
糾正過的錯,AI 下次照樣犯。上班族每週平均花 6.4 小時當 AI 保母。我把訓練 AI 的方法整理成 skill 讓你下載:三個步驟,下一份簡報從改十幾輪變成三版定稿。
前陣子我接到一個演講邀請,一所護理學校請我跟老師們講兩小時的 AI 講座。講師的產品就是簡報,我照例找 AI 當助理(後來才發現,誰是誰的助理還很難說),五十幾頁一頁一頁跟它來回磨。磨到一半,我交代它一條原則:
我:壞的例子都算我的。
AI:好的,收到!
意思是台下都是護理老師,要舉做錯的例子,主角就用我自己,別拿老師們的工作開刀,這是做法,不是要放進簡報的台詞。
教到第三天,它把這句話一字不差印上了第 6 頁的標題:「(壞的例子都算我的)」。
我:為什麼又犯?
AI:抱歉,我馬上改!
我:(深呼吸)上次講過了,這句是叫你照做,不是叫你印出來。
AI:完全理解!這真是一條很棒的原則,值得讓每位老師都看到。
我:……
我盯著螢幕,差點想叫它先出去冷靜一下,後來發現該冷靜的是我,因為「又」這個字,代表我在同一件事上付了第二次錢。
你是不是也跟我一樣,常覺得 AI 說不聽?
01. 教了三天,它為什麼還犯同一個錯?因為它聽不懂我在糾正什麼
問題不在 AI 笨,在它分不出我的糾正是哪一種。我說「要改」的時候,其實有三種意思:
- 內容:改一個字、換一句話。
- 單次修改:只改這一頁。
- 規則:以後每一頁都要照做。
人聽得出差別,AI 聽不出來。「壞的例子都算我的」明明是規矩,它當成文字,乖乖印進標題。老實說它也有點冤,我講話本來就愛把規矩講得像金句,連它都分不出來,我只好再講一次、再講一次,三天就這樣磨掉了。
你可能會想,那是你用的模型太弱。我用的是 Claude Fable 5.2,Anthropic 11 月 9 日才發表的最新模型,官方說它幾乎每項能力都比上一代旗艦 Opus 5.5 高一階。連目前最強的模型都這樣,這就不是特例,換一個更貴的模型也躲不掉。
我想過最乾淨的做法,是每次糾正都用固定欄位回它,像這樣:
- correction_type: 規則(以後每一頁都要照做)
- scope: 全份簡報
- instruction: 負面例子的主角一律用講者本人
- not_to_render: 要印在投影片上的文字
- original_quote: 「壞的例子都算我的。」
光是交代一句「壞的例子都算我的」,就得填五行。我寫完這五行,自己都想下班了。這就不是人話,沒有人下班前還想跟 AI 填表格。
說來慚愧,這毛病我早就碰過。去年 12 月我寫〈AI 寫程式的技術債陷阱〉,裡面就抱怨過:「它總是做一陣子又回到一般 App 寫法,於是過一陣子我就要糾正一次再翻修。」當時我以為是 AI 記性差,現在回頭看,那一句講的就是「第二次」:我講過的話沒有被留下來,所以每隔一陣子就要重講。
02. 每週 6.4 小時的 AI 保母費該砍嗎?花掉不可惜,可惜的是下次還要再付一次
這件事不只發生在我身上。最近「AI 保母」這個詞很流行,英文叫 botsitting,是把 babysitting(當保母)的 baby 換成 bot(機器人)造出來的詞,今年 8 月登上《哈佛商業評論》,台灣的數位時代也報導過。
它會紅,是因為說中了我們天天在做的苦差事:同一件事跟 AI 交代第三次,它交出來的東西我們得一行一行對,對出錯來還是我們收拾。說好是它幫我們省時間,結果是我們在替它加班,像在帶一個永遠長不大的小孩,越帶越累。
這個詞出自企業 AI 平台 Glean 的研究單位,他們調查美國、英國、澳洲 6,000 名全職上班族,算出平均每週花 6.4 小時在這上面,差不多是一整個工作天,寫在《Work AI Index 2026》。報告怎麼算的,丟給你自己的 AI 讀就好,我想講的是這筆時間在我身上長什麼樣子。
那三天的糾正,每一句當下都有用,簡報也真的越改越好;問題是簡報做完,這些糾正就跟著結束了。下一份簡報,AI 還是從零開始,我又要再當一次 AI 保母。
但我不會一刀砍下去,那等於連教新人的時間都省了。帶過新人的都知道,第一個月最花時間,帶得好之後越來越省心,因為他會把你教的變成自己的做法,下一件事不用再教。AI 不會,除非你幫它長出一套學習的方法。所以我要省的不是這一次的保母費,是下一次的。
03. 怎麼不用一直當 AI 保母?讓 AI 先證明它聽懂,再沉澱成規則
我沉澱下來的,不是那三天的一條條糾正,是一套「怎麼學糾正」的方法:讓 AI 負責把糾正聽懂,先證明給我看,再把它寫成下次會被讀到的規則。
我把它寫成一個叫【learn-from-correction】的 skill,核心只有三步:
- 分類:AI 先說出它把我這句話分成哪一類:內容、只改這一處,還是以後都要照做的規則。
- 覆述:如果是規則,它要覆述給我聽,包括我的原話、它抽出來的原則,還有它預測現在的成品裡「還有哪兩處也犯了」。
- 寫成規則:我點頭了才寫成一條規則,而且要附一題看得出對錯的檢查題,例如「每個壞例子的主角,都是 Leo 自己嗎?」
三步裡最有用的是那個預測。它點的地方跟我心裡想的一樣,才算真的聽懂;不一樣,就重來。這有點像醫生問診,聽完你的主訴,要先講出他的判斷,你點頭了才開藥(只是這次被考的是 AI)。每糾正一次,規則就多一條,下一份從更高的起點開始,一圈一圈轉上去,這就是我在課堂上講的 AX 飛輪:起步便宜,越轉越省力。
效果我翻了自己的檔案紀錄就看得到:
| 規則沉澱之前 | 規則沉澱之後 | |
|---|---|---|
| 哪一份 | 護理學校兩小時講座 | 11 月 15 日的 15 分鐘短講 |
| 頁數 | 53 頁 | 13 頁 |
| 改了幾輪 | 大版本到 v9,中間小改十幾次 | 三版定稿,一個半小時 |
從十幾輪到三版,差的不是 AI 變聰明了,是它有了一套學習的方法,我講過一次的,它不用我再講。
這個 skill 就是我自己在用的那一份,免費下載,裝進你的 AI 就能用:
⬇ 下載 learn-from-correction skill(zip)
用 Claude 的直接上傳這個 zip;用其他 AI 的,解開後把裡面的 SKILL.md 交給它讀。
你這週可以試一件事:找一句你對 AI 講過兩次的糾正,把它寫成一條規則,再配一題檢查題。
04. 每件事都值得這樣教 AI 嗎?偶爾做的,用別人的就好
不是,常做、要求高、做錯很貴的事才值得。這是一筆回收期的帳,跟工廠買設備一樣:
一年會做幾次 × 每次少花的照顧時間 > 教它花掉的時間 → 划算
我是講師,簡報就是我的產品,每個月都要做,做壞了丟的是自己的臉,所以花 3 天很值得;但如果你一年做不了幾份簡報,要求也沒這麼高,用別人做好的 skill 就夠了,你不會為了一個只來一天的臨時工,花三個月幫他上職前訓練。
還有一點要記得:規則是寫給這一代模型的,每次換模型,把檢查題重跑一遍,跑不過的就改。
照顧 AI 之前,你答得出這三題嗎?
- 你說得出這件事一個月要做幾次嗎?
- 你說得出同一個錯,AI 已經犯了幾次嗎?
- 你說得出做錯一次要賠多少嗎?
所以老闆要看的不是 AI 保母一週花了幾小時,是花完之後,下一次還要不要再花一次。
那天我問 AI「為什麼又犯?」,現在我先問自己:這是我第幾次講?

