先說結論：圖片看起來跟大家差不多，通常不是 Prompt 寫得不夠詳細，而是動筆之前，腦中浮現的視覺元素本來就和多數人相似。這篇文章公開一位學員的真實提問，如何經過重新思考、流程設計、AI 工具創新設計書，最後變成一個真的可以使用的 AI 工具——連同我實際交給 Claude Code 的完整設計書。
真實問題：為什麼 AI 做的圖都差不多？
最近上課時，一位學員問我：
「老師，我用 AI 製圖，但做出來的圖片，好像都跟大家差不多，該怎麼辦？」
我覺得這是一個很好的問題。因為現在很多人都會 AI 製圖。但用久了，你可能會發現：
- 談 AI，容易出現機器人、筆電、藍色科技背景。
- 談創新，容易出現燈泡、拼圖、發光的大腦。
- 談團隊合作，容易出現一群人圍著桌子。
圖片沒有不好看。只是常常讓人覺得：「好像在哪裡看過。」
第一個答案：把 Prompt 寫得更好
如果直接問 AI：「如何讓 AI 製圖更有創意？」常見答案大概是：
- 把 Prompt 寫詳細一點。
- 指定特殊風格。
- 增加構圖、光線與色彩描述。
- 使用參考圖片。
- 換一個 AI 製圖工具。
這些答案都沒有錯。但我一直有一個習慣。當第一個正確答案出現時，我會再問：
「還有沒有什麼問題，是我們沒有看到的？」
這就是我所說的「重新思考」。
重新思考：如果真正的問題不是 Prompt 呢？
我開始重新問：
- 圖片相似，真的是 Prompt 寫得不夠詳細嗎？
- 換一個藝術風格，就代表畫面真的不同嗎？
- 為什麼大家想到 AI，第一個畫面經常是機器人？
- 為什麼想到工作，就容易想到辦公室與筆電？
我突然發現：「也許大家一開始提供給 AI 的想像元素，本來就很相似。」
例如「一位上班族和 AI 一起工作」，常見元素可能是：上班族、筆電、AI 機器人、辦公室、藍色科技感、漂浮數據。
如果一開始想到的元素都差不多，即使 Prompt 寫得更長，也可能只是把相同的畫面做得更精緻。所以我重新問了一個問題：
「如何在寫 Prompt 以前，先離開第一個視覺答案？」
問題改變之後，答案也開始改變了。
我沒有先做 Prompt 產生器
這時候，我想：是不是可以做一個工具，幫助學員解決這個問題？
但如果我直接告訴 Claude Code：「幫我做一個 AI 圖片 Prompt 產生器。」最後很可能變成：輸入主題、選風格、選色調、產生 Prompt。
結果，學員問的是：「為什麼 AI 做的圖片都跟大家差不多？」而我卻可能又做出一個和大家差不多的 AI 工具。
所以，我沒有急著開發。我先重新設計流程。
我把 AI 製圖前面的思考流程改了
舊流程
新流程
請注意，Prompt 被我放到了最後。
因為我開始認為：Prompt 比較像翻譯者。它把你腦中的畫面，翻譯成 AI 比較容易理解的描述。但如果你腦中的第一個畫面，本來就和大家差不多，再厲害的翻譯，也可能只是把相同的想法翻譯得更完整。
例如：AI 不一定要是一個機器人
假設原始主題是：「一位上班族帶領不同的 AI 助手一起工作。」常見畫面可能是：上班族坐在筆電前，旁邊站著 AI 機器人，背景是藍色科技介面。
但如果 AI 不能用機器人表示呢？如果「工作」不能用辦公室與筆電表示呢？
AI 的替代元素
工作的替代場景
還沒有開始寫 Prompt，畫面就已經開始不同了。
流程想清楚之後，我才開始寫「AI 工具創新設計書」。我沒有只寫「幫我做一個 AI 圖像差異化工具」，而是把前面的思考全部放進設計書：這個工具真正要解決什麼問題、第一個答案是什麼、我重新思考了哪些地方、這個工具刻意不做什麼、為什麼 Prompt 不能放在第一步、什麼叫有效的替代元素、什麼只是換風格、什麼叫假創新、哪些結果出現代表這個工具其實失敗了。
最後，我才把完整設計書交給 Claude Code。於是，「AI 圖像差異化設計器」被做了出來。
完整 AI 工具創新設計書
我實際交給 Claude Code 的
完整 AI 工具創新設計書
這不是摘要版，也不是為了寫這篇文章重新整理的範例。從核心問題、重新定義、刻意不做的功能、七階段流程、判斷原則，到驗收條件，這就是我實際用來規劃「AI 圖像差異化設計器」的完整內容。我決定完整公開，因為我想讓你親自看看：工具還沒有開始開發以前，差異到底是在哪裡產生的。
實際試試看：AI 圖像差異化設計器
現在，直接看看這份設計書最後做出了什麼。看完思考過程後，你可以直接進入工具。輸入一個原本想生成的圖片概念，看看自己的第一個視覺答案裡，藏著哪些容易和別人相似的元素。
免費使用．無需登入
為什麼我要把創作過程攤開？
現在，我們很容易看到 AI 成果。有人用 AI 做網站，有人做 App，有人做 AI Agent。我們看到時，常常只會說：「好厲害。」
但我一直在想：然後呢？如果我只讓你看到最後的工具，你下一次知道要怎麼做嗎？
所以，我最近越來越想做一件事：「把創新的黑盒子打開。」
把創新的黑盒子打開
「我不只展示 AI 成果。我把成果誕生以前的思考，攤開給你看。」
別人讓你看到 AI 做出了什麼，我更想讓你看懂：「一個不同的 AI 成果，到底是怎麼被想出來的。」
從觀察問題、重新思考、設計工作流程，到把方法做成 AI 工具，我想把成果背後的思考過程攤開。因為真正值得學的，不只是「老師最後做出了什麼？」而是「下一次，你怎麼自己想出一個新的答案。」
那位學員只是問了我一句：「老師，為什麼 AI 做的圖都跟大家差不多？」最後，這個問題長成了一個工具。
所以，也許你也可以回頭看看自己的工作。最近有沒有哪一個問題，讓你一直覺得：
- 「為什麼每次都這樣？」
- 「大家好像都用同一個方法？」
- 「AI 已經用了，但結果還是差不多？」
先不要急著問 AI 要答案。試著多問一句：
「如果真正的問題，不是我現在以為的這個問題呢？」
也許，你的下一個 AI 工具，就藏在這個新問題裡。
延伸閱讀：想更完整地練習「重新思考」，可以看看 〈重新思考：讓 AI 不只是給答案，而是幫你找到更好的問題〉與站內的 重新思考引導工具；如果你想練習「拆解元素、重新組合」的方法，可以參考 〈產品功能已經差不多，怎麼做出新亮點？用 AI 拆解元素再重新組合〉與 創新元素實驗室。
