Hi，
有一場的對象是兩位做商業空間設計的老朋友。其中一位，Shibo，那天跟我講了兩件事。
一件是他用 ChatGPT 整理過 Spotify 上的歌單。我也做過一樣的事。我們的感想一樣，很方便，而且它會記得你喜歡什麼。
另一件是他常常被它氣到。他用了很久，很熟，但是它會忘記他上一刻講過什麼，有時候連他自己提過的案子都會被它推翻。
同一個工具，同一個人，兩種完全不同的體驗。
我當場給他的解釋是這樣：那個對話框的記憶是片段的，而且集中在最近。它抓得到你的偏好，因為偏好是一個很小的東西，講一次就夠。它抓不到你的脈絡，因為脈絡散在幾十次對話裡面，而那幾十次對話它沒有留著。
每一次打開新的對話，它都是從零開始。你這一次講得多好，不會累積到下一次。
這件事我花了很久才真的相信。相信之後我改掉的做法只有一件，我開始把判斷寫成文本。
寫的對象不是我自己，是它。那是一份它每次都會讀到的檔案，放在它工作的那個資料夾裡面，裡面寫這個案子的規矩是什麼、哪些事上次試過不行、為什麼決定走這條路不走那條。
寫的時候要帶上為什麼，不要只寫結論。結論會過期，理由不會。半年後情況變了，它看到理由還判斷得出來該不該照舊；只看到結論，它就只能照抄一個已經不對的答案。
第二件事是放對地方。
這一點很多人會漏掉。你把判斷寫下來只完成一半，它得放在那個專案的資料夾裡面才算數。換一個資料夾開對話，基本上就是換一個大腦，前一個專案的判準預設一個都帶不過去。
一開始我覺得這是缺陷，後來覺得這是好事。客戶 A 的踩坑不會跑去污染客戶 B，兩邊的規矩本來就不一樣。真正通用的那幾條才往上放，放到每一個對話都會讀到的地方。
所以那天給 Shibo 的方向，跟給 Small 的其實是同一個。Small 要把過去的案子交出去，讓 AI 訪談出那些踩過的坑；Shibo 要把那些談出來的東西留在一個地方，下一次它自己會去讀。
一個是把東西拿出來，一個是讓它留得住。
這也是我在這幾場裡面看到最穩的一條。模型會換，介面會改，去年的操作訣竅今年可能就不適用了。但是你寫下來的那些判斷不會過期，它們會從一個模型搬到下一個模型，而且越搬越厚。
我自己摸索那兩年，學到的東西比不上今年坐到別人旁邊的這幾場。因為自己摸的時候只會遇到自己的問題。
Kidult
