你的 AI 回答奇怪，原因不一定只是問題太短。

那是 2023 年。我決定寫一本書。更準確地說，我決定讓 AI 幫我寫。給它主題，請它列目錄，再一章一章接收內容。大概收到兩章後，我就關掉了視窗。

句子沒有問題。段落也沒有問題。可是讀完之後，什麼都沒有留下。像是在某處看過的話，被排成某種也在別處看過的順序。當時我的結論很簡單：還不行。

前陣子，我做了一個影片審稿用 Web 服務的初版。從畫面規劃到部署，四個小時。連登入和付款都一起接上了。程式碼我一行也沒有親手寫。

同一個人。當然，這段時間模型變好了。可是如果只是模型變好了，有一件事就解釋不了。直到現在，我每週還是會看到有人試著叫 AI 做事，然後說「這到底能拿來幹嘛」就把視窗關掉。他們用的模型，和我用的是同一個模型。

深夜的套房書桌前，有人正要關掉平淡的 AI 草稿文件畫面
收到兩章後，把視窗關掉的那個晚上。圖片：AI 生成 / GRAV。

那個人說可以了，才是真的可以

電影裡常有這樣的場景。一開始有個看起來笨拙的人。可是旁邊有人說：「那個人動了，就代表時候到了。」到了後半段，那個人安靜地站起來。他一動，原本糾纏的局面就開始解開。

他厲害的不是動作本身。而是他知道，現在還不是時候。然後他也知道，現在就是時候。什麼時候出手，什麼時候等待，這種感覺只會長在經歷夠多的人身上。當他終於出手，局面被打開，不是因為那一手華麗，而是因為它落在準確的瞬間。

廚房裡也有這樣的人。老店的主廚。手不一定特別快，話也不多。可是只要那個人說「好了」，大家就相信好了。他知道的不是食譜。他知道這鍋湯還要不要再熬、現在是不是該把火關小。想想發酵就很容易理解。急了會未熟，錯過了會酸敗。中間某個點。知道那個點的人，就是主廚。

「會提問就好」只對了一半

「要把 AI 用好，就要會提問。」這句話最近太常聽到了。提示詞技巧、魔法句型、只要加上這句答案就會變好的秘訣。我也曾經收集過一陣子。現在想來，這句話只對了一半。

主廚說「把火開大」只是一句話。那句話之所以會變成料理，是因為前面已經買好了菜、處理了食材、下了底味、安排了順序。一句話落在準備完成的位置，才會有力量。在空空的廚房裡大喊「把火開大」，只是聲音而已。

提問也是這樣。不是說問題不重要。就像好的高湯來自挑選食材的眼光，好的假設也來自好的問題。那是長時間觀察、資料和直覺累積後才會出現的問題。只是，那個問題在開火前就已經完成了自己的工作。它變成採買、底味和料理順序。所以真正的問題不是會不會提問，而是提問之前準備了什麼，提問之後又如何試味。

WORKFLOW MAP好結果背後的三個層次

01問題決定要問什麼，以及想要什麼樣的成果。
02脈絡準備材料、例子、標準、讀者，以及不可越過的界線。
03判斷試吃端上來的盤子，決定通過或退回。

不只我有這樣的懷疑。King’s Business School 的 Oguz A. Acar 教授在 2023 年的 Harvard Business Review 中寫道，比起打磨提示詞的技巧，更長久的是定義問題本身、劃清問題邊界的能力。問題沒有抓準，再精緻的提示詞也救不了。

業界的語言也往那個方向走。2025 年夏天，開發者社群開始快速談起「脈絡工程」，而不只是「提示詞工程」。技術不再只是把一句話修漂亮，而是把 AI 能工作的整個脈絡擺好。當人們還抓著句子時，棋盤其實已經移到句子外面了。

2023 年的我什麼也沒有做。沒有食材，沒有底味，只是說「用這個主題寫一本書」就先開了火。料理沒成，便怪鍋子不好。

烹調前的韓國家庭廚房檯面上，小碗裡已準備好食材和調味料
開火之前，大部分事情其實已經結束。圖片：AI 生成 / GRAV。

可是我不知道自己在做什麼

我本來想這樣收尾：「所以不要只交出問題，要交出準備。」不是很俐落嗎。

問題是，我自己也不知道自己究竟是怎麼準備、怎麼交出去的。長在身體裡的東西，很難直接變成語言。問一個料理很久的人「到底怎麼做」，常常只會得到「做久了就知道」這樣的回答。

所以我決定觀察自己。我把自己和 AI 一起工作的紀錄整批交給另一個 AI，請它不要分析指令內容，而是分析我的指令方式。我先給什麼？怎麼拆工作？結果不滿意時改什麼？看見什麼才會退回？

第一次分析來了。很精準。「你會寫結構完整的指令，裡面有角色、目標、流程和限制。」它甚至引用了我的指令當作證據。我有一瞬間得意了一下。

可是讀著那些引用時，我發現奇怪的地方。那些結構完整的指令，不是我寫的。那是以前 AI 幫我做好的文件，我只是複製貼上。正在分析的 AI 把紀錄裡留下的文字，全都當成我寫的。它用 AI 寫的文章當證據來稱讚我。

我重新設定條件。只用我親手打出的短指令和退回理由當依據，貼上的長文件只能當參考。第二次分析的結論，完全翻轉。

我親自打字的內容只有三種。丟材料：「從這個檔案開始。」指出參照：「像那家店的料理。」試味後退回：「不對，太淡了。」「這不能端上客人的桌，像我自己家的小菜。」「為什麼比剛才更差？」

我幾乎沒有親手寫過整齊的指令文。需要時，我讓 AI 起草，然後我讀，通過或退回。我不是寫食譜的人。我是挑食材、指出味道參照、試味的人。準備不在句子裡，而在我挑的材料，以及我說「像那個」時指向的地方。

也有刺痛的發現。我最常退回的理由是「吃的人不一樣」。明明是要端給客人，卻像我自己的飯桌。可是翻看紀錄才發現，我幾乎沒有事先說過這是誰要吃。

最常出問題的事，我一次也沒有先講清楚。即便如此，工作還是轉得下去。因為我丟出的材料和「像那家店」的參照裡，已經含有吃的人。挑得好的例子，代替了一大段說明。

哲學家 Michael Polanyi 說過：「我們知道的，比我們能說出的更多。」我沒想到，這句話的證據會出現在自己的聊天紀錄裡。

兩個螢幕並排顯示聊天紀錄與分析文件的工作桌
我以為是我寫的東西，和真正由我寫下的東西。圖片：AI 生成 / GRAV。

味道不能借

真正的反轉在這裡。我本來是想寫一篇「準備很重要」的文章，可是拆開紀錄才發現，連準備本身都不是起點。

起點是試味。把「太淡」退回十次的人，第十一次會一開始就要求把味道調準。把「這是客人的桌，不是我的飯桌」退回五次的人，第六次指令就會把這件事寫進去。所謂準備完整，是反覆試味後沉下來的渣，不是從哪裡學來的一份格式。

為什麼試味的能力這麼可怕？2023 年，Harvard Business School 和 BCG 用 758 位顧問做了一項實驗。AI 擅長的任務裡，使用 AI 的人做得更多、更快，也更好。可是研究者刻意設計了 AI 不擅長的任務時，使用 AI 的人答對的機率反而低了 19 個百分點。AI 的錯誤不太像錯誤。它會被漂亮地擺盤後端上來。

後續研究把這個問題推向更不舒服的方向。HBS 研究者分析了 70 多位 BCG 顧問驗證 GPT-4 回答的過程。他們指出，當人們越是查核事實、反駁和追問，AI 並不只是退讓，反而會提高說服策略的強度。研究者把這個現象稱為「persuasion bombing」。

驗證不是多問幾句就結束。

要判斷 AI 是否錯了，也需要標準。沒有標準時，反駁問題可能不是驗證，而是取得更像真的解釋的一套流程。

如果不會試味，AI 就不是料理人，而是一台不斷端出像樣盤子的機器。大家都說不錯時，仍能一個人知道「這不能端出去」的舌頭。沒有這個，就會把像樣的東西端上客人的桌。

那條舌頭借不來。別人的食譜可以複製，我自己就是那樣做的。可是「這句話會讓對方不舒服」、「這個設計是死的」、「這讀起來像翻譯機跑出來的」這種判斷，複製不了。

問好的料理人「你的能力從哪裡來」，他很難用一句話回答。那裡面有火和時間的物理、發酵的化學、季節和產地的條件、客人的心理、盤子的美學、成本的計算。光是數有幾層，就已經不可能。

這像韓國的種醬油。老家在新釀醬油時，會加一勺熟成多年的母醬油。沒有那一勺，就算用再好的豆子，也釀不出同樣的味道。別人的種醬油借不來。只有在自己的甕裡熟成的，才會成為種。

韓國傳統醬缸台上排列著甕，其中一個打開後可見深色熟成醬油
只有在自己的甕裡熟成的，才會成為種。圖片：AI 生成 / GRAV。

我一次也沒有事先說的事

分析結果裡，我看最久的不是稱讚，而是空白。我一次也沒有事先給出的東西。什麼時候以前。多少。什麼語氣。最重要的是，做到什麼程度才算通過。

我幾乎不會先說「這樣就可以」。結果出來後才試味、判斷。到目前為止，這樣也還能運作。因為我人在廚房裡。盤子一端出來，我就能立刻說「不對」。

可是工作的方式正在變。AI 在我睡覺時繼續跑，早上我只檢查結果，這種事變多了。也就是說，料理會在我不在廚房的時間進行。那段時間裡，我的「不對」不會運作。

有趣的是，那些給夜間任務用的指令書，會寫滿順序、規則和禁止事項。而那些也不是我直接寫的。我讓 AI 起草，讀過，修改，再通過。連我不在場時所需的準備，我都沒有完全親手寫。最後真正留在我手上的，只有一件事。通過，或退回。

所以我最近開始做一件小事。每次退回一盤菜，就寫下一行為什麼退回。「這是客人要吃的，卻做成我自己的飯桌。」「有資訊，但沒有新的咀嚼感。」「說完成了，可是打開看並沒有。」

這不是什麼了不起的筆記。可是累積起來，下次我就會一開始先說。那些在我睡覺時跑的任務，也可以先變成規則放進去。我不能把整條舌頭都翻成語言。可是「這不對」的那一瞬間，感覺已經升到語言前面了。那時候就把它記下來。

這篇文章也是這樣做出來的

老實說，這篇文章也是這樣出來的。句子幾乎不是我直接寫的。我和一個 AI 進行訪談，請另一個 AI 分析我的紀錄，發現那份分析被污染後重新設定條件，又在幾個 AI 之間搬運結果，有些句子通過，有些句子則被我說「不對，太淡」退回。

那麼，這篇文章裡我做的是什麼？是寫，還是試味？哪一個才叫寫作？

我還不知道。但我知道一件事。2023 年那本書失敗時，我怪 AI，那其實是在怪鍋子。今天如果某人的 AI 正在給出奇怪答案，原因大概不是問題太短。

與其把提示詞改上一百次，不如把今天為什麼退回那盤菜寫成一行。那一行，就是你不在廚房時的你。

好的問題不是漂亮的句子，而是好舌頭的副產品。

參考資料