幫你規劃一份自學路線圖

🍽 這道菜在做什麼

想學一項新技能的時候，最難的往往不是「學不會」，而是「不知道從哪開始學」。打開搜尋引擎，跳出來的是上百支教學影片、十幾門線上課程、一堆人推薦的書單，每個都說自己最適合新手，看完反而更焦慮。有人乾脆買了課，結果第一章看完就卡住；有人東學西學，三個月過去還在原地打轉，因為從來沒有一條「先學這個、再學那個」的清楚路線。真正卡住大家的，是缺一份依自己程度與時間量身排出來的學習地圖。

這道配方要解決的，就是把「我想學某個技能」這個模糊的願望，變成一份看得懂、走得動的階段式自學路線圖。你只要說出想學什麼、目前到哪個程度、每週能擠出多少時間、想達成什麼目標，AI 就會把整段學習切成三到五個由淺入深的階段，每一階段告訴你該掌握哪些主題、做什麼練習、完成後能做到什麼，還會依你的時間估算大概要花幾週，並提醒新手最常踩的坑。最需要它的，是利用下班零碎時間進修的上班族、想轉職卻不知道該補哪些底子的人，以及自學容易半途而廢、需要明確進度感的學生。原本要花好幾個晚上比較課程、拼湊學習順序的功夫，現在五分鐘就有一份清楚的起步藍圖。

為什麼這樣設計

這份提示詞的關鍵，在於它不是要 AI 丟一堆資源連結給你，而是要它先「設計學習結構」。第一個刻意的要求是「切成三到五個由淺入深的階段，每階段標明學會後能做到什麼」。把學習拆成階段，符合認知負荷的原則——人沒辦法一次吞下整片知識，但能一階一階往上爬；而「學會後能做到什麼」這句話，則把抽象的主題換成具體的能力，讓你每完成一階都看得到自己變強了。

第二個關鍵是「每階段附一個可檢核的小成果（里程碑）」。自學最容易失敗的原因，是沒有回饋——你不知道自己學得對不對、夠不夠。里程碑就是逼自己「做出一個東西來驗收」，例如「能獨立寫出一支會抓網頁資料的小程式」，比起「讀完第三章」這種模糊進度，更能確認真的學會了。第三個設計是「依每週可投入時間估算各階段週數」。很多學習計畫排得很漂亮卻做不到，就是因為沒考慮你一週其實只有八小時，這道配方把時間當成輸入條件，排出來的才是你真的走得完的時程。最後刻意加上「點出新手最常見的卡關處」，是把過來人的經驗前置，讓你在踩坑之前就先知道怎麼避開。

怎麼用

第一步，複製這道配方的提示詞，貼到 Claude、ChatGPT 或 Gemini 的對話框。

第二步，把幾個 {} 換成你的實際情況。技能寫具體一點，「Python 資料分析」會比「程式設計」排得更準；程度誠實描述，例如「會基本語法但沒做過完整專案」，AI 才不會從太淺或太深的地方起跳；每週時間照實填，平日晚上一小時、週末三小時就寫清楚，這是估時程的依據；目標盡量寫成「做得出什麼」，例如「三個月後能獨立做出一份資料視覺化報告」；學習偏好填上去，喜歡看影片還是邊做邊學，AI 會挑對應的資源類型。

第三步，按 Enter 送出。AI 會回給你一份分階段的路線圖，每階段有核心主題、練習作業、可檢核的里程碑與預估週數，最後附上常見卡關處與資源類型建議。對照配方裡的步驟——說需求、看路線、開始走——拿到結果後，先專心走第一階段，完成里程碑再往下一階，不要一次想吃完整份地圖。

調整技巧

拿到第一版後，用講的就能讓它更貼合你。覺得某一階段排得太趕或太鬆，可以說「第二階段對我來說太重，請再拆成兩個小階段」，它就會重新分配。想要更細的執行清單，可以接著說「請把第一階段展開成每週的具體待辦，標出每週該完成什麼」——這就是配方裡的「週計畫版」，把大方向變成每天看著做的進度表，最能對抗拖延。

如果你的目標是考取某張證照或檢定，把目標欄改成「通過某某檢定」，再補一句「請對齊該考試的範圍與題型來安排各階段」，AI 就會把路線圖往考試導向調整，這是「考照版」的用法。學到一半發現難度不對，也隨時能回來說「我卡在某個概念一直不懂，請在路線裡補一個過渡的小階段帶我跨過去」。每次調整都只要一兩句話，不必重排整份計畫。

注意事項

最重要的一條：這是學習規劃工具，不是成效保證。路線圖幫你把方向理清楚，但學會與否取決於你實際投入的練習與堅持，AI 排得再漂亮，沒動手做也是白搭。把它當成起步的地圖，而不是非照走不可的鐵律。

幾個環節要靠你人工把關。第一，AI 推薦的「資源類型」是它根據一般情況給的建議，具體要選哪一門課、哪本書、哪個網站，請你自己查證評價再決定，別把它隨口提到的特定教材或連結照單全收——AI 偶爾會記錯資源名稱或給出已失效的內容。第二，技術與工具更新很快，某些領域（例如程式套件、軟體操作）的知識可能已經過時，學習時請以官方文件或近期的權威來源為準。第三，路線圖的難易與時程是「一般性估計」，你的學習速度、先備知識、可用時間都會讓實際進度不同，走起來覺得不對就回頭調整，把它當活的計畫而非死的時間表。成果驗收同樣要自己負責，完成里程碑時最好找真實的小專案或情境來檢核，確認是真的學會，而不只是看完了教材。

台灣情境案例

一位在台中科技業上班的 29 歲品保工程師，想轉做資料分析，卻被網路上鋪天蓋地的課程資訊淹沒，買過兩門線上課都在第三週放棄。他把「想學 Python 資料分析、目前完全新手、平日每天一小時加週末三小時約每週八小時、希望半年後能做出一份完整的資料視覺化報告、偏好邊做邊學」丟進去，AI 幫他排出四個階段：第一階段打底語法與資料結構（約三週，里程碑是寫出一支會整理 CSV 的小程式）、第二階段學資料清理與 pandas（約四週，里程碑是把一份髒資料洗乾淨並算出統計摘要）、第三階段做視覺化（約三週，里程碑是畫出三張能說故事的圖表）、第四階段整合成一份報告專案（約四週）。AI 還提醒他新手最常卡在「環境安裝」「一開始就想學太難的機器學習」「只看不練」這三點。他照著走，最大的改變是「終於有一條看得到終點的路」，每完成一個里程碑就確認自己又往前一步，五個月後真的用自己公司的真實資料做出一份分析報告，順利在內部轉調到數據相關的職位。

延伸用法

這道配方的核心是「把模糊的學習願望，拆成走得動的階段與里程碑」，能延伸的玩法很多。想把大方向變成每天的待辦，用「週計畫版」請 AI 把第一階段展開成每週清單，再搭配行事曆設定固定的學習時段。準備考證照的人，用「考照版」對齊考試範圍排進度，更有方向感。

更進一步，可以把「每週學習 → 完成里程碑 → 回報進度 → 調整下一階段」設計成一條固定的工作流，每週末花十分鐘檢視與微調，長期累積下來學習節奏自然成形。需要為不同技能或不同家人快速生出多份路線圖時（例如同時規劃自己的進修和小孩的程式啟蒙），也能搭配產生器一次產出多套方案再各自微調。想把學習過程中的其他環節補齊，例如整理筆記、做複習考題、寫學習心得，逛逛食譜裡的其他配方，能把規劃、執行、複習串成一套屬於自己的自學系統。

材料

• AI 對話工具（Claude／ChatGPT／Gemini）
• 你想學的技能、目前程度與每週可投入時間

步驟

1. 說需求：填上想學的技能、目前程度、每週時間與目標。
2. 看路線：拿到階段式路線圖＋里程碑＋練習作業。
3. 開始走：依時程逐階段執行，完成里程碑再往下一階段。

配方本體（可複製帶走）

# 任務
幫我規劃一份「從現在到上手」的自學路線圖（學習規劃，非保證成效）。

想學的技能：{例如 Python 資料分析／日文會話／影片剪輯}
目前程度：{完全新手／有一點基礎，例如：會基本語法但沒做過專案}
每週可投入時間：{例如 平日各 1 小時、週末 3 小時，合計約 8 小時}
期望達成的目標：{例如 三個月後能獨立做出一份資料視覺化報告}
學習偏好：{例如 喜歡看影片／喜歡邊做邊學／需要明確進度表}

請產出：
1. 把學習切成 3～5 個由淺入深的階段，每階段標明「學會後能做到什麼」
2. 每階段列出該掌握的核心主題、建議的練習作業，以及一個可檢核的小成果（里程碑）
3. 依我每週可投入的時間，估算每階段大約要花幾週
4. 點出新手最常見的 3 個卡關處與避開方法
5. 推薦 2～3 類學習資源（說明類型即可，例如官方文件／互動式練習網站／實作專案），不必給具體連結
繁體中文、台灣用語，條列清楚、語氣務實。

試吃報告

變化版

• 考照版：把目標改成「通過某張證照／檢定」，請 AI 對齊考試範圍與題型來排階段。
• 週計畫版：拿到路線圖後，再請 AI 把第一階段展開成每天 / 每週的具體待辦清單。

你可能也想看