外觀
描述—辨別循環：讓 AI 越來越懂你
💬 Alex 碎碎念
你有沒有遇過這種情況？第一次和 AI 合作不太順，但第三次、第五次之後，感覺越來越好用？
簡單來說：這不是 AI 在學習，是你在學習。這堂課把 4D 框架的最核心兩個 D 串起來，並給你一個真實成效案例 — Alex 自己驗證過的「25 分鐘降到 4 分鐘」。
第一次沒做好或是聽不懂，代表你是正常人！
🎯 學習目標
📚 Know (知道)
- 了解描述（D2）與辨別（D3）如何同時運作、互相餵養，形成持續改善的學習循環
- 能說明為什麼「單次好 prompt」不如「多輪 DD-loop」更能積累能力
🛠️ Use (使用)
- 能夠同時應用描述三維度（情境／任務／限制）和辨別三階驗證（結果／推理／互動），在同一輪互動中完整走完 D2→D3→修正描述的閉環
🚀 Do (實作)
- 拿一個真實工作任務，完成至少兩輪 D2↔D3 循環，並記錄每輪「哪個描述維度讓辨別結果改善最多」
- 完成後能說出：你的提示詞在哪個維度最薄弱
🔧 Manage (管理)
- 建立個人提示詞庫初稿，每筆記錄格式包含：任務類型、有效提示詞、適用情境、辨別後發現的限制
- 知道 DD-loop 的停損點：當第三輪後結果仍沒改善，通常是委派決策（D1）需要重新評估，不是再改提示詞
📋 流程
描述—辨別循環是什麼？
這是把 4D 框架中最核心的兩個 D 連接在一起：
- 描述（你告訴 AI 要做什麼）
- → AI 產出
- → 辨別（你評估 AI 的結果）
- → 修正描述（根據評估調整提示詞）
- → 更好的描述 → 更好的 AI 產出
這個循環可以重複多次，每次你都能從中學到：
- 哪種描述方式對這類任務最有效
- 這個 AI 的強項和限制在哪裡
- 如何在下次更快拿到想要的結果
真實案例 — 4D 走完到底能省多少時間？
::: stats cols=3
- value: "25→4" unit: 分鐘 label: 寫信時間（每封 email）
- value: "85" unit: "%" label: 時間節省比例
- value: "3" unit: 個 label: voice profile（對主管／對客戶／跨部門） :::
我在 Cloud-F1 寫客戶月報的真實案例：
第一步（委派 Delegation） 決定哪些信類型適合資產化：週報、跨部門協作、客戶提案、會議 follow-up、壞消息傳達。
第二步（描述 Description） 建 3 個 voice profile（對主管 ／ 對客戶 ／ 跨部門）+ 5 個 Skills，寫進 Claude Project knowledge。
第三步（辨別 Discernment） 每寫一封信，看 output 哪裡跟期待不一樣，回去修 voice profile。每修一次，下次的 baseline 就提高。
第四步（盡責 Diligence） 信寄出前自己再讀一遍，確認沒有 AI 味（沒有「賦能」「打造」「全方位」「無縫」）。
結果：寫信時間從 25 分鐘降到 4 分鐘。
這不是因為 prompt 寫得多神，是因為描述—辨別循環跑了夠多輪。
重點來了 — 不是技術難，是流程分析難
我跑過好幾個自動化案子。技術從來不是問題，問題永遠在「這個任務到底要拆成幾步」「哪一步用 AI 最划算」「驗收標準怎麼定」。
所以這個循環的價值不是「學會 prompt」，是「強迫你每一輪都把問題想清楚」。
完整工作流程示範
選一個真實工作任務： 例「準備下週向主管報告的進度簡報」
Step 1：委派分析（Delegation）
- 哪些部分交給 AI？（生成初稿、建議結構）
- 哪些自己來？（加入實際數字、調整策略重點）
Step 2：第一輪描述（Description） 寫出包含三個維度的提示詞，交給 AI
Step 3：評估輸出（Discernment） 用三維辨別清單評估 AI 的輸出：
- 結果是你要的嗎？
- 推理過程合理嗎？
- 互動體驗好嗎？
Step 4：修正描述 根據辨別發現的問題，修正提示詞
Step 5：驗收與使用（Diligence）
- 確認準確性
- 掃 AI 味禁用詞
- 決定是否需要揭露 AI 參與
建立你的提示詞庫
當你找到一個有效的提示詞，把它存起來。格式建議：
- 任務類型：（例：週報初稿）
- 有效提示詞：（你的提示詞）
- 適用情境：（什麼時候用這個）
- 注意事項：（這個提示詞的限制）
課程結語
你已經學完了 4D 框架的全部內容：
- 委派：先想清楚，再交給 AI（叫小弟原則）
- 描述：說清楚你要什麼（資產化、不要每次重打）
- 辨別：不盲目接受，主動評估（三階驗證，不能 LGTM）
- 盡責：對使用 AI 的結果負責（建禁用詞表，去 AI 味）
AI 流利度不是一個學完就結束的技能，而是需要持續練習和調整的能力。每一次你使用 AI，都是在提升自己的流利度。
什麼情況 DD-loop 不適用？
這個循環很有用，但不是萬能的。以下情境建議先不要套用：
- 一次性快速任務：只用一次、結果無所謂的查詢，跑循環反而浪費時間
- 答案明顯的查詢：「今天幾號？」「這個公式語法是什麼？」不需要評估和修正循環
- 你完全不熟的領域：辨別需要你有判斷力，如果你對這個領域一無所知，第三步辨別會失效
- 時間緊迫的緊急任務：多輪循環需要時間成本，趕 deadline 時先用「夠好的結果」，之後再優化
這些邊界不代表循環沒用，而是讓你知道把時間投在哪裡最划算。
::: cta icon=🚀 如果你覺得可以，試試看把這門課的某一個工具，用在你明天的工作上。
不用一次學完，慢慢來比較快。 :::
✅ 確認清單
- [ ] 完成一個真實工作任務的完整 AI 協作流程
- [ ] 建立個人提示詞庫的初稿（至少 2-3 個有效提示詞）
- [ ] 能用自己的話說明描述—辨別循環的意義