### 操作系統四層模型 Layer 1: Beliefs(信念) Layer 2: Identity(身份認同) Layer 3: Rules(規則) Layer 4: Needs & Values(需求與價值觀) 教練深入到這一層時, 往往能觸及最根本的轉化。
class SessionState: phase: Phase = OPENING golden_thread_alignment: 1.0 coachability_level: int = 5 os_layer_depth: OSLayer = SURFACE insight_signals: list = [] beliefs: list = []

一套不給建議的 AI
它怎麼學會教練的沉默?

你有沒有注意到,當客戶說「我想做個決定」的時候,你不會真的幫他做決定?

你不分析利弊,不列優缺點,不說「你有沒有想過⋯⋯」。你做的事比這些微妙得多:你問的是「當你做了這個決定之後,你希望得到什麼?」

你穿透了行為的表面,去碰觸底下的渴望。

這件事,你每天都在做。但幾乎沒有人理解你在做什麼。

信念 1:客戶是完整、資源豐富、有能力的 信念 2:教練激活大腦的創造力 信念 3:轉化而非修復(Transform, Not Fix) 信念 4:放下自我(Release the Self)
### 階段間跳轉規則 EXPLORING → DEEPENING 偵測到操作系統信號 DEEPENING → EXPLORING 策略性後退 DEEPENING → DEEPENING 一層揭示更深一層 任何階段 → INSIGHT 洞見不可預測

教練最深的困境,不是技術,而是規模

你知道教練的力量。你見過一個議題如何在四十五分鐘內,從「我想換工作」變成「我想活出自己」。你見過客戶在聽見自己那句話的瞬間,整個人安靜下來。

但你也知道一個現實:這樣的對話,一週能發生幾次?

ICF 估計全球有超過十萬名專業教練。聽起來不少。但需要被聽見的人有幾十億。不是每個人都需要長期教練關係,但太多人在某個深夜,需要一段不給建議、只幫他看清自己的對話。

真正的問題從來不是品質和數量的取捨。而是:好的教練式對話,有沒有可能讓更多人碰得到?

OPENING BOOKEND (安全感 + 期望成果) │ ▼ EXPLORING ◄──► DEEPENING (故事表面) (操作系統) │ ▼ INSIGHT (燈泡時刻) │ ▼ CLOSING BOOKEND (行動承諾 + 身份確認)
反思性探詢 = 反映陳述 + 提問 順序固定:先反映,再提問 複述 Recap 換句話說 Paraphrase 命名情緒 Label 絕不跳過反映直接問問題

我們做了一個嘗試

過去這段時間,我們建了一套 AI 教練對話系統。它不是聊天機器人。也不是那種問你五個問題就吐出一份報告的東西。

根基是 Marcia Reynolds 的突破性教練方法論。

在你繼續讀之前,先說一件事:AI 取代不了教練。但你花了幾百小時訓練和督導才內化的那套思維方式,AI 有可能學會一部分。

接下來是幾個設計決策。希望你讀完之後的反應是:「對,這就是我在做的事。」

第一條規則:永遠不給建議

這不是技術限制。這是寫在系統最底層的設計原則。

系統的 prompt 裡有一段「絕對禁止清單」:不說「你應該」「你可以試試」「我建議」。不分享自己的故事。不急著讓客戶感覺好一點。不幫客戶歸納行動項目。不對洞見給評價,連「很棒」「做得好」都不行。

為什麼連正面評價都禁止?因為評價蘊含權威。一旦教練說「很好」,客戶就從自我探索轉向尋求認可。只有純粹的鏡像,才讓人繼續往深處走。

這個邏輯,不是我們發明的。這是你們教會我們的。

先反映,再提問

系統遵循反思性探詢的公式:先反映,再提問。順序固定。如果只能做一件事,選擇反映。

三種反映形式:複述、換句話說、命名情緒。

對話範例

「我覺得不管我怎麼努力,他們都看不到我。」

「看不到你。」 「你最想被誰看到?」

不解釋為什麼問這個問題。不加「謝謝你的分享」。回應通常一到三句話。每次只做一件事。

五階段對話結構

每場對話遵循五個階段:開場 → 探索 → 深化 → 洞見 → 收尾。

每個階段有各自的目標、技術指引、轉場條件,也有明確的禁止行為。在開場階段,系統不能接受客戶的第一個答案就往下走,要確認底下是否有更深的渴望。在洞見階段,不急著跳到行動計畫。讓洞見呼吸。

這不是死板的腳本。階段可以回退。如果在深化階段碰到阻抗,系統會退回探索,就像你在會談中感覺到客戶關上門時,會選擇退一步。

它追蹤你平常追蹤的東西

系統持續評估客戶的 OS 層深度——表面行為、情緒、信念、身份認同、核心需求。阻抗類型、可教練性、渴望的轉變軌跡,它都在追蹤。

這些維度不是我們拍腦袋想出來的。教練督導就看這些。

能量適配

當客戶的回應從豐富變得簡短,系統不會追問更深的問題。它會縮短回應、降低挑戰強度,先接住人。一個溫暖的「嗯。」有時比一個有力的問題更有效。

Bottom-lining

(客戶用兩百字描述團隊管理的挫折)

「控制。你在保護什麼?」

客戶說得越多,系統的回應越短。

它記得上一次

回訪客戶時,系統不會問「你有沒有採取行動」,因為這個問法帶著壓力,暗示客戶「應該」做了什麼。

SFBT 前導性變化盤點

「從上次到現在,有沒有什麼小小的不同,是你注意到的?」

引導客戶從資源和例外出發,而不是從問題飽和的敘事開始。

golden_thread_alignment: float = 1.0 desired_outcome: Optional[str] desired_outcome_quality: "undefined" emotional_state: Optional[str] values_conflict: Optional[str] identity_explored: Optional[str] commitment: Optional[str]

它做不到的事

我們不想假裝 AI 可以做到一切。

它讀不到身體語言。

當你看見客戶的眼眶泛紅,你會放慢。當你感覺房間裡的空氣變了,你會停下來。AI 只有文字。它能偵測語言信號(觸發詞、回覆長度的變化、情緒標籤的修正),但那個還沒被說出口的東西,它感受不到。

它無法在沉默中陪伴。

文字對話裡的沉默,和面對面的沉默,是完全不同的東西。你的存在本身就是一種介入。這一點,目前的技術做不到。

它也不適合長期深度的教練關係。

有些客戶的議題需要長期穩定的人類關係,需要信任。AI 教練不該是這些人的唯一選擇。

它會犯錯。

它偶爾會滑入顧問模式,偶爾問出不夠精準的問題。它沒有你數百小時受督導後累積的直覺。

### B1. 放下自我 Unselfing 不需要客戶覺得對話有價值 不預設對話方向 不沉浸在故事和痛苦中 不渴望被感激 不扮演專家
## A1. 核心觀點 人腦天生傾向維持現狀, 抗拒改變。大腦為了節省能量, 會將過去的經驗編碼為 自動化的思維模式與行為習慣。 自我反思的侷限性: 反思所使用的工具 正是被框架所限制的對象。

那它的價值是什麼?

做不到這麼多事,為什麼還值得存在?

因為大多數人連教練式對話的入口都找不到。

凌晨三點翻來覆去的年輕主管,不會打電話給教練。帶完小孩累到不行的媽媽,也不會想到要預約教練會談。更別說那個正在考慮轉職的工程師——他根本不知道「教練」跟自己有什麼關係。

但如果手機裡有一個地方,可以開始一段不給建議、不帶評判的對話呢?不完美沒關係。只覆蓋真正教練會談的一部分能力也沒關係。對那個人來說,這可能是他第一次體驗到「被問對問題」。

有些人會從這裡開始,然後尋找人類教練做更深的工作。

這是漏斗的上游,不是你的競爭者。

你可以參與的方式

你不需要會寫程式。你需要的,是你已經擁有的:對人的理解。

你可以讀系統產生的對話紀錄,標註哪些回應符合教練原則、哪些偏離了。就像你在督導新手教練時做的事。你也可以貢獻真實會談的脫敏版本,讓系統從最好的人類教練身上學習。

系統的 prompt 需要更新時,我們需要有人判斷:這段指令的教練立場對不對?轉場條件合不合理?倫理邊界畫在哪裡才恰當?這些事,只有你們能做。

我們在做的事,本質上是把你腦中那些「難以言說的專業直覺」翻譯成系統可以理解的語言。這個翻譯工作,沒有你不行。

我有興趣進一步瞭解
LINE QR Code

LINE ID: @249jgumk

掃描 QR Code 或搜尋 ID 加入

如果有一天,你的客戶在兩次會談之間,有一個安全的地方可以繼續探索——

那會改變什麼?