最簡單的方式：找一封真實會收到的信，貼進去看看機器人會怎麼幫你回。 下面那一頁是模擬的課程邀約信——你可以把它整段複製，貼到剛剛建好的對話框， 看看它會問你什麼、會生出什麼樣的回信草稿。

把這封信整段複製，貼進你的機器人試試

這封模擬信刻意安排了容易被忽略的細節——日期 11/05、上課時間 11/15 14:00、上限 80–120 人——看機器人會不會主動提醒你檢查，這是測試品質的好方法。

當你把這封信貼給機器人之後

它會先依照 [Greeting] 的設計，反問你幾個關鍵問題——這就是 Workflow 規則發揮作用的地方，避免直接寫出不符合你意圖的回信：

回答完三個問題之後

機器人會輸出一份結構完整的回信草稿——連主旨、稱謂、結尾署名都幫你寫好， 並且還會提醒你檢查「日期 11/05」「上課時間 11/15 14:00」 這些容易出錯的數字。

看完前面兩個範例，現在輪到你了

找一件你最近一直在重複做、而且每次規則都差不多的事，把它做成一個機器人。 「規則差不多」是關鍵——一次性的任務不適合，重複性的工作才是甜蜜點。

下面這幾個，都是學員回去就立刻在工作上用的

這六個案例都有共通點——每週至少做一次、每次規則差不多、做完都有固定的輸出格式。 從這幾個方向挑一個你最有感的，比自己從零想新題目快很多。

六個方向，挑一個最有感的

挑好方向之後，請出指令生成助手

我準備了一個叫做 Gem Architect 的「專門用來生成指令的機器人」——你只要告訴它你想做什麼樣的助手， 它就會依照前面 E-mail 助手那樣的四段式結構（Role / Workflow & Rules / Response Template / Greeting）， 幫你產出一份可以直接貼回去使用的 System Prompt。

跟它對話幾輪，把指令磨到滿意

拿到指令、貼進新機器人之後

立刻丟一個真實案例給它測試——看看它問的問題是不是你期望的、輸出格式有沒有對、有沒有亂承諾或亂猜。 不對的地方就回去微調指令，再測一次。通常來回 3 到 5 次， 你的機器人就會穩定到可以每天用。

三個新手常踩的坑

做出來的機器人不夠好用，八成不是 AI 笨，是指令沒寫好。 這三個坑是學員第一個機器人最常踩的——知道後可以直接避開，省下好幾輪 trial-and-error。

做出來只是開始，維護才是長期效益

做完一個機器人之後，記得定期回頭看它——因為你的工作流程會變、 業務內容會變、客戶語氣會變。一個半年前做的機器人可能已經跟現在的需求不太貼合了。

一週做 3 個機器人，一個月你就有 12 個專屬助手在背後幫你工作。

這個複利效應很驚人——每一個機器人都是把你大腦的某段邏輯外包出去。 12 個機器人等於 12 段你不用再親自思考的流程。

整章的精華濃縮成三件事

這三層是遞進的——角色 / 風格是 Prompt 入門，模板讓 Prompt 可重複， 客製機器人讓重複的 Prompt 自動化。走完這條路，你跟 AI 的合作從「每次都要解釋」變成「打開就會做」。

找一件你最常重複做的事，今天就把它做成一個機器人——明天起每天都能省 10 分鐘。

別把這章的內容當「知識」收進腦袋——做出一個能用的機器人，才算真的學會這一章。打開 Gem Architect， 挑前面六個學員方向裡最像你日常的那個，10 分鐘做出來，今晚就開始用。