沒有告訴 AI 的事

Day 7 寫到，人的工作裡有很多事情不需要特別說出口。

熟悉現場的人會靠經驗自己補完。

系統不會。

後來我發現，把需求交給 AI 時，也會遇到很像的問題。

只是有時候，真正缺的不是「沒有說」。

而是：

我自己根本還沒有想到。

一開始，我只是想讓 AI 不要做歪

我開始使用 AI 的規劃模式，最早是因為在社群上看到有人分享：

不要一開始就直接叫 AI 動手。

先讓它說明準備怎麼做，確認方向沒問題，再進入實作。

這對當時的我很有吸引力。

因為我本來就常遇到：

明明只想改一個地方，AI 卻順手改了其他東西。

或者我腦中想的是 A，它理解成 B，做到後面才發現整個方向不一樣。

所以我最早對規劃模式的理解很簡單：

先確認 AI 沒有想歪，再讓它開始做。

但真的開始這樣使用之後，我發現它帶來的影響比這更大。

AI 在寫計畫以前，會先問很多問題

我原本以為：

把需求交給 AI。

接著它就會把計畫寫出來。

結果很多時候，它在真正寫計畫以前，會先反過來問我。

這個功能是誰在用？

做完之後還有哪些地方要一起更新？

前面已經有的資料要不要繼續沿用？

如果某個條件不成立，流程要停在哪裡？

這種情況可以讓系統自己決定嗎？

這些問題有時候讓我第一眼就覺得：

「這不是本來就要這樣嗎？」

我腦中早就知道答案。

只是我沒有想到要特別說。

第一種「沒有告訴 AI」：我知道，只是我沒說

有些事情對我來說太自然了。

我知道這個功能是誰使用。

也知道完成之後另一個地方應該跟著更新。

知道原本的資料不能突然被丟掉。

所以描述需求時，很容易只說：

「我要加一個修改預約的功能。」

然後期待 AI 自己把前因後果接起來。

但 AI 手上真正有的，只有我說出口的東西。

我自己知道，不代表 AI 也知道。

這時候我才比較能分辨：

有些所謂「AI 理解錯了」，不一定真的是它把一句話讀錯。

而是我根本沒有把重要的上下文交給它。

第二種「沒有告訴 AI」：我自己也不知道

但還有另一種問題。

AI 一問，我不是立刻回答。

而是會停一下：

「對耶，那這種情況到底要怎麼辦？」

這時候問題就不是我忘記說。

而是我自己以前根本沒有想過。

例如：

某個條件不成立之後，流程要停在哪裡？

兩種處理方式都看起來合理，到底要選哪一種？

原本想讓系統自動處理的地方，是不是應該停下來交回給人？

這些事情不是把 prompt 寫得更詳細就能解決。

因為答案本來就還不存在。

我必須先知道：

這裡有一個需要做決定的問題。

AI 的反問讓我比較早看到缺口

這對我來說，是規劃模式後來很重要的一個作用。

它不只是幫我確認：

AI 有沒有理解錯。

也會讓我看到：

我是不是還漏掉了什麼。

而且這兩種缺口並不一樣。

一種是：

我知道，只是我沒說。

另一種是：

我不知道，所以我沒說。

前一種可以靠補上上下文解決。

後一種則需要我先形成自己的判斷。

這也讓我不再把所有 AI 協作問題，都歸因成：

「prompt 寫得不夠好。」

有些問題不是表達技巧。

而是需求本身還沒有被想清楚。

被問過幾次之後，有些問題開始自己出現

同一類問題被 AI 問過幾輪之後，我開始記得，下次可以提前想：

這件事情是誰在做？

原本有哪些資料已經存在？

什麼條件成立之後才能繼續？

做完之後還有哪些地方要一起變？

有沒有哪種情況不能照正常方式處理？

這裡到底是系統可以自己決定，還是要交回給人？

我不是突然學會一套完整的需求分析方法。

更接近的是：

被問得夠多之後，有些問題開始變成我自己也會先問的問題。

這和前面一路寫的學習方式很像。

我不是先把所有需要知道的東西學完，才開始做產品。

更多時候，是先往下做，再從一次次卡住、被問、重新整理的過程裡，逐漸知道原來這裡還有一個問題。

只是到了這裡，AI 不只是在回答我的問題。

它有時候也在提醒我：

我還有哪個問題根本沒有問出來。