UI/UX 設計師 14 個 ChatGPT 指令：全面加速

想像一下：禮拜一早上九點，你接到一個新專案，客戶丟來一句「我們想做一個比較有質感的官網，UX 要好一點」。然後就沒了。你盯著這句話，心裡很清楚，所謂「UX 要好一點」可以解讀成一百種意思。

這種時候，多數設計師會打開 ChatGPT，輸入「幫我設計一個有質感的官網」，按下送出，然後看著螢幕跑出一段四平八穩、套在任何電商或形象站都成立的文字，心裡空空的。問題不在 ChatGPT，問題在你給它的東西太餓了。它沒有你的客戶、沒有你的預算、沒有你要服務的那群真實使用者，它只能回你「所有人寫過的 UX 內容」的平均值。平均值這東西，放進任何專案都成立，也因此對任何專案都沒有殺傷力。

三分鐘重點：這份清單不是 14 句通用的咒語，而是 14 個把脈絡餵好、把輸出格式釘死的指令框架。你只要記得一個原則：先給脈絡，再要產出，最後自己驗證。如果你還沒怎麼用過 ChatGPT，先看一篇 ChatGPT 入門教學 把基本功練起來，這篇直接進指令實戰。

AI 適合先產出研究訪綱、Persona 假設與 Wireframe 規格草稿，最後判斷仍要回到真實使用者與專案限制。HubSpot 的行銷報告（2026 年）顯示，AI 工具已被許多行銷團隊採用；這能說明採用趨勢，不能證明每個設計團隊都因此提升產能。下面 14 個指令的用途，是把草稿做得更有脈絡、更容易驗證。

先搞懂一件事：ChatGPT 是你的設計副駕，不是取代你的那一雙手

你可能也遇過：別人把 AI 說成設計前置作業的捷徑，自己試了卻只得到一堆看似專業、仔細讀全是空話的產出。差別通常不在一句神奇指令，而在輸入脈絡與驗證方式。

那個觀念叫做結構化脈絡。ChatGPT 對「框架性、結構性」的任務很強，對「需要真實世界證據」的任務很弱。你叫它「幫我想一個研究計畫」，它給你的是它見過的所有研究計畫模板的混合體；你叫它「針對這個產品、這群使用者、這個商業目標，列出三個研究目標並各配一個方法」，它給你的才是能用的東西。差別就在你有沒有把產品、使用者、目標、限制這四件事先講清楚。

換個方式想：ChatGPT 像一個讀過大量資料、但完全沒參與過你專案的實習生。你不交代背景，它只能交出一份通用報告；把背景與輸出格式講清楚，才比較容易得到可編修的草稿。這 14 個指令，就是在幫你把「交代背景」和「釘格式」做到位。

還有一個前提要先講清楚：不管你用的是哪一家的對話模型，這些指令的邏輯都通用；但請把每一份產出都當成草稿看待，它還沒到最終交付物的等級。AI 給你的每一份訪綱、每一張 Persona、每一份規格，都要過你自己那一關。這聽起來像廢話，但實務上常看到許多設計師因為產出看起來太完整、太像一回事，就跳過了檢查這一步，結果把一個結構性的小錯一路帶到上線。草稿值錢的地方，在於幫你省下從零開始的時間；但它永遠不能、也不該幫你省下判斷的時間。這兩件事一旦搞混，AI 就會從副駕變成方向盤，而方向盤交出去的那一刻，就是設計開始走偏的起點。

能做與不能做：一張表定位 ChatGPT 在 UI/UX 流程的位置

在給你指令之前，先把話說在前頭：不是每一個設計任務都適合丟給 ChatGPT。它對結構化文字很強，對真實世界證據很弱。把這條界線畫清楚，你才不會在錯的地方期待它，然後在對的地方錯過它。

設計任務	ChatGPT 擅長程度	為什麼	你必須補上的驗證
研究訪綱、需求解碼	高	本來就是框架性任務，餵對脈絡就有結構	自己過一遍、刪掉引導性問題
Persona 與旅程地圖	中	能生「合理的假設」，但假設不是事實	標註為待驗證、找真實受訪者對照
痛點聚類	高	文字分類是它的主場	用它分完，用自己的判斷重新排序
資訊架構與 Sitemap	中高	能給你選項與命名，但取代不了卡片分類	拿去做真實卡片分類或樹狀測試
Wireframe 規格描述	中高	適合整理規格文件，不適合取代視覺判斷	進介面設計工具實作並驗證
UX 文案、microcopy	高	語言任務本來就是它的主場	挑語氣、測長度、對版面
配色方向建議	中	懂色彩心理學的大方向，不懂你的品牌	自己調色、測對比度
可用性測試任務設計	高	非引導式任務有公式可循	實際跑測試、看真實行為
設計批判、魔鬼代言人	高	它不怕得罪你，能演最挑剔的主管	把有道理的留下、其餘丟掉
真實競品數據、使用者行為數字	低	它會自信地編造數字	絕對不要在這裡用它，查原始資料

這張表如果只記得一條，就記得：真實數據與使用者行為要回原始資料查證。AI 可以協助整理你提供的研究紀錄，卻可能在缺資料時生成看似合理的數字。後面踩坑段落會再說明。

階段一｜把模糊需求解碼成研究計畫（指令 1 至 3）

每個設計案的第一個禮拜，最痛苦的其實是「搞清楚到底要做什麼」，做設計反倒相對簡單。這個階段的 ChatGPT，最適合當你的需求解碼器。

指令 1：需求解碼器，把一句模糊的話拆成研究目標

把客戶或 PM 丟過來那句模糊的原話整段貼進去，請 ChatGPT 幫你拆出「他假設了什麼」「他沒說但其實很關鍵的問題」「可以驗證的研究目標」。這一步的價值在於：你會發現一句話裡藏了八個沒被驗證的假設。

你是一位資深的 UX 研究主管。下面是我收到的專案需求原話，請幫我做三件事：

1. 列出這段話裡隱含的所有「假設」（至少 5 個）。
2. 把每一個假設改寫成一個「待回答的研究問題」。
3. 把這些問題收斂成 3 個優先順序最高的研究目標，並標注每個目標適合的研究方法（訪談、問卷、次級研究、可用性測試）。

專案類型：【例如：B2B SaaS 工具／地方餐飲官網／健身房 App】
目標使用者：【你目前知道的一切】
商業目標：【例如：提升免費轉付費／降低客服來電／建立品牌信任】
需求原話：【貼上那句模糊的話】
輸出格式：表格，欄位為「假設／研究問題／對應研究目標／建議方法」。

拿到這張表之後，建議的第一步，是把「假設」那一欄拿去跟客戶對答案，先別急著排訪談。很多時候，光是把隱藏假設講清楚，專案方向就修正了一半。客戶也會因此覺得你很專業，因為你把他自己都沒意識到的前提給攤開了。

指令 2：訪綱產生器，半結構式訪談大綱

研究目標定了之後，下一步是訪綱。ChatGPT 在這裡的強項是幫你把問題排好順序、補上你忘了問的破冰與收尾，並標注每一題對應哪個研究目標，確保你不會聊了四十分鐘才發現重要問題都沒問到。

請幫我設計一份 45 分鐘的半結構式使用者訪談大綱，對象是【Persona 描述】。
研究目標是：【貼上指令 1 收斂出的目標】。

請包含：破冰題 2 題、核心題（對應每個研究目標各 2 題）、深入追問題 3 題、收尾題 2 題。
每一題請標注：對應的研究目標、預期的資訊類型（行為／動機／痛點／情境）。
額外要求：避免任何引導性問題，並在最後列出 3 個「絕對不要問」的地雷問題。

有一個小提醒：ChatGPT 生出來的題目常常太「正經」，問句像在寫論文。建議把每一題讀出聲音，如果連自己聽了都彆扭，就改成平常講話的方式。訪談要的是對方卸下心防，不是答題。題目寫得越口語，對方給你的東西越真。

指令 3：次級研究速覽，把公開框架一次攤開

在動手做初級研究之前，先知道這個領域已經有哪些公開的框架、量表、設計模式，可以幫你少走冤枉路。例如做結帳流程，你會想知道業界常用的轉換率基準、常見的放棄原因分類、有沒有現成的評估量表。這個指令的重點不是要 ChatGPT 給你數字，而是要它給你「有哪些框架存在」，數字你自己去查原始資料。

針對【產品類型／使用情境】，請列出在 UX 與產品設計領域「被廣泛使用」的：

1. 評估量表或問卷（例如 SUS、NPS、CSAT，以及任何適合此情境的）。
2. 常見的設計模式與業界慣例。
3. 已知的典型痛點分類。

規則：只列你高度確定「確實存在且被業界使用」的框架，不要發明。
對每一項，用一句話說明用途，並標注你的確定程度（高／中／低）。
最後列出我應該自己去查證的 3 個原始來源類型。

這個指令的核心是那句「不要發明」。你明確叫它誠實標注確定程度，它就比較不會硬掰一個不存在的量表給你，這是降低幻覺最實用的起手式。想知道 AI 為什麼會胡說八道、以及更完整的防呆技巧，可以搭著 生成式 AI 全方位指南 一起看，會讓你對 AI 的能力邊界更有感。

階段二｜長出可信的 Persona 與使用者旅程（指令 4 至 6）

這個階段是 ChatGPT 最常被誤用的地方。很多設計師直接叫它「幫我寫一個 Persona」，然後把產出當成真人在用，這非常危險。正確的用法是：把它生出來的 Persona 當成「待驗證的假設」，不是「研究結論」。一句話的差別，決定你的設計是站在真實還是站在沙灘上。

指令 4：Persona 卡片，標清楚哪些是假設

請幫我建立 2 個 Persona 卡片，產品是【產品描述】，目標使用者輪廓如下：【貼上你已知的使用者資訊】。

每一張卡片請包含：基本輪廓、目標、痛點、目前使用的替代方案、接觸管道。

關鍵要求：在每一個欄位後面加一欄「這是事實還是假設」。如果是我給的資料就標「事實」，如果是你推測的就標「假設」，並在假設後面寫一句「要怎麼驗證這一點」。

輸出格式：表格。最後加一段「這兩個 Persona 之間最關鍵的差異是什麼」。

這個指令最值錢的地方，是那一欄「要怎麼驗證」。它逼你在拿到 Persona 的那一刻就想好驗證計畫；要是等設計做完才回頭檢查，發現 Persona 根本猜錯，那整套設計都得重來。如果你對 Persona 的建立流程還不熟，先讀過 Persona 人物誌建立指南 會更有概念，知道一個完整的 Persona 應該長什麼樣、又有哪些常見陷阱。

指令 5：使用者旅程地圖，把抽象情緒攤在桌上

請針對 Persona【名稱】完成一件事的完整歷程：【描述任務，例如：從發現需求到完成第一次購買】，繪製成使用者旅程地圖。

階段請你自己切分（通常 5 到 7 個階段）。每個階段列出：使用者行為、想法、情緒（用 1 到 5 的情緒高低標記）、接觸點、痛點、機會點。

輸出格式：表格。最後標出「情緒最低點」與「最大機會點」各在哪一個階段，並說明理由。

旅程地圖最常被做成「漂亮的投影片，然後從沒人再看第二次」。要讓它真正有用，關鍵是那兩個標注：情緒最低點與最大機會點。這兩個點通常就是你要發力的地方，也是你跟客戶溝通「為什麼這裡要投入資源」時最有說服力的證據。想更深入了解旅程地圖怎麼用、怎麼跟行銷漏斗結合，可以參考 顧客旅程地圖完整指南，把研究產出接到行銷與轉換上。

指令 6：痛點聚類，把一堆訪談原文變成結論

訪談做完之後，你手上會有一大堆碎碎的原文。這時候 ChatGPT 的文字分類能力就派上用場了。把你訪談裡的使用者原話整批貼進去，請它聚類。

下面是我從【N 位】使用者訪談中整理出的原始回饋。請幫我做痛點聚類：

規則：

1. 把內容相近的回饋聚成同一個主題，每個主題給一個簡短名稱。
2. 標注每個主題被提及的次數。
3. 為每個主題推測一個「底層原因」（使用者真正在乎的是什麼）。
4. 依照「發生頻率乘以嚴重程度」給每個主題一個優先分數（1 到 10）。

原始回饋：
【貼上訪談逐字稿片段或筆記】
輸出格式：表格，欄位為「主題名稱／代表原文／提及次數／底層原因／優先分數」。最後依優先分數排序。

這裡有一個實務上的小習慣：聚類完之後，建議一定再自己重新排序一次。因為 ChatGPT 看不到「語氣的重量」，有些被提及次數少、但講的時候情緒很激動的痛點，才是真正關鍵。頻率是參考，判斷是你的。機器幫你算次數，但「哪一句話背後藏著真正的痛」這件事，只有聽過錄音的你知道。

階段三｜把研究結論收斂成資訊架構與 Wireframe（指令 7 至 9）

研究做完，接下來要把結論變成看得到的東西。這個階段 ChatGPT 幫你的是「把結構想清楚」這一步；至於「把畫面畫出來」，還是得靠你自己動手。它在生規格文件上很強，在生視覺上很弱，這條界線務必記住。你想要的是一份你拿得進設計軟體、直接照著拉的藍圖，不是一張模糊的概念圖。

指令 7：資訊架構與 Sitemap，一次給你三種邏輯

產品類型：【網站或 App 描述】。
主要使用者與任務：【貼上前面產出的 Persona 與旅程重點】。
請幫我提出 3 種不同邏輯的資訊架構版本：

• 版本 A：依「使用者任務」組織
• 版本 B：依「內容類型」組織
• 版本 C：依「使用者身分」組織

每個版本請給：兩層選單結構、分類名稱、適合什麼情境、弱點是什麼。
輸出格式：三張並列的表。最後給一句「如果只能選一個，你會選哪個、為什麼」。

為什麼要三個版本？因為多數人做資訊架構會卡在「第一個想到的版本」就走到底，從此整個專案被一個沒有比較過的選項綁住。逼 ChatGPT 給你三種邏輯，你才有得比較、才有機會發現自己直覺選的那個其實不是最順的。不過要記得，AI 給的分類建議不能取代真正的卡片分類或樹狀測試，那是要找真人來做的。版面與結構的完整觀念，可以搭著版面設計攻略跟 響應式網頁設計 一起補強。

指令 8：Wireframe 規格描述，給設計師與工程師都能用的藍圖

這個指令不是要 ChatGPT 幫你畫圖，而是把畫面需求寫成結構化規格。你可以把規格帶進介面設計工具實作，少掉從空白畫布整理資訊層級的時間；實際節省多少仍取決於專案複雜度與草稿品質。

請幫我把下列畫面寫成一份 Wireframe 規格文件：
畫面：【例如：商品詳情頁／註冊流程第二步／Dashboard 主頁】
這個畫面的主要任務：【使用者要做什麼】
必須包含的內容：【列點】

規格請包含：

1. 畫面區塊（由上到下列出，每區塊寫用途）。
2. 每個區塊的內容元素與優先順序（必要／次要／可有可無）。
3. 內容層次（哪個是這個畫面的視覺焦點）。
4. 互動提示（哪些元素可點擊、點了會去哪）。
5. 空狀態與載入狀態要顯示什麼。

輸出格式：結構化條列，不要寫成段落。最後標出「這個畫面如果只能保留一個元素，是哪一個」。

那句「只能保留一個元素」是刻意加的。它逼 ChatGPT、也逼你自己想清楚這個畫面的優先序到底是什麼，這是 Wireframe 設計最核心的判斷。一個塞滿元素的畫面，原因很少是資訊太多，真正的問題多半出在設計師沒勇氣做取捨。如果你對線框圖的觀念還很模糊，Wireframe 線框圖入門 是很好的搭配讀物，先把為什麼要畫線框圖搞懂，再回來用這個指令加速。

指令 9：元件清單與狀態，設計系統的骨架

依據上面產出的畫面，請幫我整理一份元件清單，涵蓋：

1. 每一個出現的 UI 元件（按鈕、輸入框、卡片、導航列等）。
2. 每個元件需要的狀態（預設、hover、active、disabled、錯誤、空值、載入中）。
3. 每個狀態簡述視覺差異的建議方向（用文字描述，不要給色碼）。

輸出格式：表格，欄位為「元件／狀態／視覺建議／備註」。

這份清單的好處是，進介面設計工具建立元件時，可以先確認需要哪些狀態，不會做完預設狀態才發現漏了錯誤狀態。設計系統的觀念若想再深入，可以從 UI/UX 設計差異全解析 裡的工作流程章節延伸，把零散元件慢慢收斂成可重用的系統。

階段四｜UX 文案、配色方向與視覺層次（指令 10 至 11）

畫面骨架出來之後，接著填血肉。這個階段 ChatGPT 兩個最實用的切入點是：把按鈕和提示文字寫好，以及給你配色的方向建議。這兩件事都有一個共同原則，就是讓 AI 給你「方向與選項」，最終的微調與判斷留給你自己。

指令 10：UX microcopy，讓按鈕和提示說人話

產品語氣：【例如：專業但友善／活潑／極簡冷靜】
請為下列位置各寫 3 個 microcopy 版本：

• 主要 CTA 按鈕（【目前文字，例如：送出】）
• 次要按鈕
• 表單錯誤提示（【情境，例如：密碼太短】）
• 空狀態文案（【情境，例如：沒有搜尋結果】）
• 載入中文案

規則：每個版本字數遞增（短／中／長）。避免任何沒有資訊的空話（例如「請稍候」「發生錯誤」這種）。
最後標出你推薦的版本，並說明為什麼。

UX 文案會影響使用者能否理解下一步。同一個按鈕寫「送出」或「開始免費試用」，可能帶來不同反應，但幅度要靠自己的 A/B 測試確認。文案寫作可搭配文案寫作全攻略與CTA 設計指南，不要拿其他產業的點擊率當成自己的目標。

指令 11：配色方向建議，心理學為本不是色碼為本

品牌個性：【幾個形容詞】
目標使用者：【Persona 重點】
請給我 3 個配色方向選項，每一個都要：

1. 說明這個方向傳達什麼情緒與心理感受（依色彩心理學）。
2. 建議主色、輔助色、強調色的角色分配（用描述，不要給色碼）。
3. 提醒這個方向在 WCAG 對比度上要注意什麼。
4. 說出這個方向不適合什麼樣的品牌。

輸出格式：三段並列。最後給一句整體建議。

這個指令刻意不讓它給色碼，因為色碼要你自己看、自己調、自己測對比度。AI 給的是「方向」，方向對了，細節你比它會調；方向錯了，再漂亮的色碼都是白搭。色彩心理學的完整觀念可以搭著 色彩心理學設計攻略 一起看，當你理解了每個顏色背後的情緒連結，你會發現判斷配色方向這件事，其實比記色碼有用太多了。

階段五｜可用性測試、設計批判與交付（指令 12 至 14）

設計做完了，真正考驗才開始。這個階段 ChatGPT 能幫你做兩件設計師通常不愛做、但超重要的事：設計出「不引導使用者」的測試任務，以及扮演那個會議室裡最愛挑剔你設計的 stakeholder。再加上把畫面整理成工程師看得懂的交付文件，這個階段的效率提升是最直接的。

指令 12：可用性測試任務，非引導式的情境題

我要對【產品或 Prototype】做可用性測試，測試對象是【Persona】。
我想驗證的使用者目標：【列點】。
請幫我設計 5 個測試任務，每一個都要：

1. 用情境描述開頭（給使用者一個角色與動機），不要直接下指令。
2. 避免任何暗示正確路徑或介面詞彙的字眼。
3. 寫出「成功完成」的定義（使用者做到什麼算過關）。
4. 寫出要觀察的重點（會卡在哪、會猶豫什麼）。

輸出格式：表格。最後提醒 3 個「主持測試時絕對不要做的事」。

非引導式是可用性測試的靈魂。你說「請點右上角的按鈕」，那就不是測試，是教學，你只會驗證出「使用者會聽話」，不會驗證出「介面好不好用」。ChatGPT 幫你把任務寫成情境，能大幅降低你無意間引導使用者的機率。真正跑測試的時候，記得閉上嘴、忍住想幫忙的衝動，讓使用者自己迷路，迷路的那幾秒鐘就是你設計最有價值的回饋。

指令 13：設計批判，讓 AI 當最挑剔的魔鬼代言人

我要做一個設計決策的批判練習。決策內容如下：
【描述你的設計決策，例如：把結帳流程從五步壓成單頁】
理由是：【你目前的理由】。

請扮演一個非常挑剔、但有理有據的資深設計主管，對這個決策提出：

1. 3 個最強的反對理由。
2. 每一個反對理由，提出一個可以怎麼緩解的方案。
3. 一個「如果這個決策會失敗，最可能是因為什麼」的預測。

語氣：直接、不客氣、但對事不對人。

這個指令實務上超好用。設計師最容易犯的錯，就是對自己的方案太溫柔，尤其是在同一個專案裡看太久，會出現「審美疲勞」，看不出自己設計裡的怪地方。讓 ChatGPT 當那個最敢說話的人，你會發現很多你沒想過的盲點。當然，它講的不一定對，你要做的是把有道理的留下、沒道理的丟掉，不是照單全收。它的價值在「逼你重新檢視」，不在「每一條都要回應」。

指令 14：交付文件，把畫面變成工程師看得懂的規格

請把下列畫面的描述，整理成一份給前端工程師的交付文件：
畫面描述：【貼上 Wireframe 規格或畫面說明】
請包含：

1. 畫面結構與區塊層級。
2. 間距與層級建議（用 token 概念描述，例如：大／中／小間距，不要寫死像素）。
3. 互動行為（hover、點擊、載入、錯誤時各自發生什麼）。
4. 邊界情境（空值、極端長內容、斷線時）。
5. 在不同裝置上要怎麼調整。

輸出格式：分區條列。最後附一段「工程師最容易誤解、需要特別溝通」的重點。

這一步幫你省下的，是那種「設計交付後來回改五次」的時間。文件講得越清楚，來回越少，工程師也不會在心裡偷偷討厭你。如果你是用 vibe coding 的方式自己把設計推成網站，這份規格更是你跟 AI 工程助理溝通的原料，輸入越精確，產出的程式越能用，相關觀念可以看 Vibe Coding 入門，把設計到開發這段路也接起來。

組合技：把 14 個指令串成一條不打斷心流的工作鏈

單獨用每一個指令都有效，但真正的效率爆發，是把它們串成一條工作鏈，讓前一個指令的產出，直接成為下一個指令的輸入。實務上常用的工作鏈長這樣：

1. 解碼需求與次級研究（指令 1、3）：拿到研究目標、隱藏假設與公開框架。
2. 產訪綱（指令 2）：去做真實訪談。
3. 聚類痛點（指令 6）：把訪談原文變成結論。
4. 長出 Persona 與旅程（指令 4、5）：標清楚哪些是假設。
5. 定資訊架構（指令 7）：從三個版本裡選一個。
6. 寫 Wireframe 規格（指令 8）：進設計軟體自己畫。
7. 列元件狀態（指令 9）：建設計系統骨架。
8. 填 microcopy 與配色方向（指令 10、11）：畫面長出血肉。
9. 設計測試任務（指令 12）：找真人測。
10. 設計批判（指令 13）：修正盲點。
11. 出交付文件（指令 14）：交給工程師或交給自己。

注意到了嗎？真正「只能靠你」的環節，是第 2、5、9 步：真人訪談、你自己下判斷、真人測試那幾個節點。AI 幫你把中間所有可以結構化的步驟加速，但這三個接觸真實人類的環節，永遠沒辦法外包給 AI，這也是你這個設計師之所以是設計師、跟一台產稿機器最根本的差別。這條鏈子背後的底層邏輯，其實就是 設計思考 的擴散與收斂，只是每一個節點都多了 AI 加速。懂了設計思考的節奏，你會更清楚什麼時候該讓 AI 發散、什麼時候該由你收斂。

三個實務上常踩到的坑（還有怎麼避開）

用這套工作流一段時間之後，會浮現三個最常害人翻車的陷阱。這些都是那種「出事的時候你完全不會覺得是 AI 的錯，直到設計上線才發現整個方向歪了」的坑。

坑一：把 Persona 當真人用

ChatGPT 生的 Persona 看起來太合理、太完整，連使用者週末喜歡做什麼都幫你編好了，很容易讓你忘了它根本沒見過任何一個真人。解法就是指令 4 裡那一欄「要怎麼驗證」：任何一個沒有驗證計畫的 Persona 欄位，都只能當假設，不能當設計依據。把這條紀律守住，你就不會把整個產品的決策賭在一個 AI 編造出來的虛構人物身上。

坑二：叫它給你數字

「這個產業的平均轉換率是多少？」「其他網站上個月的流量是多少？」「這個按鈕通常點擊率多少？」若沒有即時、可存取的資料來源，ChatGPT 可能生成看似精確的數字。需要數字時，查原始資料並保留來源。這是AI 幻覺最容易傷害設計決策的入口。

坑三：照單全收它的批判

指令 13 的設計批判很好用，但要小心：它為了「扮演挑剔的主管」，有時候會硬擠出其實不成立的反對意見，把存在的問題跟不存在的一起講得頭頭是道。你要做的，是把每一個反對理由丟回去問自己「這個我之前真的想過嗎」，不必每一條都回應。想過就放掉，沒想過才留下來認真對待。批判的價值在「讓你看到盲點」，不在「顯得自己很謙虛地把所有意見都吞下去」。

把指令當起點，把判斷當核心

換句話說，這 14 個指令真正解決的，不是「設計很難」，而是「每次都要從零開始把結構想一遍，很累」。ChatGPT 幫你把結構性的苦工吃掉，讓你可以把腦力花在真正需要判斷的地方：哪一個痛點才是真的、哪一個畫面才是對的、哪一個使用者反應是你完全沒預料到的。

這也是貫穿全程的核心原則：AI 寫不出來的，才是你這個設計師最值錢的地方。當所有人都會用同一套指令、同一個模型的時候，決勝負的從來不是誰指令下得多，而是誰在指令之後，做出了更貼近真實使用者的判斷。

如果想把這些指令放進更大的 AI 工作流，例如搭配影像生成與自動化，可從AI 工具總整理檢查各工具定位。如果 UI/UX 基本觀念還在建立，先用免費 UIUX 自學資源打底，再回來調整這 14 個指令會更穩。

給你一個可以馬上做的行動清單：

1. 今天：挑一個你手上的專案，把那句最模糊的需求原話貼進指令 1，看看它拆出幾個你沒發現的假設，然後拿那張表去跟你的客戶或 PM 對一次答案。
2. 這週：用指令 8 把正在做的一個畫面寫成規格，再進介面設計工具實作，比較有無規格草稿時的差異。
3. 這個月：把指令 1 到 14 完整跑過一輪一個小專案，把每一個 AI 產出都標上「事實／假設／待驗證」，養成這個標注習慣，你就不會被 AI 帶著走，而是穩穩地帶著 AI 走。

指令是起點，判斷才是你真正的核心。現在，挑一個指令，打開你的 ChatGPT，開始吧。