用 AI 設計你的刻意練習計畫
這篇文章把《刻意練習》的核心拆成四個步驟，教你用 AI 當練習教練：揪出自動駕駛區、拆解子技能、建立即時回饋、寫出 90 天計畫，並附可直接複製的提示詞。適合做一件事很多年、卻發現自己很久沒有真正變強的人閱讀。
你有沒有過這種狀況：一件事做了好幾年，自認很熟，但其實已經很久沒有真正變強了？我有，而且不只一個領域。身為資安講師，我能教、能操作的東西，反而最容易掉進「自動駕駛」——手很熟，但大腦根本沒在挑戰自己。
《刻意練習》這本書講了一個殘酷又解放的真相：專家不是天生的，是練出來的；但光練不夠，你得「刻意」練。書裡舉的例子很狠——莫札特的完美音感不是天生的，是幼年密集訓練的結果；榊原彩子的實驗裡，24 名 2 到 6 歲的孩子在正確訓練下「全部」發展出完美音感。天真地重複一萬小時，跟刻意練習一萬小時，是兩回事。差別就在於有沒有跨出舒適圈、有沒有針對弱點、有沒有即時回饋。
問題是，刻意練習很難一個人做——你需要有人幫你找盲點、給你回饋、逼你別偷懶。過去這個角色只能靠教練或高手。現在 AI 可以補上一大塊。這套方法萃取自我的筆記〈沒有天賦？那就練出來——《刻意練習》教會我的殘酷真相與實踐路徑〉(/deliberate-practice/)，以下是我把它轉成「用 AI 當練習教練」的完整流程，最後我會用自己真實的練習計畫走一遍給你看。
第一步：用 AI 揪出你的「自動駕駛區」
刻意練習的起點，是誠實面對「我做了很久卻沒進步的事是什麼」。這件事自己想常常想不清楚，因為你會本能地閃避。讓 AI 當那個直球發問的人：
我想用《刻意練習》的框架診斷自己。請扮演一個直接、
不客氣的練習教練，針對我的領域「[填領域]」問我 8 個問題，
幫我找出哪些技能我已經進入「自動駕駛」——
也就是做了很久、表現穩定、但其實很久沒有實質進步。
問完後，幫我列出 3 個最該重新刻意練習的點，並說明理由。
我自己跑這一輪時被問出三件事：技術操作、內容產製、教學能力，全都做很多年卻沒刻意迭代。我必須承認一個反直覺的事實——
我的經驗：我在最擅長的領域，反而最容易進入自動駕駛。因為擅長，所以做起來不費力；因為不費力，所以大腦沒在被挑戰。
誠實面對這點，比練什麼都重要。
第二步：拆解技能，鎖定真正卡住的子技能
高原期不是你的能力極限，而是「某一個子技能」把你卡住了。繼續練你已經會的部分，再多時間也沒用。要做的是把技能拆開，找出最弱那一塊：
我想精進「[技能名稱]」。請幫我：
1. 把這個技能拆解成 5-10 個子技能
2. 針對每個子技能，列出「新手 / 中階 / 高手」的具體表現差異
3. 根據我的描述：[我目前能做到什麼、卡在哪]，
判斷我最弱的 1-2 個子技能是哪個
4. 解釋為什麼這幾個子技能是我的瓶頸
把技能拆細的好處是：你的練習從「我要變強」這種無法執行的願望，變成「我這週只練 exploit 串接這一段」這種可以動手的目標。這背後其實是書裡講的「心智表徵」——西洋棋大師能在 5 秒內記住三分之二的棋子位置，但面對隨機亂放的棋子，表現跟新手沒兩樣。專家厲害的不是記憶力，是能「看見模式」。當你說不清自己到底卡在哪個子技能，往往就是因為你對這個技能的心智表徵還很粗。拆解的過程，本身就是在把那張模糊的地圖畫清楚。
第三步：把 AI 當即時回饋系統
沒有回饋就沒有刻意練習，這是書裡最硬的一條。回饋越即時，調整越快。AI 最大的價值就在這裡——它隨時都在，能立刻幫你做錯誤分析：
這是我這次練習「[子技能]」的過程 / 成果：[貼上你的產出、
程式碼、流程紀錄、或操作步驟]
請以該領域高手的標準幫我：
1. 指出我做對的地方（這樣我才知道要保留什麼）
2. 指出 3 個最關鍵的錯誤或低效之處，按嚴重度排序
3. 針對每個問題，給我下一次練習可以立刻調整的具體動作
4. 出一個比這次稍微難一點的挑戰，讓我練同一個弱點
最後那一句「出一個稍微難一點的挑戰」是關鍵。
注意：刻意練習必須持續跨出舒適圈，一旦你覺得輕鬆好玩，大概就代表沒在進步了。
這個提示詞有個進階用法我很推薦：要 AI 不只評你的成果，還評你的「練習過程本身」。我會補一句：「請估算我這次的時間，有多少比例是真正吃力、需要全神貫注的練習，多少是準備、整理、查資料這種低強度活動。」這一問常常戳破我——我曾經以為自己練了兩小時 AD 滲透，AI 一拆才發現真正吃力專注的部分只有大概三成五，其他時間都在架環境、整理筆記、想著「這要怎麼做成課」。那些不是練習，是準備輸出。看清這個比例，我才知道自己的「練習時數」灌了多少水。
第四步：讓 AI 幫你寫一份 90 天計畫
零散練習撐不久。把前三步的結論交給 AI，產出一份結構完整、可追蹤的計畫：
請幫我設計一份 90 天刻意練習計畫，輸出成表格，欄位包含：
- 精進技能 / 目前水準 / 90 天目標（要具體可驗收）
- 學習資源
- 每週時數（請拆成多次、每次不超過 45 分鐘的小單位）
- 回饋機制（我每週怎麼拿到回饋）
- 可能的障礙
- 對應的克服策略（用環境設計，不要只靠意志力）
我的資訊：[填入前三步的結論]
注意「克服策略」要靠環境設計，不是靠意志力。意志力是受情境影響的——固定時段、排除干擾、設一個小到不可能拒絕的最小單位（15 分鐘就好），比咬牙硬撐有效得多。
流程總覽
一次完整的實例：我的 90 天攻擊鏈練習
把四步串起來走一遍，用我自己真的在跑的計畫。
第一步揪自動駕駛：AI 問我那八題，逼出三個我做很久卻沒進步的領域。我選了最有槓桿的——網站攻防，因為能教不代表還在變強。
第二步拆子技能：我把「網站攻防」丟給 AI 拆，它列出十個子技能，再根據我的自述判斷我最弱的是 Exploit Chaining（攻擊路線串接）和 Detection Evasion（不被偵測）。對照「新手／中階／高手」那張表，我清楚看到自己卡在「能看懂、能模仿，但無法從零設計一條完整攻擊鏈」這格。
第三步建回饋：每次練完，我把攻擊流程圖和 PoC 錄影貼給 AI 做錯誤分析，要它按嚴重度排三個問題、給下次的具體調整，再出一個難一點的變體。同時我每月找一位真高手 review 一次，AI 補日常、人補關鍵判斷。
第四步寫計畫：最後產出的表格長這樣——精進技能：Exploit Chaining；目前水準：能模仿不能設計；90 天目標：獨立完成一條可展示的攻擊路線；學習資源：Red Team 報告、HTB、NotebookLM；每週時數：6 到 8 小時，拆成多次 45 分鐘；回饋機制：流程圖加 PoC 錄影加月度 review；可能障礙：多任務干擾、覺得進步太慢；克服策略：15 分鐘最小單位、固定時段、一次只練一小段。這份計畫的重點不是它多漂亮，是它把「我想變強」這句空話，落成了每週可以打勾追蹤的東西。
常見翻車與 FAQ
- 把準備當練習。架環境、整理筆記、查資料都不是刻意練習，是準備。不誠實切開這兩者，你的時數永遠灌水。記得用 AI 估那個「吃力比例」。
- 練自己已經會的，因為那樣最爽。自動駕駛區最舒服，但零成長。覺得輕鬆好玩，幾乎就是沒在進步的警訊。
- 沒設可驗收的目標。「變更厲害」沒辦法判斷成敗。目標要具體到能打勾，例如「獨立完成一條攻擊鏈」而不是「攻防變強」。
- 靠意志力硬撐，三天就斷。不做環境設計、不設 15 分鐘最小單位，再強的動機也撐不過忙碌的一週。
- 回饋只拿一次就不拿了。刻意練習是回饋驅動的循環，不是一次性檢查。沒有持續回饋，你會在錯誤的路上越練越熟。
一張刻意練習自檢表
每次練習前後，用這張表確認你是在「刻意練習」而不是「天真重複」：
- 我這次練的，是我已經會的，還是我會卡住的那一塊？（後者才對）
- 過程中我有沒有感到吃力、需要全神貫注？這次真正吃力的比例大概多少？（覺得輕鬆、比例太低就是警訊）
- 我有沒有設定一個具體到能判斷成敗的目標？
- 練完我有沒有拿到回饋，知道下次要調整什麼？這個回饋是一次性還是持續的？
- 我的環境設計，有沒有讓「開始練習」這件事變簡單？有沒有設最小單位？
任何一項是否定的，這次練習的效率就打了折。
要講清楚的是，AI 是很好的練習教練，能幫你找盲點、給回饋、設計計畫，但它不能替你跨出舒適圈，也不能替你流那身真正吃力的汗——進步永遠發生在你親自做那件難的事的時候。你不是沒有天賦，你只是還沒開始刻意練習。如果你想把這套「AI 當教練」的流程，接進更完整的學習與工作流系統，這是我持續在整理的方向，歡迎一起把每一次練習都練得算數。