一句話結論
GitHub 上有一個放 AI 指令的專案，我今天去查是 253,847 顆星。裡面最紅的那個指令，全文只有一段話，而且它做的事跟大家想的相反：它不回答你，它反過來拷問你。設計者的判斷是——多數時候 AI 給出爛答案，不是因為它不夠聰明，是因為你自己也還沒想清楚要什麼。這篇要講的是那段話原文寫了什麼、為什麼「一次問一題」其實是錯的、以及你不用裝任何工具就能今天用上它。
先講我怎麼查的，因為這件事在網路上流傳的版本已經跟原始碼對不上了。
專案叫 mattpocock/skills，作者是 Matt Pocock，一位在 TypeScript 圈子知名度很高的工程師。專案的自我介紹寫得很嗆：「Skills for Real Engineers——我每天用來做真正的工程，不是 vibe coding。」
我今天（2026 年 9 月 6 日）直接打 GitHub 官方 API 查了一次：
| 項目 | 數字（2026-09-06 查詢） |
|---|---|
| 星數 | 253,847 |
| 分支（fork） | 21,425 |
| 建立日期 | 2026 年 2 月 3 日 |
| 最後更新 | 2026 年 9 月 4 日（兩天前，還在動） |
七個月從零到 25 萬顆星。這個數字我自己也覺得誇張，所以特別用官方 API 抓了一次，不是看轉述。
那段指令的原文
最紅的那個叫 grilling（燒烤、拷問）。它的入口叫 grill-me，而 grill-me 的全部內容只有一行：「呼叫 grilling 這個技能。」真正的內容在 grilling 裡，開頭第一句是：
「不停地訪問使用者，直到你們達成共同的理解。把這件事畫成一棵決策樹：每一個決定，底下都掛著因它而生的下一批決定。」
「……在使用者確認你們已經達成共同理解之前，不要動手。」
就這樣。沒有角色設定、沒有「你是一位資深顧問」、沒有輸出格式的十條規定。
而它處理的是一個我在課堂上每天看到的問題。學員卡住的第一名原因不是不會寫提示詞——是他自己也還沒想清楚要什麼。你要他寫清楚「角色、情境、期望」，他寫得出角色，寫不出期望，因為期望本來就在他腦子裡是一團霧。
這個指令的解法是：不要逼自己一次想清楚，讓 AI 一題一題把霧刮開。
它跟你想的「一次問一題」不一樣
這裡有一個細節值得停下來，而且它剛好示範了為什麼要去看原始碼。
網路上（包括好幾篇中英文轉述）對這個指令的描述是「每次只問一題」。我去看原始碼，今天的版本不是這樣寫的。
現在的寫法是三個詞：決策樹、前緣（frontier）、回合（round）。
- 決策樹：把要決定的事攤開，每個決定底下掛著下一層決定。
- 前緣：所有「前置條件已經確定、現在就可以問」的問題。那些答案還卡在別的問題上的，不算。
- 回合：一次把整個前緣的問題全部問完，編號、而且每一題都附上它建議的答案，然後停下來等你回。你回完，樹的形狀變了，前緣往外推，下一回合再問新解鎖的那些。
官方說明文件裡有一句把效果講得很具體：「十三個問題通常落在三個回合，而不是十三個回合。」
差別在哪？「一次問一題」你要來回十三次，多數人問到第五次就放棄了。「一次問一批」你回三次就結束。同樣的訪問深度，成本差四倍。
還有兩條規則我認為是整個設計的精髓：
「找出事實是你的工作，永遠不是使用者的工作。」——需要查的東西 AI 自己去查，不准拿來問你。
「但決定是使用者的。」——每一個決定都要攤到你面前，等你回答。
這兩句合起來就是一條很乾淨的分工線：查資料的活歸 AI，拍板的活歸你。而且它連「每題都附建議答案」都想到了——因為多數人面對一個開放問題會卡住，但面對一個「我建議這樣，你同意嗎」會馬上有反應。
你不用裝任何東西就能用
這個專案原本是給工程師在 Claude Code、Codex 這類工具裡裝的。但那段指令就是一段文字——你把它貼進 ChatGPT、Gemini、Claude 的對話框，一樣會動。
我把它改成非工程師的版本，你可以直接複製：
先別動手，先拷問我
我要做的事是：【一句話講你要做什麼】。
在你開始寫之前，先訪問我，直到我們對這件事有共同的理解。
請把它當成一棵決策樹：先問那些「不需要等其他答案就能問」的問題，一個回合把它們一次問完，每題編號，並且附上你建議的答案。等我回覆後，再問被解鎖的下一批。
需要查證的事實你自己想辦法，不要問我；需要我拍板的決定，一定要問我。
問到沒有東西可問了，先把我們的共識整理成一段話讓我確認，我說可以，你才開始做。
最適合用的場合，是那種你知道自己要做、但講不清楚要做成什麼樣的東西——提案的架構、年度計畫、要改的流程、一封難寫的信、一個要開的會。
反過來說，很明確的小任務不要用這招。「把這段文字翻成英文」你去用它，它會問你八題，那是浪費時間。
順帶一提，同一個專案裡還有一個指令我覺得非常好用，全文更短，叫 wait-what，內容大意是：「等一下，我沒聽懂你講到哪裡了。重講一次，給我一點背景，講簡單一點。」這句話本身就是一個可以直接用的提示詞，而且它比「請解釋得更詳細」有效得多——因為它要的是重講，不是加長。
誠實踩煞車：四件事
- 星數會變，而且是即時值。253,847 是我 2026 年 9 月 6 日打 GitHub API 查到的。這個專案還在快速成長，你看到這篇的時候數字一定不一樣。更重要的是：星數代表有多少人「收藏」，不代表有多少人在用，更不代表它有效。
- 網路上的轉述已經跟原始碼對不上了。「每次只問一題」是舊版本的描述，現在的版本是「一回合問一批」。這件事的教訓比這篇文章本身重要——活的專案，二手描述有保鮮期。要用之前自己去看一次原始檔。
- 這是工程師寫給工程師的東西。原專案的其他指令大量涉及程式碼、測試、架構。我上面轉譯的版本是我改的，不是官方提供的非工程師版。改得好不好用，你自己試了才知道。
- 它不會讓 AI 變聰明，只會讓你變清楚。如果你要做的事本身方向就錯了，被拷問一輪之後你會得到一個很清楚的錯誤方向。這個工具處理的是「講不清楚」，不處理「想錯了」。那還是要人。
三種人，三種讀法
如果你是一般上班族：把上面那段話存成手機備忘錄或輸入法短語。下次你要寫一份不知道從何下手的東西——年度檢討、提案大綱、跟主管的溝通信——先貼那段，讓它問你。你會發現光是回答那幾題，東西就已經想清楚一半了，AI 寫不寫其實是後面的事。
如果你是要量產、要建團隊模板的人：這招最值錢的用法是拿它來產生你的模板，而不是拿它產生內容。跑一次拷問，把它問你的那十幾題留下來——那就是你們公司做這件事的標準訪談清單。下次換人做，照那張清單填就好，不用再被拷問一次。被問過的問題，就不該再問第二次。
如果你是主管：這招有一個對你特別有用的副作用——它會把「你以為講清楚了」和「真的講清楚了」的差距攤在桌上。你可以拿自己下週要交辦的任務跑一次，看它問你哪幾題。那些你答不出來的題目，就是你的部屬接到這個任務之後會卡住的地方，只是他們不敢問。這比你事後檢討便宜太多了。
回到那句老話
我上課常說：你是機長，AI 是機組人員。
這個指令補的是起飛前那一段。機長不會一坐進駕駛艙就推油門。起飛前有一份檢查表，副機師一項一項念，機長一項一項回。
那份檢查表最大的價值不是「怕忘記」，是它逼你在還能反悔的時候，把每一件事講出聲音。
你腦子裡的「我知道我要什麼」，跟你講出口的「我要什麼」，中間的落差通常大得驚人。這個工具做的就是把那個落差挖出來——趁飛機還在地上的時候。
它問你十三題，你可能覺得煩。但那十三題你自己本來就要回答，差別只在於你是在起飛前回答，還是在空中回答。
常見問題 FAQ
Q：我要先裝 Claude Code 之類的工具嗎？
不用。原專案是給 AI 程式代理裝的，但那段指令的本體就是一段文字，貼進任何一個對話框都會動。上面那段中文版你可以直接複製使用。
Q：25 萬顆星是真的嗎？
我 2026 年 9 月 6 日打 GitHub 官方 API 查到的是 253,847 顆星、21,425 個 fork。這是即時值，會一直變。要提醒的是：星數是「收藏數」，不是使用數，也不是效果的證明。
Q：跟一般的提示詞公式有什麼不一樣？
方向相反。一般的提示詞公式（例如講清楚角色、情境、期望）是你把想法整理好，再交給 AI——前提是你知道自己要什麼。這個指令是你還不知道自己要什麼的時候用，讓 AI 把你腦子裡的東西挖出來。兩者是互補的：先被拷問一輪，拷問出來的答案剛好就是你寫提示詞需要的材料。
Q：AI 問我的問題我答不出來怎麼辦？
那就是這個工具最有價值的一刻。答不出來，代表這件事你原本要直接交給 AI 做——結果會是 AI 幫你猜一個答案，而你不會發現它猜了。答不出來的題目，該去問人、去查、或直接決定，不要跳過。
Q：每次做事都要跑一次，會不會太慢？
會，所以不要每次都跑。它適合「大的、模糊的、做錯代價高的」任務。明確的小任務直接下指令就好。另外前面提過的做法可以省掉大部分成本：第一次跑完把問題清單留下來，同類任務下次直接用清單，不用重跑。
資料來源
以下均於 2026 年 9 月 6 日直接讀取原始檔與官方 API：
- GitHub 專案
mattpocock/skills（github.com/mattpocock/skills）：星數 253,847、fork 21,425、建立於 2026-02-03、最後更新 2026-09-04，均由 GitHub 官方 REST API 直接查詢取得。專案自述「Skills for Real Engineers... not vibe coding」引自 README。 skills/productivity/grilling/SKILL.md原始檔（GitHub 原始碼）：決策樹／前緣／回合的定義、每題附建議答案的輸出格式、「找出事實是你的工作，永遠不是使用者的工作」、「決定是使用者的」、「在使用者確認達成共同理解之前不要動手」。本文引號內文字均為原文英文的中譯。docs/productivity/grilling.md官方說明文件（GitHub 原始碼）：「十三個問題通常落在三個回合，而不是十三個回合」。skills/productivity/grill-me/SKILL.md與skills/productivity/wait-what/SKILL.md：grill-me 全文僅一行「呼叫 grilling 技能」；wait-what 的內容為請對方重講一次、給背景、用簡單語言。
查證說明（誠實揭露）：① 星數、fork 數、建立與更新日期全部由 GitHub 官方 API 直接查詢，不是採用任何媒體轉述。這是即時值，讀到這篇時必定已改變。② 指令內容我讀的是 main 分支上的原始 SKILL.md 檔案，不是任何二手介紹。③ 我發現流傳的中英文轉述說這個指令「每次只問一題」，與今天原始碼的寫法不符（現在是一回合問完整個前緣），這點我在文中特別點出來，因為它示範了活躍專案的二手描述會過期。④ 文中那段中文版提示詞是我依原文改寫給非工程師用的，不是官方版本，效果我沒有做過對照實驗。⑤ 引號內的中文均為英文原文的翻譯，意思盡量貼原文但不是逐字直譯，需要精確引用請看原始檔。⑥ 星數高不等於效果好，我沒有任何關於這個工作流實際成效的量化證據。
今天就試一次：下一份不知道從何下手的東西，先讓它問你
想定期拿到這種可以直接複製使用的提示詞：我的電子報 → startupforyou.substack.com
如果你要幫團隊建一套自己的提示詞資產：我的企業內訓有一個模組專門做這件事——用學員手上真實的任務跑一輪拷問，把 AI 問出來的問題清單留下來，當場變成公司自己的訪談模板。想聊聊寫信到 ai@autolab.cloud，或看看 AI 顧問教練團。
關於作者
黃敬峰（AI峰哥／阿峰老師），企業 AI 實戰培訓專家，服務客戶包含國泰人壽、工研院、士林電機、中嘉寬頻、電通、城邦媒體等。聯絡方式：ai@autolab.cloud