Hi，
這一場的對象是一個上市公司的工程師，最近剛換了部門。
他剛接了新 team，要面對一整批從沒碰過的技術文件。文件不算機密，但高度專業，原文又多又厚。他想做的事很直接，把這些文件的內容快速整理出來。
六題跑完，他把最大的一份文件丟給 AI，請它讀。
AI 回他「檔案太大，無法正確分析」。
他第一個反應，跟大部分人一樣：AI 做不到。
我們做的第一件事，是把文件按章節切開，一章一章跑，而且先只跑第一章。跑完確認細度對不對，對了才放手跑剩下的。這條規則後來真的救了他一次，只是救的方式跟我預期的不太一樣。
第一章跑出來，摘要是有的，但偏粗淺，重點沒抓到。他當下的結論，跟面對整份大檔案時一樣：這個不太行。
我請他把模型從預設的 Sonnet 換成 Opus，同一章再跑一次。
同一份文件，同一個提示，摘要從粗淺變成抓得到重點。
那一刻我拍到兩張連拍照片，間隔不到一秒。前一張他身體前傾、嘴張開，盯著螢幕；後一張整個人笑開、往後靠。手一直沒離開觸控板，那是他操作當下的反應，不是聽完解說之後的客氣回應。
他原本會把那一份粗淺的摘要歸咎於 AI 本身不行，或者覺得是自己問得不夠清楚。換了模型之後才看出來，那是一個設定問題，跟他問得好不好沒有關係。
大部分人用 AI 的時候，用的都是預設模型，沒有人告訴他這一步其實有選項。而一份需要深度閱讀理解的技術文件，預設值給出的第一印象，常常比它實際能做到的差一截。於是很多人就下了一個太早的結論，覺得「AI 讀不懂這種東西」。
他會覺得 AI 做不到，是因為他不知道「換個模型」是一個選項。
但那天最後留下的判斷，還不是模型的事。
跑完第一章、確認細度沒問題之後，我們把剩下的章節交給 AI 一次跑完，轉成一種任何 AI 都讀得進去的格式，圖表也請它用文字描述一次。不只是摘要，是一份他自己的知識庫。
我當時以為目標是讀得動這份文件。後來才搞懂，他真正要做到的，是他要上台，把這些東西講給新同事聽。
這兩個目標聽起來很像，產出完全不一樣。摘要讀一次就沒了，下次要問別的問題還是得重讀原文。知識庫可以被反覆提問，可以拿去比對不同檔案之間的關聯，可以在他準備簡報的時候，幫他把散落在幾十份文件裡的重點兜起來。要上台講給別人聽，光有摘要撐不住。
這也回頭解釋了模型那個問題為什麼要認真解決。如果只是要一份看得懂的摘要，粗淺一點也許還能忍；但這一份東西之後要被反覆引用，要經得起台下的人提問，細度不夠，整個底本就靠不住。
Kidult
