讓 AI 幫我搵到下一步應該問啲咩
能問出答案、能指出可疑處、能問出下一問，這三層是分界。讀完能認出自己停在哪一層，以及下一步寫哪一句。
12 份午餐，預算 800 元，週五中午 12 點送到會議室。行政同事把這行要求轉給你的時候是週二上午，來開會的同事名單也一起發了過來。
你把人數、預算和送達時間發給 AI，請它配一份菜單。它很快給出一套組合：
四葷三素加一份主食，人均約 65 元；口味一半清淡、一半偏辣；另外留出 20 元買紙巾和一次性餐具。
這份答案確實有用。數量算得清，預算也留了餘量，你照着餐廳頁面換了兩道售罄的菜，11 點前完成下單。訂單截圖發進羣裏，這件事就算辦完了。
週五 11 點 58 分，餐盒剛擺上桌，一位同事看見醬汁標籤，問裏面有沒有花生。你這才知道她對花生過敏。餐廳確認其中一道醬汁含花生碎，同一口鍋也做過含花生的菜。你臨時加訂一份，送到時已經 12 點 36 分，她在會議室裏等了38 分鐘。
你當時會收工，是因為螢幕上的任務都被答上了：人數夠、錢沒超、時間寫了。過敏信息從來沒進入問題，答案自然把它當作普通的多人午餐處理。菜單的完整，讓那個還沒問出的條件更難被看見。
AI 完成的是你交給它的題。你給了人數、預算、送達時間，它就圍着這三項優化；你沒給誰不能吃什麼，它無法從空白裏知道現場有一位過敏者。
答案能用，只説明它完成了你已經問出的那部分。真正影響決定的條件，有些寫在提問裏，有些還藏在你沒想到要問的地方。
這時候可以讓 AI 換一個角色。先暫停繼續推薦，請它檢查這份方案依賴哪些尚未確認的條件，再把最要緊的一項改寫成下一問。午餐這個場景裏，它應當先追問有沒有食物過敏、宗教飲食或其他忌口，然後提醒你向餐廳核實配料和後廚處理。
下一問把模糊的擔心，變成一件可以馬上去問人、查標籤、找餐廳確認的事。剛才那份菜單已經能下單了，你會停在拿到答案、看出可疑，還是寫出下一問這一層？
拿到一份準備採用的答案後，把它連同自己的場景一起貼回去。下面三句按順序發，AI 就會從繼續給建議，轉到幫你找還沒確認的條件。
- 先找沒有寫出來的條件
這是我準備採用的方案：[粘貼方案]。我的場景是：[寫明誰、什麼時候、要做什麼]。請列出這份方案成立所依賴、但我還沒有確認的條件，按對結果的影響從大到小排序。先不要替我做假設。
- 再把最要緊的一項問出來
從最關鍵的條件開始，一次只問我一個問題。我回答以後，你再判斷該繼續追問，還是進入下一個條件。
- 最後變成現場可以執行的核對
根據我的回答，把仍需核實的事項寫成清單。每一項説清該問誰、查什麼，以及看到什麼結果才能繼續採用這份方案。
第一句裏的「先唔好替我做假設」是關鍵。少了這半句，AI 可能會自行補上「大家冇忌口」之類的預設條件，未知項又會被一段順暢的文字蓋住。
「呢份菜單可能有問題」只是感覺，到了下單那一刻仍然不知道該停在哪裏。把它往前推，需要連續回答三件事：
- 圈出會改變決定的那句話，比如這份菜單預設所有人都能吃。
- 寫明還缺哪個現場條件，這裏缺的是 12 個人各自的過敏和忌口信息。
- 指定核實動作和通過標準，先逐人確認，再讓餐廳明確配料與後廚處理，確認能避開相應食材才下單。
這三層是一個經驗分界，沒有實驗數字。翻自己的筆記時，可以在每條答案旁邊補一句：「呢條建議放到我嘅場景裏，仲缺邊個條件未確認？」寫不出來，就讓 AI 按上面的模板一次問你一個。
下一問需要帶哪些信息，見 讓 AI 按我的情況講清楚。想檢查自己是否真正理解，見 講得清那一關。