AI的注意力有限
AI 很強,但看得多,不代表看得準
AI 確實被訓練成一種「什麼都知道、什麼都會做」的超級大腦。
但它的缺點也很明顯:
- 專注力有限
- 容易失焦
- 有時候甚至會有點「懶惰」
(這個下一篇再說)
AI 的確能理解大量上下文。
尤其是現在最新的大模型,context window 動輒百萬 token。
這代表我們可以把大量文件、規格、會議紀錄、程式碼或背景資料交給 AI,讓它協助閱讀、整理與分析。
但問題是:
看得多,不代表看得準。
就像你把一整疊文件丟給一位同事,然後跟他說:
幫我看一下,順便給我建議。
他當然可以看。
但他不一定知道你真正重視的是哪一段,也不一定會把注意力放在你最在意的地方。
巨量上下文會帶來什麼問題?
1. 費用上升
你丟給 AI 的內容越多,它需要處理的 token 越多,成本通常也會越高。
很多人以為:
反正可以貼很多,那就全部貼上去。
但實務上,這通常不是最好的做法。
你真正需要的不是「把所有東西都丟進去」,而是把「跟這次任務有關的內容」整理好,再交給 AI。
2. 注意力分散
當你丟了一堆東西給 AI 的時候,也許它能夠幫你一次處理很多內容。
但問題是,它也可能開始不知道哪些部分才是你最在意的。
甚至連你交辦給它的首要任務,都可能開始發散掉。
例如,一開始你只是想請 AI 幫你整理一份需求文件。
結果聊著聊著,它開始幫你補商業策略、補技術架構、補行銷文案。
最後整個對話已經偏離原本的任務。
看起來它很認真,實際上它已經失焦了。
3. 回覆速度變慢
上下文越長,AI 需要讀取、理解、比對、推理的內容就越多。
有時候它明明只要做一件小事情,卻被迫理解很多不相干的資訊。
在工作場景中,這其實會影響使用體驗。
例如你只是問一句:
這個按鈕文案要不要修改?
結果它卻去把你前面丟給它的程式碼、會議紀錄、需求文件全部重新讀了一遍。
這樣不只回覆變慢,也可能讓回答變得不夠聚焦。
實務上常見的幾種問題
在實際使用 AI 的時候,我們最常遇到幾種情況:
- 丟一堆資料給 AI,然後叫它自己看著辦。
- 跟 AI 越聊越多,同一個 session 不斷累積上下文。
- 聊天過程逐漸發散,甚至被 AI 引導到脫離原本的目標。
這些都是很容易造成成本上升、注意力分散、回覆變慢的案例。
那我們該怎麼做?
下面整理幾個實務上可以使用的方法。
方法一:整理 → 理解 → 確立 → 對齊
如果資料量很大,不要急著把所有東西都丟給 AI,然後要求它直接產出結論。
比較好的方式是先整理資料。
而整理這件事,也可以交給 AI 協助。
例如:
請先幫我整理以下資料,萃取出跟「付款流程」有關的內容。
其他與付款無關的段落先忽略。
這樣可以先讓 AI 把雜訊過濾掉,只留下跟任務有關的內容。
如果資料沒那麼多,也可以直接請 AI 先理解內容,不要急著給建議。
例如:
以下是一份產品需求文件。
請你先閱讀並理解內容,不要急著給建議。
讀完後,請重點摘要你理解到的核心需求。
這樣做的目的,是先確認 AI 有沒有理解錯方向。
接著,再明確告知本次任務目標,最後請 AI 跟你對齊它對任務的認知。
例如:
根據上方內容及任務需求,請先回答我:
- 你認為本次任務目標是什麼?
- 你會從哪些角度進行分析?
- 哪些事情你不會處理?
- 如果你的理解有不確定的地方,請先提出來。
當 AI 的理解跟你一致後,再開始執行任務。
這樣可以大幅降低它做錯方向、浪費時間與浪費 token 的機率。
方法二:別急著做,先規劃任務
當你有一個比較大的需求時,不要一開始就直接跟 AI 說:
幫我做一個 XXX 功能。
只要需求稍微複雜一點,通常就會發生幾種狀況:
- 你以為的 XXX,跟 AI 理解的 XXX 不是同一件事情。
- AI 做了一堆,你才發現它從一開始方向就錯了。
- 最後浪費時間,也浪費 token。
比較好的做法,是先把需求拿去跟 AI 討論。
先討論功能範圍、資料結構、商業規則、實作風險與開發順序,最後再請它產出一份實作計畫,跟你對齊。
例如:
我想做一個會員點數功能。
先不要開始實作程式碼,我要先跟你討論詳細內容與方向。請先幫我釐清:
- 這個功能可能包含哪些子功能?
- 需要哪些資料表或資料結構?
- 有哪些商業規則需要先確認?
- 實作上可能有哪些風險?
- 建議的開發順序是什麼?
等 AI 產出初步規劃後,再繼續追問:
請根據上面的討論,整理一份實作計畫。
在開始實作前,請先列出你的假設與待確認問題。
這樣做的好處是:
你可以在 AI 真正開始做之前,就先確認方向是否正確。
方向對了,後面的執行才有意義。
方法三:1 session for 1 mission
盡可能讓單次對話只做一件事情。
不要因為方便,就在同一個對話裡一直追加不相關的任務。
例如,前面你正在跟 AI 討論會員點數功能,後面突然又叫它幫你:
- 改履歷
- 翻譯信件
- 分析股票
- 寫活動文案
AI 當然還是可以回答。
但這樣會讓同一個 session 的上下文越來越混亂。
可能造成幾個問題:
- 它把前一個任務的條件帶到後一個任務。
- 它誤以為兩件不相關的事情有關係。
- 它每次回覆都要處理更多無關上下文。
- 它逐漸忘記或偏離原本任務目標。
- 你自己也越來越難管理這段對話的脈絡。
所以,如果任務已經明顯切換,建議直接開一個新的對話。
舊對話可以保留給原本的任務,新對話則重新定義新的目標與背景。
這樣不只 AI 比較不容易混淆,你自己也比較容易管理工作脈絡。
額外提醒:優先使用「編輯」,不要一直往下糾正
如果你是用網頁的方式跟 AI 聊天,當 AI 的回答不符合你的期待時,建議優先使用「編輯」原本的提問,而不是直接在下一句話糾正它。
原因是:
AI 錯誤的回答,也會變成後續上下文的一部分。
換句話說,它的錯誤內容也可能會「弄髒」後面的對話。
如果你直接在下一句說:
不是,我不是這個意思。
AI 雖然有機會修正,但前面那段錯誤內容仍然存在於上下文裡。
比較好的方式是直接編輯原本的問題,讓 AI 從更正確的起點重新回答。
小結
AI 很強,但它不是神。
它可以閱讀大量資料,可以協助分析問題,也可以幫我們加速很多工作。
但前提是,我們要學會怎麼正確地使用它。
在這個時代,有一個很重要的能力值得被認真討論:
怎麼聰明地用 AI。
不是把所有東西都丟給 AI,然後期待它自動給出完美答案。
而是要懂得:
- 給它正確的背景
- 控制任務範圍
- 先對齊目標
- 避免上下文污染
- 讓每一次對話都有明確任務
AI 越強,使用者越需要知道自己要什麼。
因為真正決定結果品質的,往往不是 AI 有多聰明,而是你有沒有把問題定義清楚。