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。