讓 AI 把推理過程還給我

朋友將續租附件攤喺枱面，手指停喺嗰一條上面，問你當時點解會接受。

三週前找房時，你把合同貼給 AI。押金是3500 元，原文寫得很乾脆：

提前退租，押金不退。

AI 建議改成「提前 30 天書面通知則退還押金」。房東答應了，你當天就簽了。現在你還記得提前 30 天這個結論，卻説不出它當時檢查了哪幾個條件，也説不出 30 天為什麼合適。

朋友又往下指。附件多了一句「房內維修費用由乙方承擔」。你看得懂每個字，卻判斷不了自然老化算不算、費用有沒有上限。上次那段回答就在手機裏，翻咗十幾分鐘，能搬過來的只有那句修改結果。

房東只把合同留到當天傍晚，你只好再打開 AI，把新條款重新問一遍。事情依然能辦完，可那個空洞已經露出來了：我上次到底學到啲咩？

兩邊這一週都把合同簽下去了。左邊照着現成結論改，右邊先寫三行，再讓 AI 指出第三行錯在哪。當天的結果一樣，所以直接要結論看起來效率更高。

真正的差別藏在下次。新條款換了幾個字，左邊又從「能不能簽」問起；右邊已經會先查什麼情況觸發、要賠多少、有沒有上限。這三個問題來自上一次親手走過的推演。

AI 給你的修改句可以直接用，可它沒有自動變成你的判斷能力。結論可以借，推演過程借走了，下次還得再借。

先自己給一個答案，再讓 AI 對照。答案可以粗糙，三行已經夠用。演示裏的第三行是錯的，正因為它寫了出來，AI 才能指出：你把「押金到期退還」誤推成了「提前退租也一定退還」。

可以把這段提問直接換到自己的事情上：

我先寫三行判斷。請逐行檢查：哪一行用了沒有根據的前提，哪一步漏了條件。先指出偏差，暫時別替我重寫結論。

這三行給 AI 一個可以對照的推演過程，也給你留下可修改的痕跡。先產出一點再看答案，這件事叫生成效應，讓 AI 找出我在哪一步想錯了那一頁講過。這裏把它當作一個實用動作，不重複展開研究結論。

關掉對話，再看一條同類條款。你能説出要檢查的條件，並先做出一個有理由的判斷，説明這次留下了能力。你只能複述 AI 給的修改句，換一個條件就要重新問，説明這次只把事情辦完了。

而家冇 AI，我仲做唔做得成呢件事？ 得，先算學會；唔得，就只係做完一件事。

收藏和學會之間也隔着這一層，見收藏即學會。