剛開始學 AI 的時候，我一直以為自己卡住，是因為提示詞不夠會寫。但慢慢用下來，我發現自己真正常卡的，不只是怎麼下指令，而是更實際的幾件事：圖片生成不夠準、資料不知道怎麼轉成看得懂的圖、查到的東西也不容易整理成一套能用的流程。後來我才明白，很多時候不是 AI 不夠強，而是我心裡知道自己想要什麼，卻還沒有能力把它講得夠清楚。

很多人卡的，不是技術本身，而是整合

我後來最有感的一件事是，初學者常卡的，往往不是單一步驟，而是整體流程。像我自己就很常遇到這種狀況：

• 資料查到了，但不知道怎麼整理。
• 想做成圖，但圖做出來又抓不到重點。
• 圖片明明有想法，生成出來卻不像自己心裡要的。
• 工具看起來都很厲害，可是一接在一起就亂掉。

這種感覺很挫折，因為不是完全不會，而是每一步都差一點。
但也因為這樣，我才慢慢看懂：google Cloud 在提示設計文件裡，其實就把這件事講得很直接
很多混亂，不是因為你太差，而是你開始進入真正要整合的階段。

圖片生成難的，不只是工具，而是描述

圖片生成這件事，我特別有感

因為很多時候，我心裡其實有畫面，但講出口的只有感覺。像是自然一點、真實一點、不要太假、像我要的那種感覺。可是這些話，對自己有感覺，對 AI 來說卻不夠明確。所以後來我才知道，圖片不是只講主題就夠了，還要慢慢補出人物、場景、光線、氛圍、動作，甚至連不要什麼都要講。

圖片生成常常不是輸在沒想法，而是輸在想法還沒被拆成可以描述的元素。

資料變成圖，不是做出來就好，而是要看得懂

另一個我很常卡的，是資料生成圖片。以前我以為資料查到後，下一步就是把它做成圖。後來才發現，不是每一份資料都適合直接變圖，也不是做成圖就一定比較清楚。

• 有時候圖很滿，但重點不明。
• 有時候圖很好看，但根本看不出差異。
• 有時候我以為自己要的是圖，後來才發現，我其實要的是比較、排序，或是一眼看懂的整理。

所以我慢慢學到一件事：
資料在變成圖片之前，要先知道自己到底想看什麼。

如果你也跟我一樣，先學會這幾招就會差很多

我後來覺得，像我這種情況的初學者，不一定要先學很難的技術，反而是先把幾個基本招練起來，問題就會少很多。

1. 不要一次叫 AI 做完整件事

先查資料，再整理重點，再決定要不要做成圖，最後再整合。
事情一拆開，準度會高很多。

2. 先講用途，再講內容

不是只說要什麼，而是先說這個東西要拿來做什麼。
用途一清楚，AI 比較知道怎麼幫你。

3. 圖片不要只講感覺，要講元素

不要只說自然一點、真實一點。要改成白天還晚上、室內還戶外、有沒有人、什麼氛圍、桌上有什麼。這樣圖會穩很多。

4. 資料做圖前，先問自己要看什麼

你到底是想看差異、趨勢、排序，還是重點摘要？
這件事先清楚，才知道要做圖、做表，還是只整理重點。這也是 Tableau 一再強調的核心

5. 先做出 60 分版本，再慢慢修

很多人不是不會，而是太想一次到位。
但圖片、資料、整合這些事情，本來就很難一次就準。先有版本，再慢慢修，反而進步比較快。

結論

我現在越來越覺得，學 AI 這件事，難的常常不是提示詞本身，而是怎麼把需求拆開、講清楚、再一步一步接起來。

• 怎麼查資料。
• 怎麼整理資料。
• 怎麼把資料變成看得懂的圖。
• 怎麼把腦中的畫面變成比較準的圖片。

這些事情一開始真的很容易亂，但那不代表你不會。
很多時候，只是你已經從「試用 AI」走到「開始真的想把它用進生活和工作裡」。

初學者跟 AI 相處最大的問題，常常不是不會下指令，而是還在學怎麼把模糊的需求，講成清楚的步驟。

如果你也跟我一樣，常卡在圖片生成、資料轉圖、整合查詢，不用太急。
你不是落後，你只是在進步中。

作者介紹

林偉彬-從事不動產相關工作多年，長期關注區域市場、交易安全、買賣流程與實價分析。希望透過持續書寫，把複雜的不動產問題，用更清楚、更容易理解的方式整理給讀者，幫助大家在面對買賣、委託、判斷市場與交易風險時，能看得更明白，也做出更穩健的選擇。