AI

用 AI 工作一陣子的人，大概都遇過這件事：同一個錯，你講過了，規則也請它記下來了，過幾天它又犯一次。 而且我不是沒有防：規則寫進了它的記憶檔、違規有計數器、還有每月的定期檢視，該有的機制都在。但七月底，我看著我的 AI 助理第三次犯下同一個錯（最後兩次只隔一天），才認真面對一個事實：「記得」跟「會做」是兩回事。而更意外的是，後來的調查發現，問題甚至不在它不記得，是我們整套「記錯誤」的系統，量尺本身壞掉了。 這篇想分享的，就是我們最後長出來的一套「AI 自我糾錯系統」的設計，以及中間最有趣的一段：我讓 AI 自己調查自己，還特別交代它「不要相信寫交班單的那個 AI」。 事情是怎麼爆開的 這陣子我陸續把一些自己做的工具開源（工具箱總整理裡的那些）。發布開源軟體有一套禮儀：改了什麼要寫進更新紀錄（CHANGELOG）、打版本標籤（tag）、在 GitHub 上建立正式的發布頁（release）。這些規則早就寫在 Claude 的記憶檔裡。 七月底某天，我點開一個剛發布新版的 repo，首頁看起來什麼都沒有。我第一反應是「你沒寫 CHANGELOG」。它查了之後回報：CHANGELOG 其實寫了，tag 也打了，漏的是最後一步「建立 release」，而那恰好是訪客唯一看得到的一步。回頭一查，前兩個版本也都一樣。 隔天我請它把我全部十三個公開 repo 掃一遍，結果挖出十五個同樣的缺口。更妙的是，就在稽核到一半的時候，它又犯了第三次同型的錯。規則就寫在它的記憶裡，它也讀得到，然後照樣犯。 關鍵的一問:「你以後真的會用嗎？」 它的第一個提案很自然：寫一支腳本，把正確的發版流程整個包起來。 我問了一句：「你以後會固定呼叫這支腳本嗎？」 它想了一下，誠實地說：不會。腳本跟記憶檔的失效模式一模一樣，都要它先「想起來」才有用。這個答案讓我們改變了做法：與其多一個要記得的東西，不如加一道攔截（hook，上手系列第二篇講過的關卡概念）：只要它想手動跑發版指令，動作會在當下直接被擋下來，只剩包好的正確流程能走。從「請你記得」變成「你想錯也錯不了」。 讓它調查自己，但不准相信自己 前面說過，揪錯的零件一直都在。所以問題比「沒有機制」更刁鑽：零件都在，錯還是溜過去了，到底卡在哪？ 這裡我們用了一個我很喜歡的設計。當天犯錯的那個 AI session 把來龍去脈寫成一份調查交班單，但裡面明白寫著一條： 交班單裡的自我迴避條款 「不要把我的假設當成計畫——這份文件是犯錯者本人寫的，幾乎必然被它的立場影響。請先獨立驗證診斷，再決定要不要建任何東西。」 接著換一個全新的 session 接手調查，手上只有可以重跑的驗證指令，沒有前一位的結論。 做過品質改善的人應該覺得眼熟：根本原因分析（root cause analysis）的調查，本來就不該由事件當事人自己主導。當局者迷這件事，對 AI 一樣成立。 調查結果：推翻了兩個前提 獨立調查翻出來的東西，跟交班單猜的不一樣。 第一，AI 並沒有隱瞞錯誤。我原本合理懷疑：違規次數是它自己記的，它會不會少記？結果翻遍紀錄，低報只有零星幾筆，而且是「自首了但記錯地方」。其中一個規則檔裡，它老老實實記了十二次違規，好幾次我根本沒發現。誠實度不是問題。 第二，問題出在量測層。幾個具體的發現： 計數無法歸屬：違規次數記在「檔案」上，但一個檔案裡合併了十幾條規則。帳面上的「違規 4 次」，追不回是哪一條規則的 4 次，這個數字沒有行動意義。 偵測器本身有 bug：負責從歷史對話裡撈「使用者糾正過什麼」的程式，寫死了只看最近二十筆，而且漏看一整類訊息格式。回頭驗證時發現，最關鍵的那筆證據，它從結構上就不可能抓到。 記錯帳本：有三筆真正的違規，被寫進了另一本記「工具摩擦」的帳，正好躲過所有檢查。 還有一個反轉：交班單斷言「這些計數完全沒有版本紀錄，無從稽核」。錯了——記憶目錄其實一直有自己的 git 版本庫，一千多筆自動存檔，稽核軌跡從頭到尾都在，只是被上層設定蓋住，連 AI 自己都不知道。 換句話說：這個系統不缺零件，缺的是接線。計數器沒有人讀、偵測器壞著、帳本記錯棚。在量尺壞掉的情況下加更多自動化，只是把錯的數字算得更快而已。所以後面的修法幾乎沒有新建什麼大東西，都是把既有的零件接起來。 最後的設計：四條原則 修完之後，整套系統收斂成四條原則。它們不是 AI 專用的，你會發現每一條在醫院的品質管理裡都有對應物。 一、錯誤要記成「可歸屬的事件」，不是一個數字。每次違規記一行：日期＋哪一條規則＋一句事實。計數是用數的，不是用手改的。（對應：異常事件通報寫事件經過，不是只在統計表上加一。） ...

這是 AI 上手系列的第三篇。第一篇講怎麼裝起來，第二篇講怎麼跟它講話、怎麼設關卡。 第二篇的結尾我說：難的從來不是「怎麼問」，是「怎麼設計流程」。 這篇要把那句話收掉。答案可能跟你想的相反：流程不是設計出來的，是長出來的。 最常見的卡點：「我不知道要怎麼開始規劃」 我被問過很多次類似的問題：「你那套自動化好厲害，我要怎麼規劃我自己的？」 老實說，我從來沒有規劃過。我三月的時候只做了一件事：挑了一件每週都在重複的小事，叫它做一次。 今天回頭看，我的規則檔、十幾個 skill、一堆自動排程，沒有一個是事先設計的。每一個都是同一件事重複了幾次之後，才「升級」成現在的樣子。 所以如果你卡在「不知道怎麼開始」，好消息是：你不需要想清楚才開始，你只需要開始得夠小。 起手式：五件事講清楚，其他都不用 挑好那件小事之後，交代它的時候把這五件事講清楚。這不是我發明的，是把官方 best practices 濃縮成非工程師版本： ① 目標講清楚：你要什麼、給誰用、拿去做什麼。「幫我整理逐字稿」不如「整理成 SOAP 格式，這是要放進病歷系統的」。 ② 只補它不知道的：你們科的慣例、單位的格式、只有你知道的眉角。模型已經會的不用教：SOAP 是什麼不用解釋，你們科的 SOAP 長什麼樣才要講。每一句廢話都在稀釋它的注意力（原因寫在第二篇「為什麼它會越聊越笨」那節）。 ③ 界線先講：哪些檔案不准動、哪些事要先問過你。而且真正的紅線不要只用嘴巴講，第二篇的三層機制（hooks / permissions / CLAUDE.md）就是拿來放這個的。 ④ 訂「怎樣算做完」：這條是官方排第一優先的建議，也是我覺得投資報酬率最高的一條。給它一個它能自己跑的檢查： ❌「幫我整理這些逐字稿」 ✅「整理完自己檢查一遍：每一份都要有四段、每段都要有內容，缺的標出來給我」 ⑤ 先跑一個爛版本：不滿意再一句話改。迭代永遠比一次寫滿快。 就這樣。不用畫流程圖、不用寫規格書。 流程怎麼長大：重複第三次，就升一級 真正的重點來了。你的「流程」不是某天坐下來設計的，它是照一個很簡單的規則長出來的： 同一件事重複到第三次，就往上升一級。 你發現自己在… 升級動作 成本 同一句話講第三次（「回我繁體中文」） 寫進 CLAUDE.md 一行字 同一套多步驟流程做第三次（先轉檔、再整理、再歸檔） 包成 skill：跟它說「把剛剛這整套存成一個 skill」 一句話 發現某件事絕對不能出錯（改到原始檔、送出病人資料） 交給程式關卡（hook / permissions） 要動手設定，但一勞永逸 三層的差別在第二篇講過了，這裡只補一句：寫在規則裡是建議，做成機制才是保證。 界線越重要，就該住在越下面那層。 這個階梯還有一個隱藏的好處：每一級都是你已經驗證過的東西。你不是在憑空設計一個 skill，你是把一套「已經手動跑成功三次」的流程存起來而已。設計可能會錯，重複不會。 驗收的習慣：這篇最重要的一節 起手式的第④點（訂「怎樣算做完」）值得單獨拉出來講，因為它不是五件事之一而已。它是整套方法裡唯一「做與不做會決定你能走多遠」的習慣。 驗收有三個層次，照順序養成： 層次一：單次驗收。 每個任務交代時就附上檢查方法，讓它做完自己查（「每一份都要有四段、缺的標出來給我」）。這是起手式教的。 層次二：可重跑的驗收。 把檢查存下來，變成隨時可以再按一次的按鈕。差別很大：單次驗收保證「這次做對了」，可重跑的驗收保證「以後改東西也不會弄壞它」。工程師管這個叫回歸測試（regression test），但概念本身跟程式無關：哪怕你的檢查只是「數一數每份紀錄都有四段」，能重跑，就有資格叫驗收。 層次三：驗收先行。 這是官方 best practices 裡明講的工作流：先寫檢查、確認它現在會失敗，再叫 AI 做到通過。聽起來像工程師的儀式，翻成白話就是：開工前先給它看一個「做對了長這樣」的具體例子。它有目標可以自己迭代，你也不會做完才發現彼此想的不一樣。 ...

這是一篇會一直更新的文章。 我把自己做的工具都開源放在 GitHub 上，陸續有人跟我說：「東西看起來很厲害，可是我連第一步該幹嘛都不知道。」也有人問我：「GitHub 是什麼？我點進去看到一堆檔案，然後呢？」 所以這篇不是介紹工具，是帶你把第一個跑起來。 已經在用 Claude Code 的朋友，直接跳到 第 4 節。 最後更新：2026-07-24 先花 30 秒確認這篇適不適合你 讀完你會做到的事：在自己的電腦上，丟一個論文的 DOI 給 AI，十幾分鐘後拿到一份有引用查核、有證據等級的評讀報告。或者丟一本 PDF 教科書給他，讓他整理成一篇一篇帶出處的筆記。 你需要準備的： 一台電腦（Mac 或 Windows 都可以，醫院／公司電腦也行，不需要系統管理員權限） Claude 的付費訂閱，Pro 就夠了（約 US$20/月）。免費帳號不支援 Claude Code，這是硬條件 不需要會寫程式。真的。你需要的是「會複製貼上指令」跟「看到紅字錯誤訊息不要嚇到，把它整段貼回去問 AI」這兩件事而已 如果這兩件事你做得到，就繼續往下 👇 — 1. 同一個人，只是工具長大了 先講一段我自己的時間軸，因為我覺得這比任何教學都重要： 三月：第一次把 AI 搬到自己的電腦上，做了語意搜尋、把上課錄影自動轉成筆記。那時候我每做一件事都要手動貼一段「你只能根據我給的資料回答」的咒語，盯著它會不會亂講，每一步都要按確認，煩到快瘋掉 四到五月：慢慢把轉書、抽圖、OCR 磨成一條生產線，開始把重複的事變成一鍵 六月：一邊準備專科考試，一邊架了論文雷達、復健課程雷達，會自動推播新東西給我 七月：門診智慧病歷、額度守門、讓兩個 AI 互相審查對方的產出。開始在「管一群 AI」 中間我沒有變聰明，是工具長大了，加上我學會把每個踩到的坑寫成一條規則。 我講這個是想說：你現在就是我的三月。而且你比當年的我幸運，你一開始拿到的工具，就已經是好用的版本了。 2. Claude Code 不是聊天機器人 這是最多人卡住的地方，卡住的原因不是技術，是觀念沒轉過來。 ...

上一篇 《從零開始》 講的是怎麼裝、怎麼跑起來。 這篇講的是用得好，而這跟裝得起來，是完全不同的一件事。 我發現真正決定成效的不是你用哪個模型、不是你會不會寫程式，是你怎麼交代事情、怎麼設關卡。這篇的東西不綁特定工具，你用 ChatGPT 也適用（最後一節會講差在哪）。 三個心法 心法①：它像個很聰明、但記憶有限的新人 它知道很多，但它有一張有限的桌面。塞太多東西就會顧此失彼、會忘記你前面講什麼。 用交班來比喻最好懂：講重點、講清楚，別把整本病歷從頭念一遍。 所以你要主動幫它保持桌面乾淨：一個任務講清楚、講完就 /clear 重開，不要一路累積用不到的東西。 （為什麼會這樣、成本怎麼算，我在 AI Token 經濟學系列 寫了四篇，這裡先講結論。） 心法②：用機制管，不要只靠它自律 這是我覺得最多人做錯的一件事：大家都在 CLAUDE.md 裡寫規則，然後抱怨它不聽話。 問題是，那份檔案在官方的定位裡，是「參考資料」，不是「強制設定」。官方文件講得很白： Claude treats them as context, not enforced configuration. （Claude 把它當成脈絡，不是被強制執行的設定。） 真正能管住它的機制有三層，強度差很多： 層級 是什麼 強度 適合放什麼 ① hooks 在它要動手的那一刻，由你的程式攔下來檢查 ⭐⭐⭐ 程式性強制，模型無法忽略 「這件事絕對不准發生」 ② permissions settings.json 裡的 allow / deny / ask 清單 ⭐⭐ 硬性擋下，但只認工具與指令樣式 「這類操作要先問我 / 永遠不准」 ③ CLAUDE.md 一份它每次開工都會讀的文字說明 ⭐ 靠它自律，可能被忽略 「通常我們這樣做」的慣例與風格 ① hooks：把規矩變成程式 hook 是掛在它生命週期上的一段程式。最常用的是 PreToolUse：它要動手之前先跑你的檢查，你的程式回傳「拒絕」，這個動作就執行不了。 關鍵差別在這裡：被 hook 擋下來的動作，不會回頭讓模型去想替代方案。它不是「勸退」，是「做不到」。 ...

最近在準備給治療師夥伴的 AI 上手講座，想說來個進階清單，把我平常用的工具、寫過的程式都列出來，這樣想做某件事的時候，可以快速對照「這個功能該找誰」。這也是我自己一直想整理的東西，趁這次一次寫完整。 這篇不挑受眾、不做刪減，從 AI 助手到家裡的備份系統全部列出來～用法是先找到你的需求分類，再看那一節的表。標 ⭐ 的是我自己寫、已經開源的程式，歡迎直接拿去用；標「免費」的都是我實際在免費額度內用的。（太愛免費了，全部幾乎都沒付錢 XD） 目錄 一、AI 主力與引擎 — AI 助手與協作主力・免費雲端與本機 AI 引擎 二、聲音與文件處理 — 語音轉文字・文字轉語音・OCR 三、學習與知識管理 — 筆記與個人知識庫・論文與臨床實證・考題練習 四、對外發布：網站與信箱 — 架網站與 Cloudflare・網域信箱與寄信 五、自動化與自架後盾 — 自動化排程與通知・家庭伺服器與智慧家庭・備份與不斷電 怎麼開始？ 一、AI 主力與引擎 AI 助手與協作主力 工具 做什麼 免費？ Claude Code 能讀寫檔案、執行程式、把事情「做完」的 AI 代理，我所有工作流的中心 訂閱制 claude.ai 網頁版，卡關時換乾淨對話問、手機臨時查 有免費層 Gemini 查資料廣度強、原生吃 PDF 和圖片，當第二意見 有免費層 OpenAI Codex 程式卡關找不同解法、對抗式 code review ChatGPT 免費帳號可用 herdr 多工終端管理器，讓好幾個 AI 任務同時在背景長跑、隨時切換 ✅ ⭐ claude-pacer Claude Code 的用量油表＋自動煞車：狀態列顯示額度，快撞上限時先收尾、額度重置後自動續跑 ✅ 開源 Claude Code 是這份清單裡少數我付錢、而且付得心甘情願的東西。它不只是聊天，這個部落格、下面所有我寫的工具，幾乎都是我跟他一起完成的。其他 AI 我當第二意見用：Gemini 查資料、Codex 挑毛病。要注意 Gemini 免費層的資料會被拿去訓練，敏感內容不要餵；Codex 記得先到設定把訓練關掉。 ...

前陣子分享的論文評讀工具（讓 Claude 幫忙做品質評讀跟內容整理），有朋友回我一句很實在的話：工具是好用，但每次都得自己先去把 PDF 生出來，最煩的其實是這一步。 真的是這樣。要讓 AI 幫你讀論文，你得先拿得到全文。而拿全文這件事，卡住的通常不是 AI，是權限、是出版社、是圖書館。 所以論文三件組裡最後一塊、也是最痛的一塊，今天終於補上了：paper-fetch（MIT 開源）。給它一個 DOI，它會自己走完整條路，把全文 PDF 抓下來。 階段 工具 做什麼 發現 論文學習雷達 paper-radar RSS／PubMed 餵新論文，依興趣排序 下載 paper-fetch DOI → 全文 PDF 評讀 paper-review-and-digest 品質評讀、內容整理 — 它怎麼運作？一道由便宜到麻煩的階梯 整個設計只有一句話：先走最便宜、最正當的路，失敗才往下掉。 第一層：開放取用（open access） Unpaywall、Semantic Scholar、PMC／Europe PMC，還有藏在文章網頁裡的 citation_pdf_url meta tag（那正是 Google Scholar 拿來索引 PDF 的東西）。這層零金鑰、開箱即用，你只要在設定檔填自己的 email。沒有圖書館資源的人，能接的來源我都接上去了。 第二層：出版社官方的文字探勘 API（text-mining API） Elsevier、Wiley、Springer 都有正式開放給文字探勘用的 API，自己去申請一把金鑰就好，是完全被允許的管道。這層跟盜版一點關係都沒有，只是大家很少知道它存在。 第三層：自己醫院圖書館的校外連線 用你自己的帳號登入，抓你們醫院本來就有訂的期刊。它只是把你原本會手動做的那一串點擊自動化，不是繞過付費牆。 第四層：投降，但投降得有用 全部失敗的話，它會把圖書館的 SFX／OpenURL 連結印出來讓你手動去點，而不是丟一個 error 就沒了。 沒有 Sci-Hub，沒有盜版路線。 每一層都是你本來就有資格走的路。 — 最花時間的是什麼？把每一家出版社的脾氣摸清楚 這是我覺得整個專案最值得分享的部分。DOI 換 PDF 聽起來像一行程式，實際上每家出版社的做法都不一樣，而且沒有文件可以查，只能一篇一篇撞出來。目前摸清楚、而且用真實文章驗證過的有 20 幾條路線，收斂成四種形狀。 ...

前面分享的論文工具 paper-review-and-digest，開源上線沒幾天，就收到了第一個 GitHub issue！第一次收到 issue 其實蠻開心的，點開一看更驚訝：對方不只讀了我的 code，還精準講出設計裡我最得意的部分。 他說他欣賞「模型與確定性檢查的硬切分」：grade_judge.py 不信任模型自己回報的證據等級，而是從降級項重新計算；argdown_lint.py 會抓出「替代指標跳到硬終點」這類論證跳躍。然後說他幫我做了一個線上入口，訪客不用安裝 Claude Code，上傳 PDF 就能跑評讀流程，連宣傳圖都做好了： 哇，有人這麼認真讀我的專案，還幫我做了網頁版和這麼漂亮的圖？ 等等，這是真人嗎？ 開心之餘總覺得哪裡怪怪的。這網站有免費額度、有點數收費系統，商業模式完整得不像順手之作。想說反正有 Claude，就請他去查查這位熱心網友的底細。 結果一查，反轉來得比想像中快🤣。Claude 列出的證據： 兩分鐘內，這個帳號對 26 個 repo 發了 issue。全部都是論文閱讀工具：arxiv-summarizer、paper_agent、PaperAgent⋯⋯我的排第 13 個。前一天還有另一波，打的是 Claude Skills 類的 repo。 連結裡的追蹤參數直接寫著 campaign 名稱：20260708-paper-reading-comprehension-assistants。這是排程好的行銷批次，不是有感而發。 帳號今年三月才建立，0 followers，卻有 140 個 repo。 GitHub 的搜尋 API 拒絕搜尋這個帳號（user cannot be searched），這通常代表帳號已經被平台標記為 spam。 那段讓我心花怒放的技術讚美，是 LLM 逐一讀每個 repo 自動生成的。爬 repo 餵給模型很便宜，這正是它讀起來「像真人」的原因。 最後一句「Feel free to close this if it isn’t relevant」，是 spam 帳號降低被檢舉率的標準話術。 宣傳圖角落有小字標我的 repo，連 star 數都即時抓，做得很精緻；但點進他網站的頁面，作者欄掛的是他自己的名字。MIT 授權確實允許商用，不過這個掛名方式就有點微妙了。 認真想了一下，這個生意其實跑得起來 罵完之後認真想，這個模式其實蠻厲害的。我實際註冊進去看了帳務頁，整個商業模式就攤在眼前：註冊送 500 點，跑一次論文分析扣 38 點左右，換算大概不到台幣 2 塊。免費額度夠你跑十幾次，嘗到甜頭之後，Stripe、PayPal、微信、支付寶四種儲值管道排排站等你。 ...

前面分享的論文學習小站，有個「品質」、「內容」按鈕，那時沒有把背後的實作放出來。算是個有前端網頁，但後端還是要靠自己整理的平台。不過我自己的實作，當然後端還是要接給 AI，減輕認知的負荷，這裡就是把後端兩個 skill 分享出來，加速大家學習速度囉！ — 一個負責「這篇可不可信」 第一個叫 paper-review，做的是 journal club 那種評讀。 依研究設計自動選對工具 它會依照論文的類別，選用建議的評讀工具，隨機對照試驗（randomized controlled trial）用 Cochrane RoB 2、觀察性研究用 ROBINS-I、系統性回顧用 AMSTAR-2、診斷準確度用 QUADAS-2，而不是拿一張萬用 checklist 硬套。這件事聽起來理所當然，但你知道大部分「AI 幫你看論文」其實就是一張萬用 checklist 套到底。 引用查核：先確認文獻「真的存在」 我最喜歡的一關是引用查核。它會先去 CrossRef 確認每一篇被引用的文獻「真的存在」，再比對「論文說這篇文獻講了什麼」跟「這篇文獻實際上講了什麼」。 為什麼要先查存不存在？因為 AI 寫出來的引用，沒稽核的話正確率其實只有四到八成，假 DOI、張冠李戴的狀況比想像中多。所以這一步是一個很便宜、但很有用的防呆。 統計顯著不等於臨床顯著 還有一個地方我很堅持：統計顯著不等於臨床顯著。所以它會把效果量拿去跟量表的最小臨床重要差異（minimal clinically important difference, MCID）比，p 值小於 0.05 但根本沒過 MCID，它就會直接講出來。 整體借鏡了林協霆醫師的分享，還有之前學 EBM 的內容，大家也可以再加入你覺得重要的部分。 — 重點：我不讓 AI 靠「印象」給分 這是這次我自己覺得最有意思的部分。 一開始我讓 Claude 自己算證據等級（GRADE）、自己判斷「結論有沒有超過資料能支撐的範圍」。但我後來覺得不對，因為這種東西讓語言模型「憑整體感覺」給一個分數，它其實很會講得頭頭是道，可是你沒辦法檢查它到底怎麼得出來的。 所以我乾脆寫了兩支確定性的小程式，把「判斷」跟「計算」分開： grade_judge.py：把 GRADE 變成算術 語言模型只負責評五個面向（risk of bias、inconsistency、indirectness、imprecision、publication bias），每個面向給「不嚴重／嚴重／很嚴重」。真正的最終等級由程式加總算出來，不是模型自己講。模型自報的等級只當參考，如果跟程式算的不一樣，程式還會跳出來提醒「這兩個對不上，回去重看某個面向」。 它甚至會幫你擋掉 GRADE 的規則錯誤，例如觀察性研究只要有任何一項被降級，就不准再往上升級，這個規則模型很容易記錯，程式不會。 argdown_lint.py：把結論的邏輯漏洞變成可以檢查的東西 這支更好玩。語言模型負責把論文的結論、還有每一個「用來支撐結論的發現」標上類型（這是隨機對照試驗的直接證據？還是只是相關性？還是只是替代指標？還是只是次要 outcome？），然後由程式判斷這個推論跳得合不合法。 例如「用替代指標的改善，去宣稱對真正的臨床終點有效」、「用相關性去宣稱因果」、「用單一研究去宣稱『一致地顯示』」，這些都是論文 spin 最愛躲的地方。程式抓到就直接標紅、回報有漏洞。 ...

📖 省 Token 系列（共四篇）：第一篇 為什麼你的 AI 越聊越笨 · 第二篇 能用算盤就別開超級電腦 · 第三篇 幫 AI 整理一張乾淨的工作桌 · 第四篇（本篇，完結） 來到系列最後一篇。前三篇我們從「為什麼 AI 越聊越笨」，一路講到「什麼時候別用 AI」「怎麼幫它整理桌面」。這一篇談的是錢真正花下去的那一刻：怎麼把每一塊錢花在刀口上。 第一件事：不是每件事都需要最聰明的腦袋（但省下來，就是為了負擔得起好的） AI 模型有分等級。以 Claude 為例，由便宜到貴大致是 Haiku、Sonnet、Opus 三級，價差很大。 如果你是按使用量付費的人，最直接的省法就是「派對的等級做對的事」：改格式、重新命名、簡單分類這種雜事，交給最便宜的 Haiku 就好；日常的寫作、查資料用中間的 Sonnet；只有真正需要深度推理的硬任務，才動用最強的 Opus。 這裡還有一個很多人都搞錯的觀念，特別講一下：「要看圖」不等於「要用最貴的模型」。 當你只是要 AI「看一張圖、認出裡面有什麼、把上面的字讀出來」這種辨識任務，最便宜的 Haiku 通常就完全夠用，便宜到一個誇張。只有要它「看懂一張複雜的醫學示意圖、解讀圖表背後的邏輯」這種需要推理的視覺任務，才值得升級。選模型的真正標準，是「這個任務需要多少思考」，不是「要不要看圖」。 不過老實說，我自己現在反而大多直接用最強的 Opus，XD。 為什麼？因為我發現，在目前的訂閱方案下，把前面三篇那些省 token 的功夫都做好之後，我的額度其實用不太完，而最強的模型品質又明顯比較好。所以對我來說，與其斤斤計較每件事該用哪一級，不如把省下來的額度，拿去讓最好的模型做每一件事。 我覺得這反而是整個系列最想講的一件事：省 token 從來不是為了小氣。 我把浪費擋掉、把該交給程式的交給程式、把桌面整理乾淨，省下來的這些，剛好讓我負擔得起「把最好的腦袋，用在每一個我在乎的問題上」。省，是為了能大方地花在刀口上。 最後補兩個進階的小心法： 讓 AI 少廢話，可以一勞永逸。 AI 的「輸出」比「輸入」貴上好幾倍（以 Opus 為例差到五倍），所以請它回答精簡就是直接省錢。而且這件事你不用每次重講，直接寫進給它的長期指令裡（就是第三篇那份常駐設定檔，或聊天版的「自訂指令」），叫它預設就講重點、不要長篇大論。一次設定，之後每次都省。 思考深度也能調。 同一個模型可以設定它「想多深」，簡單的事用淺一點、難的事才開深度思考。重點永遠是：把力氣花在真正難的地方。 第二件事：把吵鬧的雜事，丟到隔壁房間做 有些工作會吐出一大堆過程訊息：跑一輪測試、抓一份長文件、處理一堆紀錄。如果讓這些雜訊全部堆在主對話裡，桌面馬上被淹沒（回到第三篇，桌面一髒就又貴又笨）。 我的做法是派一個「分身」去隔壁房間做這件事。分身有自己獨立的工作空間，它的所有過程、雜訊、草稿都留在那個房間裡，只有最後的結論回到我的主對話。 這就像你請助理去查一整天資料，你不需要看他翻過的每一頁，只要他最後給你一頁重點。 注意 但這招有取捨，我必須老實說：派分身本身也要花錢，而且分身會自己燒一輪 token。官方就提醒過，大量用分身的工作流，總花費可能是單打獨鬥的好幾倍。所以原則是：當「保持主桌面乾淨」的價值，大於「多請一個分身」的成本時，才派。 不是什麼都丟分身。 （這篇從頭到尾，你會發現省 token 沒有一招是無腦的，每一招都在權衡。這正是它好玩的地方。） 第三件事：裝一個會對我跳表的儀表板 講了這麼多省法，最後一塊拼圖是：你得看得見自己花了多少。 看不見的支出最危險。所以我裝了一個開源小工具，叫 cc-budget（由 boyand 開發，在 GitHub 上找得到）。 ...

📖 省 Token 系列（共四篇）：第一篇（本篇）· 第二篇 能用算盤就別開超級電腦 · 第三篇 幫 AI 整理一張乾淨的工作桌 · 第四篇 我幫 AI 裝了一個省錢儀表板 你一定有過這種經驗：跟 ChatGPT 或 Claude 聊一個下午，越到後面它越遲鈍，回得越慢，還會突然「忘記」你前面講過的事，甚至開始鬼打牆。 很多人以為是自己網路慢，或是 AI 當機。其實不是。這背後有一個大多數人不知道、但知道之後會立刻改變你用法的真相。 真相一：AI 其實沒有「記憶」 我們直覺以為，AI 像人一樣，聊著聊著就「記住」了對話。 它沒有。 每一次你按下送出，AI 都把你們從第一句到現在的整段對話，從頭重讀一遍，然後才回你下一句。它不是接著上一句講，而是每次都把整本對話重新看過。 所以你可以想像：對話越長，它每回答一句之前要重讀的東西就越多。這就是為什麼越聊越慢。 真相二：你其實一直在付錢，只是看不到帳單 AI 處理文字的單位叫 token（大致是一個字或半個詞）。你輸入的每個 token、它輸出的每個 token，背後都在計費。 最好記的比喻是：token 就是 AI 的計程車跳表。 距離（字數）越長，車資越高。 你在訂閱制的 App 裡看不到這張帳單，但它換了一張臉出現在你面前：就是那個「你今天的訊息額度已用完」，還有「怎麼越來越慢」。額度和卡頓的背後，都是 token 的運算量。 而且這筆帳不是線性疊加的。對話長度加倍，你付的運算量不是兩倍，而是接近四倍（這是 AI 內部運算機制的數學特性）。難怪長對話的卡頓感像在爆炸。 真相三：越塞，反而越笨 這點最反直覺，但最有用。 AI 的「注意力」是有限的，所有注意力加起來永遠等於一份。你塞進去的內容越多，每個重點分到的注意力就被稀釋得越薄。多餘的廢話會偷走本該分給關鍵問題的專注力。 這不是我隨口說的。一篇很有名的研究 Lost in the Middle（Liu et al., 2024）發現一個 U 型曲線：資訊放在對話的開頭或結尾，AI 記得最牢；但埋在中間的重點，記得的機率會掉到只剩大約兩成。難怪它常常把你中間講的事忘光光。 另一份 Chroma 在 2025 年的研究測了 18 個主流模型，發現它們全部都隨著輸入變長而表現下滑，這現象被叫做 context rot（脈絡腐化）。 ...