在所有答案都觸手可及的 AI 時代，稀缺的不再是答案，而是「正確的問題」與「深度的思考」。
教學發展中心與您分享【教學新知】傳管系方正璽老師：後退的智慧：AI 時代最值得練習的提問能力，本文解析 Google DeepMind 提出的 Step-Back Prompting（後退一步提示法）。當我們習慣向 AI 尋找秒出答案的快捷鍵時，這項技術卻提醒我們：想要得到精準的答案，請先停下來「後退一步」，從更高的維度審視問題。
本文帶您從 AI 的「戰術後退」（啟動深度推理、避免幻覺）到人類的「戰略後退」（看清痛點本質、避免問錯問題），建立師生在 AI 協作中的核心思維，非常適合應用於專案發想與教學設計。後退一步，往往是為了跳得更遠，值得各位教師持續關注。
歡迎各位教師參閱！
示意圖：本圖由教發中心聖潔與ChatGPT協作生成
撰文：傳管系方正璽老師
如果你只想記住一種高品質的 AI 提問方式，我會建議你練習：
不要急著找答案，先後退一步想一下。
這句話看起來很簡單，但它背後其實是一種非常重要的 AI 協作能力。
Step-Back Prompting
很多人用 AI ，習慣輸入問題，秒出答案。Google DeepMind 提出的一項關鍵技術——Step-Back Prompting（後退一步提示法），卻反其道而行，告訴我們：想要得到更精準的答案，請先停下來，後退一步。
其實現在的模型，大多都已經是邏輯推理模型，以前很有用的step by step之類的提示詞，效果已經沒有很明顯。但是，當我們在提示詞中加入：
👉不要急著找答案，先後退一步想一下
或
👉 請後退一步思考。先確認這個問題背後的核心原則與邏輯，再依此回答。
AI 的推理路徑會發生改變，它就像是考試時老師站在旁邊提醒那位資優生：「這題有陷阱，不要心算，把公式寫下來再作答。」
後退一步思考讓AI 能夠跳脫細節的泥淖，從更抽像，更高的維度來審視問題，從而大幅提升推理的準確率。
AI要後退一步，人也要後退一步。利用AI協助企劃發想時，我最常用的提示詞，不是請AI幫忙發想創意，而叫AI仔細思考，這個企劃牽涉的利害關係人有哪些？他們各有什麼期待？這種雙重後退模型，類似於設計思考中的雙鑽石模型，反而是AI時代最重要的思維修練。
後退一步，能瞬間把 AI 從鑽牛角尖的狀態拉出來，回到宏觀視角。你的價值不在於比 AI 會寫字，而在於你能看到 AI 看不到的盲點。
一、 戰術層面：AI 為何需要「後退」？
—— 從「直覺反應」到「深度推理」
在戰術層面上，Step-Back Prompting 是一條指令，用於解決大型語言模型（LLM）的先天缺陷：概率上的惰性。
現有的 LLM 本質上是「文字接龍」的高手。面對問題時，它們傾向於使用「系統 1」思維（System 1）——即基於訓練數據中最常見的關聯，給出直覺反應。這在處理簡單任務時很有效，但在面對複雜邏輯或需要引用特定原理的問題時，往往會導致「一本正經地胡說八道」（幻覺）。
Step-Back Prompting 的核心機制，就是強迫 AI 切換到「系統 2」思維（System 2）。
運作原理：抽象化的力量
當我們在提示詞中加入「不要急著找答案，先後退一步想一下」或「這背後的物理原則是什麼？」時，AI 的推理路徑會發生改變：
原始路徑（易錯）： 具體問題 -> 直接預測具體答案
後退路徑（精準）： 具體問題 -> 抽象化（尋找通用原則/概念） -> 推理 -> 具體答案
這就像是面對一道物理難題，不是讓 AI 直接代數字硬算（容易出錯），而是強迫它先把公式寫出來，確認原理無誤後，再進行計算。透過這種「抽象化」的過程，AI 能夠跳脫細節的泥淖，從更高的維度審視問題，從而大幅提升推理的準確率。
二、 戰略層面：人類為何必須「後退」？
—— 避免「XY 問題」陷阱，回歸第一性原理
如果說 AI 的後退是為了「把事情做對（Do things right）」，那麼人類的後退，則是為了確保我們在「做對的事情（Do the right things）」。
隨著模型能力越來越強，我們很容易陷入「平庸的滿足感」：AI 給出的答案乍看之下很完美，我們就直接買單了。但這正是危險所在——如果我們自己沒有先「後退一步」，我們很可能在一開始就問錯了問題。
破解「XY 問題」
這是人類思維中最常見的誤區：
X 是真正的痛點（例如：專案進度落後）。
Y 是你以為的解法（例如：我要導入一個更複雜的專案管理軟體）。
結果：你問 AI「推薦最好的複雜管理軟體」。AI 會完美執行你的指令（戰術成功），但你的專案進度依然落後（戰略失敗），因為真正的問題可能出在溝通流程而非軟體工具。
Step-Back 心態要求我們在向 AI 提問之前，先自我反思：
我的問題真的是問題嗎？
我有沒有潛在的錯誤假設？
根據第一性原理（First Principles），這件事最核心的本質是什麼？
只有人類能定義真正的問題（X），AI 往往只是在優化那個可能錯誤的解法（Y）。
三、 終極工作流：AI跟人類，都要後後退一步
在 AI 時代，最強大的工作流不是「人問 -> AI 答」，而是「人類戰略後退 -> AI 戰術後退」的雙重後退模型。這類似於設計思考中的「雙鑽石模型（Double Diamond）」：
第一階段：人類的戰略後退（發現正確的問題）
動作：在打開對話框前，停下來思考。不急著尋求解答，而是先審視問題的定義。
目標：透過第一性原理，剝除表象，鎖定核心痛點。
產出：一個指向核心本質的高品質 Prompt。
第二階段：AI 的戰術後退（規劃正確的解法）
動作：在 Prompt 中包含 Step-Back 指令（如：「請先分析背後的邏輯與原則…」）。
目標：抑制 AI 的幻覺，啟動思維鏈（CoT），調用抽象知識。
產出：一個邏輯嚴密、推導過程清晰的高精準答案。
結語
Step-Back Prompting 告訴我們一個深刻的道理：在這個所有答案都觸手可及的時代，稀缺的不再是答案，而是「正確的問題」與「深度的思考」。
當你覺得 AI 給出的答案「還不錯」時，請警惕這可能是平庸的開始。試著後退一步，無論是要求 AI，還是要求你自己。因為在通往真理的路上，後退一步，往往是為了跳得更遠。
【教學新知】邀稿說明
教學發展中心誠摯邀請本校教師踴躍投稿「教學新知」專欄，分享教學創新理念、課程實踐成果或教學反思經驗。稿件圖文形式不拘，建議以1,500字以內為原則，亦可搭配附圖或相關超連結作為補充引註資料。來稿請寄至教發中心信箱：ctld@mail.shu.edu.tw。經審核採用之稿件，將刊登於教學發展中心網站（https://reurl.cc/9vKAbY），並轉發全校教師電子郵件分享。
此外，依據本校教師評鑑效標，凡撰寫「教學新知」並經本中心刊登者，每篇可核加1分，每學期至多加5分。歡迎老師踴躍分享教學成果，共同精進教學品質。如有任何疑問，亦歡迎隨時與本中心聯繫。