讀過經典著作《精要主義》（Essentialism）的人，擅長篩選 AI 回傳的想法。他們會生成 20 個選項，閱讀後只保留 3 個。作為運用這本書的方式，這無疑是正確的。
然而，我認為那些在導入 AI 後反而變得更忙碌的人，可能仍然過於忠實地實踐著這種方法。
你在 ChatGPT 或 Claude 中輸入越多「給我一些好東西」或「讓它更好」，你的「篩選工作」就會增加越多，進而吞噬你的時間。
《精要主義》出版於 2014 年，銷量已超過 60 萬冊。書中提到了「90% 法則」：決定一個最重要的標準，將選項以 100 分為滿分進行評分，並將低於 90 分的選項視為零分直接淘汰。
換句話說，這本書建議在從排列好的選項中做選擇時使用這個工具。但在 AI 時代，你可以在生成內容*之前*，就設定好淘汰標準（低於 90%）。
90% 的判斷標準非常優秀，但我認為將時機「前移」會讓效果更加顯著。
直到最近，我也還是會要求 AI「提供 30 個多樣化的選項」。然後花時間閱讀並挑選，幾乎以為 AI 只會給出顯而易見的答案……但回想起來，我只是沒有事先寫下「淘汰標準」而已。所以現在，我會堅定地在提示詞的最開頭，放上 1-2 句關於淘汰標準的描述。
即使你腦中尚未明確表述出「好東西」的條件，難道你在詢問之前，沒有大致決定好「不需要看的東西」的條件嗎？
你可能覺得：「我沒有這些標準……」在這種情況下，從「給我候選的排除標準」開始問起，能提升使用 AI 的合理性。
指示 AI 時，先寫下你不希望看到的內容，再寫下你希望看到的內容。句式很簡單，只需兩句話：「不要包含 [X]。在此基礎上，[Y]。」
以下是針對三種詢問 AI 的目的所整理的範例：
<產生想法>
「給我一些好東西」
→ 「不要包含超出本季預算的內容。在此基礎上，給我 20 個選項。」
「給我 10 個口號」
→ 「不要包含只是改寫產品名稱的口號。在此基礎上，給我 10 個。」
「請給我專案構想」
→ 「不要包含我們目前人力無法管理的內容。在此基礎上，按下周可嘗試的程度排序列出。」
「給我標題選項」
→ 「不要包含承諾內文未提及內容的標題。在此基礎上，給我 5 個最短的標題。」
「給我一些好東西」似乎會被 AI 解讀為「把你想到的一切都給我」。如果你在使用了 90% 法則後仍這樣做，最終你會面臨閱讀 20 個選項的工作。
<研究調查>
「調查 [主題]」
→ 「不要包含官方網站首頁就能找到的資訊。在此基礎上，只顯示與我們的差異點。」
「檢查競爭對手」
→ 「不要包含比我們規模大的公司。在此基礎上，顯示 3 家價格區間相同的公司。」
「告訴我更多細節」
→ 「不要重複第一次的回答。在此基礎上，提供一個相反觀點。」
「準備關於 [議題] 的會議」
→ 「不要包含今天不會決定的議程項目。在此基礎上，顯示本週需決定的一件事及其相關資料。」
在研究中，混入越多已知資訊，閱讀時間就越長。透過先排除已知內容，你只需要閱讀增量資訊。
<編輯修訂>
「讓它更好」
→ 「不要進行改變含義的編輯。在此基礎上，僅調整措辭。」
「讓它更易懂」
→ 「不要添加術語解釋。在此基礎上，將長句拆分為短句。」
「檢查這個」
→ 「不要包含僅從單一角度觸發的問題。在此基礎上，只顯示兩個以上角度指向同一處的問題。」
「再次修正」
→ 「不要包含上次已修正的部分。在此基礎上，保留一欄顯示已修正部分及原因。」
如果你只說「修正它」，AI 會將其解讀為允許重寫整篇文本。更糟的是，你最終還得額外花費時間比較前後版本的差異。
之所以會發生這種情況，是因為雖然你有「從選項中淘汰的標準」，卻沒有準備好「一開始就不生成候選的標準」。
雖然這些改寫的內容不同，但開頭採取的行動是一樣的。
在交給 AI 之前，先決定「什麼該被淘汰，使其根本不會進入選項池」，
然後再補上「好東西」的條件。
在你平常收到的 AI 回應中，有多少行是「原本不需要輸出的結果」？
高效工作者正是從這個「縮小候選範圍的切入點」開始善用 AI 的。
我也會結構化且清晰地解說即時新聞以及明日工作的靈感。
https://x.com/smark_x/status/2099383008537297309
https://x.com/smark_x/status/2096168360103088156
• 過度思考讓你無法採取行動
• 完美主義或低效率讓你時間不夠用
• 遇到瓶頸時，你想歸咎於「缺乏直覺」
• 你引入了 AI，但工作並沒有真正變輕鬆
我自己也曾面臨這些問題，但透過「邏輯思維」將流程系統化後，我的工作變得輕鬆許多。我每天都會發文，有興趣的話請追蹤 → @smark_x
