你覺得 AI 笨，很多時候是問題太模糊：用『思維樹』把它拉進工作坊模式
GenAI 預設是直線互動：你問一句它答一句，於是產生大量『正確的廢話』。把它改成工作坊模式：先發散、再評估、最後收斂成可驗收的規格，才會真正變好用。
我發現很多人說「AI 很笨」的時候，其實是在罵另一件事：我們自己把問題問得太模糊。
而且模糊不是因為不會寫中文，是因為我們常常連「關鍵的不確定」在哪裡都沒意識到。於是你丟一句話給模型，它就回你一段看似合理、但完全無法落地的「正確廢話」。
這不是模型天生無能，而是它預設會用最省摩擦的方式跟你互動：你問一句，它答一句；不挑戰、不追問、不拆解。你要它補洞，它多半不敢自己假設。
GenAI 預設是直線思考，你需要把它拉進「工作坊模式」
我在實務上最常用的一個轉換，是把 AI 從「搜尋框」改成「工作坊」：
- 搜尋框：你輸入問題，它吐出答案
- 工作坊：你把問題丟到房間裡，讓不同角色吵一輪，再把共識收斂成可驗收的文件
要做到這件事，「思維樹（Tree of Thoughts）」是一個很好用的框架。
它不是什麼玄學，只是逼你把思考拆成：發散 → 評估 → 收斂。
1) 先發散：逼它從多角色、多路徑把盲點挖出來
發散階段我會刻意讓模型「分裂人格」，同一個題目至少拉三個視角：
- RD：實作成本、技術限制、邊界條件
- PM：價值假設、優先順序、成功指標
- 用戶：使用情境、痛點、可能的誤用
再加上兩種補刀：
- 規則/法遵視角（資料、權限、風險）
- 例外與邊界情況（edge cases）
這一步的目標不是產出結論，而是把「你原本沒問到的問題」逼出來。
2) 再評估：叫它自己挑路，哪些有價值、哪些是坑
很多人發散完就急著寫 spec，結果只是在把更多雜訊寫進文件。
我會多做一步：讓模型自己評估每條路的可靠度。
你可以要求它輸出：
- 哪些路徑最可能帶來價值？原因是什麼？
- 哪些路徑看起來很對，但其實風險很高？
- 哪些需要補充的前提資料？（缺什麼就先去找）
這一步的價值在於：把「想法」轉成「可決策的選項」。
3) 最後收斂：把討論壓成可驗收的規格
收斂階段才進到文件。
我會要求它只展開 3–7 個核心範例（或核心 user flows），並且每一個都要能被驗收：
- 明確的輸入/輸出
- 明確的成功條件
- 明確的例外處理
- 明確的「不做什麼」
到這一步，你就不會再拿到那種「聽起來都對，但沒有任何可交付物」的內容。
一句話總結：AI 負責廣度，人類負責決策
我現在最舒服的人機協作姿勢是：
- AI 負責發散，提供廣度與可能性
- 人類負責收斂，負責取捨與承擔
你把這個角色分工釘牢，AI 就不會只是產出機器，它會變成一個能把你的思考逼清楚的「討論加速器」。
原文 Threads 連結：kojenchieh 的貼文
