prompt 怎麼下？AI 大神卡帕西教學「10 分鐘碎念法」
当字斟句酌写完美 prompt 成本太高时，10分钟碎念法 主张切到语音、意识流讲约 10 分钟，先让 LLM 整理与回述对齐（mind meld），再动工；工具可选 Claude Code
/voice、ChatGPT 听写或系统听写，并划定事实核验与隐私边界。
基本信息
- 来源类型：文章（数位时代 · BusinessNext）
- 原文位置：raw/articles/2026-07-25-bnext-karpathy-voice-prompting-method.md
- 原文 URL：https://www.bnext.com.tw/article/91600/karpathy-voice-prompting-method
- 作者/编辑：李先泰（初稿 AI 编撰）
- 发布日期：2026-07-23
- 消化日期：2026-07-25
- Telegram stub：raw/articles/2026-07-25-102343-tg-d4f999.md
- 提取路径：raw/extracts/20260725-104010/bnext.com.tw/promptai10.md
- 原帖语境：Andrej Karpathy 台湾时间 2026-07-22 在 X 分享工作习惯；文中称其 2026-05 起加入 Anthropic 预训练研究
核心观点
- 反直觉的输入策略：少打字、多碎念：多数人先想清楚再写「完美提示词」；Karpathy 的习惯是懒得打字时切语音，对着 AI 放空碎念约 10 分钟，意识流、乱七八糟也没关系。他观察 AI 整理后的版本往往比原述更清楚，后续修正也更少。
- 方法赌的是模型的意图推断，不是你的表达力：LLM 常需要更多线索，但打字偷懒会少给背景。用讲的把背景、目的、卡点、犹豫全部倒出；模型回述那团思绪「往往比你一开始讲的干净许多」。当回述与你的意图一致，即完成「对频」（mind meld），再进入写文档/写代码/拟企划。
- 与一般做法的对照：一般做法高整理成本、线索精简易漏；碎念法降低长篇输入门槛、线索更全，结果因人而异，但 Karpathy 自述修正变少。本质是把「先自己整理」外包给模型的整理能力。
- 工具层可落地，但有硬边界：帖中
/voice与 Claude Code 语音听写同名；官方要点——/voice开启、默认按住空格说话/放开转写、/voice tap点按模式、本机终端与 VS Code 可用、网页版与 SSH 不支持、须 Claude.ai 登录（API/Bedrock 无）、官方听写语言约 20 种但暂无中文、转录不耗 token。中文用户可改用系统听写、Typeless；双向语音可研究开源 VoiceMode。 - 三步实操：自首 → 乱讲 → 先回述：① 开头声明「以下是语音转文字，会跳、请包容错字」；② 不管逻辑，想到什么讲什么；③ 先请 AI 用自己的话重述、列不确定点、一次反问 2–3 个问题，对齐后再动工。
- 明确「别用」边界：转录非逐字；LLM 是「做梦机器」可能补入未讲内容；录音上传云端有隐私风险；长期外包整理思路可能钝化表达肌肉。精确事实/数字/对外发布须人工核验；读完 AI 产出后自己重写成几条精炼要点以保持能力。
实操内容保留
操作步骤（10 分钟碎念法）
- 切到语音输入（Claude Code
/voice、ChatGPT App 麦克风、或系统听写/Typeless）。 - 开头自首：说明这是语音转文字、会跳、请包容错字。
- 意识流碎念约 10 分钟：背景、目标、限制、顾虑、卡点、矛盾与改口全部倒出，不自我审查。
- 请 AI 回述对齐（不要直接要成品）：
- 用自己的话重述你要做的事
- 列出不确定/缺信息之处
- 一次反问 2–3 个问题
- 确认 mind meld 后再动工（写文件、写程序、拟企划）。
- 事实核验层：重要名词与数字送出前扫一眼；对外内容逐项核对；读完产出后自己重写 3–5 条精炼要点。
Claude Code /voice 要点（官方整理）
| 项 | 内容 |
|---|---|
| 开启 | 输入 /voice；首次请求麦克风权限 |
| 默认模式 | 按住空格讲话，放开自动转文字 |
| 点按模式 | /voice tap：点一下开始、再点一下送出 |
| 混用 | 语音与打字可混用，讲到一半可改键盘修字 |
| 可用环境 | 本机终端（macOS/Windows/Linux）与 VS Code 扩展 |
| 不可用 | 网页版 Claude Code、SSH 远程（麦克风须本机） |
| 账号 | 须 Claude.ai 登录；API 密钥 / Bedrock 等不提供 |
| 语言 | 官方约 20 种语言，暂无中文；不在清单则退回英文识别 |
| 费用 | 转录不消耗 token、不计用量额度 |
语音工具对照
| 工具 | 怎么用 | 留意 |
|---|---|---|
Claude Code /voice | /voice 后按住或 tap 说话 | Claude.ai + 本机；官方听写暂无中文 |
| ChatGPT 听写 | 手机 App 麦克风 → 转文字 → 可先编辑再送出 | 非逐字，送出前检查 |
| 系统内建听写（iOS/Android/Mac） | 键盘麦克风，任意输入框 | 免费，支持中文 |
| Typeless | 中文碎念替代 | 文中外链评测对照 Wispr Flow |
| VoiceMode（开源） | 为 Claude Code 加双向语音对话 | 需自装自配 |
Prompt / 开场话术模板
以下是语音转文字，我会讲得比较跳，错字请包涵。下面我会把背景、目标、限制和还没想清楚的地方全部讲一遍，请先听完，不要急着给成品。
请用你自己的话重述一次我要做的事；列出你不确定或信息不足的地方；一次只反问 2 到 3 个最关键的问题。确认我们理解一致后，我再让你写文档 / 写代码 / 拟企划。
关键概念
- 10分钟碎念法 — 本文核心方法：语音意识流输入 + LLM 整理回述 + 对齐后再执行
- Claude Code —
/voice语音听写的主要终端实现之一（边界：本机、Claude.ai、暂无中文官方听写） - Vibe Coding — Karpathy 相关工作流语境；碎念法可视为「用自然语言倒出意图」的输入侧强化
- 提示词工程 — 本文是对「先写完美 prompt」路径的反向补充：先过量线索，后由模型结构化
- Anthropic — Karpathy 2026-05 起加入预训练团队（文中背景）
- mind meld / 对频 — 回述一致后再动工的对齐协议
- dream machines — Karpathy 2023 论断：幻觉是模型常态，不是偶发故障
- Typeless / VoiceMode — 中文听写与双向语音的补充工具（本文仅点名，未建实体页）
与其他素材的关联
- 与 2026-07-23-woshipm-vibe-coding-intro：同属 Vibe Coding 工作流——东哥篇强调结果导向与大道至简；本篇补「输入怎么从打字压力中解放」与「先对齐再执行」。
- 与 2026-07-08-bnext-claude-code-xcode-ios-app：同为数位时代 Claude Code 教学线；Xcode 篇讲 Plan 模式与预览反馈，本篇讲
/voice与碎念输入。 - 与 2026-07-23-woshipm-grill-me-skill：都强调「共识前不动手」——grill-me 用决策树拷问，碎念法用回述 + 2–3 问对齐。
- 与 2026-06-02-bnext-100-ai-prompts-map / AI提示词指南：提示词地图偏「怎么写、何时用」；本篇给出「懒得写时怎么办」的语音侧路径，与 Meta-prompting「让 AI 帮你整理需求」同向。
- 与 2026-07-14-woshipm-hoarding-to-cultivation-cognitive-assets / Karpathy 知识库风险：本文再次引用「小错入库会雪球」——碎念整理结果不能无审地当事实资产。
原文精彩摘录
跟 AI 對話，多數人的直覺是先想清楚要問什麼，再字斟句酌寫出一段完美提示詞（prompt）。但「vibe coding」一詞的創造者卡帕西（Andrej Karpathy）……懶得打字時，他會切到語音，對著 AI 放空碎念 10 分鐘，全程意識流，講得亂七八糟也沒關係。
換言之，這個方法賭的不是你表達得多好，而是模型從脈絡推測意圖的能力。當 AI 回述的版本與你想的一致，兩邊就完成他所說的「對頻」（mind meld，指想法同步）；依他的經驗，之後需要修正的地方也就變少。
開頭先「自首」：第一句先講「以下是語音轉文字，我會講得比較跳，錯字請包涵」……講完請 AI 回述：先別急著要成品，請它用自己的話重述一次你要做的事、列出不確定的地方、一次反問 2 到 3 個問題。
卡帕西 2023 年有個著名論點：LLM 本質上是「做夢機器」（dream machines），幻覺不是故障，而是模型隨時在做的事。它能把碎念整理得又順又完整，也可能把你沒講到的部分填錯。
如果你常苦惱提示詞怎麼寫都不到位，不妨反過來試試卡帕西的方法：先把腦中的東西全部倒出來，再讓 AI 整理；先確認它聽懂，再讓它動工；最後，把事實查核與關鍵判斷留在自己手上。