方法筆記 · AI 工作流
AI 寫完初稿以後，還有哪些事要自己做？
收到一份完整的草稿，事情還沒做完。來源、脈絡、修改時間，都值得再看一眼。
假設 AI 幫你整理了一篇文章
假設你做了一個會讀資料、產生摘要、整理成貼文的流程。每一步都回傳成功，卻仍可能出現不準確的摘要、缺少來源的觀點，或需要大量重寫的草稿。
我會先把評估問題拆成兩層：系統是否按預期運作，以及最後的內容是否真的能用。這篇是方法提案，並非既有專案的實測報告。
怎樣的草稿，才算可以用？
比起籠統地問輸出好不好，可以先挑一個具體任務。例如「替一篇有來源的文章整理摘要」，就能用下列準則做人工檢查。
| 準則 | 檢查問題 | 不合格時 |
|---|---|---|
| 忠於來源 | 每個重要主張都能回到原文嗎？ | 標記主張並退回修改 |
| 脈絡完整 | 有沒有遺漏條件或限制？ | 補入原文脈絡 |
| 對讀者有用 | 讀者能知道何時適用嗎？ | 重新整理使用情境 |
把自己修改的時間記下來
如果生成只花很短時間，但每次都要長時間修改，端到端的效益可能不如預期。測量時應保留原本做法作為基準，並同時記錄審核、修訂與例外處理。
從開始整理資料，到最後一遍修改，這段時間都算數。
如果草稿不行，就先退回來
一份簡單的規則，可以把「遇到問題再說」變成明確的工作方式。下面是資料結構示意，不是完整可執行的審核器。
const review = {
task: "summarize_a_document",
checks: ["source_accuracy", "missing_context"],
humanReview: "required",
onFailure: "return_to_draft"
};退回草稿、保留來源、讓人修改，往往比無限制重試更容易理解與管理。具體策略仍需要依任務與風險調整。
想試試看，可以從這裡開始
- 選一個範圍清楚、會重複出現的任務。
- 準備可比較的輸入與原本做法。
- 寫下可接受結果的檢查準則。
- 記錄人工修改與失敗處理。
- 用結果決定保留、修改，或停止這個流程。