我在用 AI 還是在選 AI

情境寫清楚比換模型有效多了！

我也遇過類似困擾，尤其是做完才開始懷疑：「是不是剛才應該換別的模型？」😅 後來我覺得，與其先想哪個模型最強，不如先問自己兩件事： 如果 AI 做錯了，後果嚴不嚴重？這些資料能不能交給它？ 像請它幫忙寫信給工程師，只要不是在承諾重大時程、談責任或處理資安事件，我通常會先用手邊方便的模型寫草稿，自己看過再寄，不一定需要特別升級。 15 份文件那個例子，我反而不會一開始就用 deep research。因為資料都已經在手上，重點是不要漏掉內容。可以先叫 AI 每份分開摘要、標出來源，再整理共同結論、矛盾和不知道的地方。這樣比直接丟進去問「幫我做產品分析」更容易檢查。Deep research 比較適合真的需要去網路上找資料、比對很多外部來源的時候。 PRD 轉成給主管看的簡報也是一樣。Claude 寫得很 generic，不一定代表模型不夠好，可能只是它不知道主管最關心什麼。可以多告訴它： 這份簡報要讓主管決定什麼？ 最重要的三件事是什麼？ 哪些背景不能省略？ 有哪些風險或數字一定要保留？ 如果這只是偶爾做一次，我覺得普通聊天就夠了；如果每週都要重複整理一堆文件、核對資料、產出固定格式，才比較值得建立 agent 流程。 至於免費版或付費版，我自己的看法是：**先用一小部分資料試跑。**如果它一直漏資訊、吃不下文件，或結果不穩定，再換工具。不要因為任務聽起來很重要，就直接認定一定要用最貴的模型。 我現在比較像是這樣分： 做錯了很好改：先用方便的工具。 做錯會影響決策：要求它標來源，自己複查。 涉及機密、金錢、權限或對外承諾：先確認資料能不能上傳，最後一定由人把關。 所以你遇到的問題很正常，不是你不會用 AI。現在工具真的很多，但其實不用每次都找到「完美工具」才開始。先想清楚錯誤代價和驗收方式，通常就比較容易選了。

結果能不能回頭改，才是高風險門檻 🎯

花二十分鐘選工具，其實是另一個卡點。

先算返工成本，會清楚點？