不要問 AI「這篇幾分」:該怎麼問才問得出問題
請 AI 評價自己剛寫完的稿子,回覆多半是高分加上幾句籠統的建議,因為這種問法沒有可判斷的對象。本文說明可替代的幾種問法,以及審稿與撰寫分開的做法。
寫完一篇稿子,把它貼回對話框問「這篇你覺得如何,可以打幾分」,得到的回答大概是八十幾分,加上三句建議:可以再具體一點、結構可以再清楚一點、結尾可以更有力一點。
這三句對任何一篇稿子都成立,所以它們對你這一篇沒有意義。

(示意圖,AI 生成,非實際拍攝)
一、分數為什麼問不出東西
打分數需要基準。八十分是相對於什麼?沒有答案,所以那個數字是當場生出來的,換個問法就會變。
更關鍵的是,分數沒有指向任何一個可以動手改的位置。你拿到八十五分,不知道要改哪裡;拿到六十分,也還是不知道。一個不能導致行動的回答,再準確都沒有用。
它傾向給高分還有一個結構性的原因:你問的方式已經預設了這是一份成品。對話裡出現的是「這篇如何」,不是「找出這篇的問題」,它就會用評價的框架回答,而評價的預設姿態是肯定。
二、換成可以逐項確認的問法
把「幾分」換成「哪幾個」,回答的性質就變了。幾個實際好用的問法:
**「把這篇裡面沒有附來源的事實句列出來。」**這會得到一份句子清單,你可以逐句確認。它可能漏掉幾句,但列出來的那幾句通常是真的有問題。
**「這篇有哪幾句話的結論,比前面提供的證據走得更遠?」**這一題抓的是論證跳躍,是專業內容最常出事的地方,而且人自己讀很難發現,因為你知道那個結論是對的,就不會注意到文章裡沒有寫出理由。
**「哪些段落只是把前面講過的話換句話說?」**抓重複。
**「這篇如果要刪掉三百字,你會刪哪裡,為什麼?」**這一題很有效,因為它強迫排序。回答裡被優先刪掉的段落,通常就是資訊密度最低的地方。
**「文章裡出現的每一個數字,分別出自哪裡?」**沒有答案的那幾個就是要重查的。
共同點是:每一題的答案都可以被你當場驗證真假,而且都指向一個具體位置。
三、一次問一件事
面向一多,品質就掉。問「幫我檢查結構、邏輯、用詞、事實和 SEO」,得到的是五個標題各兩句話,每一項都淺到不能用。
讓模型一次自審多個面向,每一項都會變淺,整體也不會比較快。拆開一項一項問反而快,因為每一輪的回答都夠具體,可以直接動手改。
一次一題,改完再問下一題。

四、審稿要跟撰寫分開
最有效的一個調整,是不要讓寫的那一輪順便審。
同一個對話裡,剛剛產生的內容對它來說是合理的,因為那些判斷是它自己做的。要它回頭推翻,比給它一份陌生稿子困難得多。
做法很單純:開一個新的對話,只貼稿子,不貼寫作過程、不說這是誰寫的、不說之前討論過什麼。它看到的就是一份待審文件,判斷會明顯不一樣。
同一個角色自己說自己寫得好,這件事沒有資訊量。要讓審稿有意義,它拿到的應該是稿子和一份要對照的清單,不是寫稿的脈絡。
五、收斂條件不能是它自己給的
還有一個延伸的問題:如果你用「它說可以了」當成停止修改的條件,那整個流程就沒有終點,也沒有標準。
停止條件要寫在外面。例如:每一個事實句都有可點開的來源、每一段都有明確的結論句、全文沒有超出證據的推論。這幾項可以逐條確認,確認完了就是完成,跟它覺得幾分無關。
改稿時要守住的
一次問一件事,而且問題要具體到你能自己驗證答案。
完成與否由你事先寫下的條件判斷,不要問它好了沒。它說好了,不構成任何資訊。
專業內容寫作・基礎的第五個模組會用你自己的稿子跑一輪,產出一份下一篇可以直接再用的審稿問句。
常見問題
- 請 AI 打分數完全沒有用嗎?
- 分數本身沒有用,因為沒有可比較的基準,同一篇稿子換個說法問就會得到不同分數。有用的是把分數換成可以逐項確認的問題,例如哪幾句沒有來源、哪一段的結論超出前面給的證據。
- 叫它「嚴格一點」有效嗎?
- 效果有限。它會照著把語氣變嚴厲,挑出一些無關緊要的毛病,但挑的仍然不是你真正需要被抓到的地方。語氣是它能配合的,判準不是。
- 為什麼同一個模型寫完再自己審會失準?
- 因為審的時候它面對的是自己剛產生的文字,那些內容在它的脈絡裡本來就是合理的。要它推翻自己剛做過的判斷,比從頭看一份陌生稿子困難得多。換一個乾淨的對話、只給稿子不給寫作過程,結果會不一樣。
- 一次讓它檢查很多面向不是比較有效率嗎?
- 通常會更差。面向一多,每一項都只能掃過,最後得到一份看起來完整但每一條都很淺的清單。一次問一件事,問完再問下一件,總時間未必比較長,抓到的問題比較具體。
- 那人還需要自己看嗎?
- 需要,而且順序是人先決定要檢查什麼。工具可以幫你把「哪幾句沒有來源」找出來,但「這篇該不該有這個結論」只有你能判斷。
參考來源
延伸閱讀
- AI 會靜默刪掉你的素材:怎麼發現、怎麼防 把整理好的資料交給 AI 改寫,拿回來的版本少了幾段,而且沒有任何提示。本文說明這件事為什麼會發生,以及為什麼肉眼看不出來。
- 為什麼把撰寫和審稿拆成兩個角色 同一個角色寫完自己審,審稿結論多半偏向肯定。本文說明這個偏差怎麼發生、為什麼換提示詞改不掉,以及分開審稿時要守住的幾個原則。
- 用 AI 全文改寫之後,一定要做的檢查 全文改寫最常見的失誤是安靜地少掉一段。從開頭讀起看不出來,位移造成的遺失多發生在後半。本文列出四個檢查點,順序固定。