Step 1 · 臨床觀察輸入
建立病人資料，產生AI提示詞
護理師與醫師分別填入——AI面前人人是學習者
⏱ 60分鐘醫護共填 病人快照
護理師填 連續照護觀察
用自己的話說，不需要格式
醫師填 臨床判斷框架
與 AI 互動
Claude AI Copilot — Step 1
Step 2 · AI辯正
找出AI的侷限，建立批判性信任
護理師先問→醫師後問→並排比較→辯正回問
⏱ 60分鐘三段式操作
1
各自問AI（0–20分鐘）
護理師版：加上角色指定句，從照護觀察角度問。醫師版：從預後判斷角度問。
2
並排比較（20–40分鐘）
找三類差異：AI說對但沒想到 / AI說錯或不適用 / 醫護兩份互相矛盾（最重要）
3
辯正回問（40–60分鐘）
選出AI說得最不對的地方，用標準句型要求AI重新評估。
第一段：各自問AI
護理師以照護觀察為主
護理師版
醫師以預後判斷為主
醫師版
第二段：並排比較
這裡揭示的不是AI的問題，而是醫護之間資訊落差的顯現
第三段：辯正回問
辯正對話
Step 3 · 跨系統連鎖分析
建立跨系統連鎖地圖
三層遞進——單線連鎖→多線交叉→預測性連鎖
⏱ 90分鐘第一層：單線連鎖 0–20分鐘
第一層提示詞
這位病人有以下兩個發現：[發現A] 和 [發現B]。
請解釋這兩者之間的生理連鎖關係，步驟要細到每一個中間環節。
→
→
→
第二層：多線交叉 20–40分鐘
第二層提示詞
請找出這位病人身上，同時影響「[系統A]」和「[系統B]」的因素，並說明它們如何互相強化。
第三層：預測性連鎖 40–55分鐘
第三層提示詞
如果接下來24小時不介入任何新的治療，這位病人最可能發生的連鎖崩潰順序是什麼？請用「事件A → 事件B → 事件C」格式呈現。
1
↓
2
↓
3
↓
4
問號節點——我們不確定的地方（至少一個）
這個問號是Step 4 BMW「uncertainty」的視覺化起點，也是整張地圖最重要的產出。
與AI共同建立連鎖地圖
Claude AI Copilot — Step 3
Step 4 · BMW情境產出
Best · Most Likely · Worst
對不確定性做出承諾——把uncertainty轉化成可行動的三個情境
⏱ 90分鐘定錨：AI草稿 + 機率調整
先點擊「請AI產出BMW草稿」，取得三個情境後填入下方表格，並調整機率。
三個情境
Best
最佳情境
機率%
Most Likely
最可能情境
機率%
Worst
高危情境
機率%
我把AI機率改成＿＿，因為
BMW深化對話
Claude AI Copilot — Step 4
Step 5 · SDM準備工作台
家庭會議準備包
讀懂家庭 → 三份素材 → 人的補充 → 帶著地圖走進家庭會議
⏱ 60分鐘第一段：讀懂這個家庭（0–15分鐘）
第二段：三份素材（15–45分鐘）
1BMW 口語版
2家屬問題清單
3照護目標對話框架
SDM準備對話
Claude AI Copilot — Step 5
AI不可能知道的事——由你來補充
這裡才是真正的照護
AI能給的是結構和語言，但以下細節只有長期照顧這位病人的你才知道。
這個細節可能是家庭會議裡最有份量的一句話
醫護內部對齊，比任何AI素材都重要
進會議前確認清單
BMW口語版三個情境，我可以不看稿說出來
家屬問題清單，我知道最難回答的一題是哪一個
照護目標對話框架，我記得開場白的第一句話
護理師準備好說那個「印象最深的瞬間」
醫護兩人已經說好今天會議的目標
如果家屬說「你們決定就好」，我知道怎麼回應