把 AI 交到非工程師手上：防幻覺模板與三秒答案
幫一位旅行社業務朋友導入 AI 之後，我學到最重要的一課：工具做得再好，只要使用者需要「自己想提示詞」，就注定用不起來。
前言
朋友是旅行社業務，不寫程式。日常有兩個很花時間的痛點：
- 客人要看「行程亮點簡報」，每次都要從行程檔手工整理成投影片，一做就是一兩個小時。
- 客人隨口問某個行程好不好，要判斷這條產品線值不值得推，得回頭翻報表、翻問卷。
這兩個問題我都用了 AI 或資料工具來解，但解法的形狀完全不同，也各自踩出一些心得。
做法一：固定提示詞模板，防幻覺規則寫在裡面
簡報這題，我沒有寫任何程式，交付物就是一份文件：打開 Gemini Canvas、上傳行程檔（Word 或 PDF）、把整段固定提示詞貼上，只需填最上面三格（客戶名稱、聯絡方式、報價），送出就有一份可編輯的簡報。
這段提示詞裡最重要的一句，是寫死在模板中的「鐵則」：
航班、飯店、景點、價格只能來自我上傳的檔案，不准自己編；檔案裡沒有的就不要寫。
原因很現實：不能指望非工程師的使用者記得提醒 AI 不要幻覺。對方不知道什麼是 hallucination，也不該需要知道。防幻覺是設計者的責任，規則必須內建在模板裡，每次貼上就自動生效。
同樣的思路還有兩層保險：
- 提示詞最後要求 AI 另外列一張「我要再確認的清單」（航班時刻、飯店、報價、聯絡方式），把最容易錯的欄位主動攤出來。
- 文件裡附一份送出後的人工檢查清單，只有三格：封面有客戶名字嗎？航班／飯店／價格跟原檔一樣嗎？報價和聯絡方式對嗎？AI 最容易抄錯的就是這些。
AI 產出 + 內建防幻覺規則 + 最小人工核對，三件事都塞進同一份「每次都打開它」的文件，這才是非工程師能持續使用的形狀。
做法二：資料先算好，查詢只給答案
第二個痛點是判斷產品線好壞。在售產品的數量遠超過人腦能記住的規模，靠印象不可能執行任何選品策略。
這題的解法反而幾乎沒有用到生成式 AI：
- 先離線跑腳本，從公開的行程清單推估出一張「產品代碼 → 產品線」的對照表（純統計推估，還附信心等級，樣本不足或對不明確的就標成 ambiguous）。
- 把毛利指標與問卷滿意度交叉，算出每條產品線的紅綠燈：紅燈不主動推、綠燈（高毛利指標 × 高滿意度）進主推清單。
- 落地形式就是一張 Google Sheet，加上通訊軟體機器人的一個查詢指令：輸入產品代碼，回傳「燈號＋滿意度＋亮點」三行字。客人問到任何一條產品線，三秒內查完就能回覆。
我的心得是：對非技術者，資料工具的正確形狀是「答案」，不是「儀表板」。做一個漂亮的 BI 儀表板，業務不會開；但「輸入代碼、拿到三行結論」可以嵌進跟客人對話的當下。所有的分類、計算、判斷規則都預先在工程端算好，查詢端只留最後一步。
別忘了個資紀律
這類工作一定會碰到旅客姓名等個資。我的慣例是：分析腳本與說明文件進版控，但所有原始資料（data/）與輸出報告（out/）一律 git-ignore，理由寫明白——常含旅客姓名等 PII，且可重新產生。工具可以分享，資料永遠不跟著走。
小結
回頭看，這兩個做法的共同點是：AI 和資料的複雜度全部留在工程端，交到使用者手上的只有「貼上就能用的模板」和「三秒查到的答案」。下次再幫非工程師做工具，我還是會先問自己：這個東西對方願意每天打開嗎？
你身邊如果也有這種「工具做好了但沒人用」的案例，歡迎交流。