30 秒重點
- Claude 像一個讀很多、反應很快、會用工具的合作夥伴，它不是資料庫，也不會自動知道你的內部規則
- AI 出錯先分 4 種：生成幻覺、知識不足、脈絡不夠、指令不清
- 每一種的修法不一樣，重抽一次答案通常修不好任何一種
- 事實型工作，不能因為它語氣很肯定就當成已經查證過
- 判斷標準：你能說出問題類型＋下一個修法，而不是只說今天 AI 很笨
很多人第一次用 AI 的挫折來自兩個極端：覺得它什麼都會，或者因為它講錯一次就完全不信。比較好用的想法，是把它看成 4 條能力光譜，出問題時先分辨是哪一條出事。
第 1 條：生成能力
Claude 會依照目前的脈絡，產生最合理的下一段內容。這讓它很會寫、整理、改寫、推理與模擬，但同一個機制也會產生聽起來很合理、實際上不存在的內容。
所以凡是事實型工作，例如數字、日期、法規、價格，都要自己回頭查一次來源。語氣肯定跟內容正確是兩件事。
第 2 條：知識
Claude 訓練時看過大量資料，但這不代表它知道今天最新的價格、規則，或你公司內部的文件。
遇到這類問題，正確做法不是叫它再仔細想想，而是讓它去搜尋、讀文件，或透過 Connector 取得當下的資料。
第 3 條：工作記憶
Claude 能處理很長的脈絡，但不是無限。對話累積太久、同時塞太多文件、重要規則被埋在大量文字中間，表現都可能下降。
這時候要做的是整理脈絡，例如開新對話、只留必要的資料，而不是把指令寫得更長。
第 4 條：可控性
Claude 可以被指示，但如果你的需求互相衝突、成功標準含糊、又沒有範例，它只能自己猜。
很多人覺得 AI 笨掉了，實際上是委派方式不完整。比較有用的做法是補上 4 件事：現在是什麼情況、這次要完成什麼、什麼一定要遵守、最後要交出什麼。
AI 出錯時，怎麼對號入座？
| 你看到的現象 | 比較可能是哪一條 | 下一個動作 |
|---|---|---|
| 講出不存在的來源、數字或功能 | 生成幻覺 | 要求附來源，或自己查證後再用 |
| 資料明顯過時 | 知識不足 | 讓它搜尋，或直接把最新資料貼給它 |
| 一開始很好，聊到後面越來越亂 | 工作記憶 | 開新對話，只帶必要脈絡 |
| 格式、長度、語氣一直不對 | 指令不清 | 補上成功標準與範例 |
一人公司可以怎麼分類工作？
| 工作類型 | 怎麼做比較穩 |
|---|---|
| 寫作、整理、腦力工作 | 通常可以直接協作 |
| 需要最新資料 | 加搜尋，或提供第一手來源 |
| 需要公司內部脈絡 | 放進 Project、文件或 Connector |
| 會造成真實金流、客戶承諾、不可逆發布 | 一定要加人工驗收 |
最後一列最重要。AI 做得快，責任還是你的。怎麼設計驗收，可以看AI 說做好了，我怎麼知道它沒騙我。
常見的 4 個錯誤
- 把 AI 的自信語氣當成事實可靠
- 每次出錯都只換句話重抽一次
- 把最新資訊交給沒有來源的模型記憶
- 覺得脈絡越多越好，把所有東西都塞進同一個對話
常見問題
Claude 會不會記得我上次跟它說過的話？
不一定。同一個對話裡的內容它看得到，換一個對話就要重新提供。長期有效的背景資料，適合放在 Project 或固定文件裡，不要每次重貼。
它說錯的時候，要直接罵它重做嗎？
沒有用。先判斷是哪一條光譜出問題，再針對那一條修。整份重生成通常會讓本來對的地方也一起變差。
我要怎麼知道它有沒有查證？
看它有沒有給來源。沒有來源的數字、法規與價格，一律當成待查證。
想跟著一步步練習，可以免費加入下班後一人公司 Skool 社群，裡面有 AI 工作流的課程與練習。
