讓 AI 用我熟悉嘅嘢打比方
佢唔知你熟啲咩，淨係可以由公共題庫抽一個源領域。喺提問度空出呢一格，填你已經識嘅嘢，比方先接得住。
AI 揀咗一個聽落好通俗嘅牌局類比，Alice 卻唔識打牌，最後將「沉沒成本」理解成「花得越多越要繼續」。
Alice 買咗一門網上課程。聽咗三堂之後，佢發現課程內容同宣傳唔符，但係唔捨得已經付咗嘅 899 元。朋友提醒佢，呢筆錢可能係「沉沒成本」。佢第一次聽呢個概念，就請 AI 打個比方。
AI 答：「好似牌局裏面已經押入底池嘅籌碼，跟住淨係睇繼續落注值唔值得。」句子好順，但 Alice 從來不打牌。佢唔知底池係咩，亦唔知幾時應該跟注，淨係可以憑字面估。
第二日，佢反而得出錯誤結論：既然已經花咗 899 元，就更加應該繼續投入時間。一個陌生概念再套上另一個陌生經驗，解釋睇落完成咗，理解就越偏越遠。
問題唔淨係喺比方準唔準。AI 唔知 Alice 熟網購退貨、煮飯定項目排期，淨係可以替佢抽一個常見參照物。常見唔等於你熟，聽得順亦唔等於驗證到。
換個問法，先將你熟悉嘅經驗交畀佢。Alice 成日整理雪櫃，就可以要求 AI 用已經壞咗嘅食材嚟講：買餸嘅錢已經返唔嚟，今晚食咩淨係應該睇食材仲食唔食得，同埋重新煮飯要花幾多時間。
- 指定已知源領域：寫出你親手經歷過、判斷得到後果嘅一件事，唔好淨係講「用生活例子」。
- 列出映射對應關係：要求 AI 説明源領域裏面每個動作，分別對應目標概念裏面嘅咩。
- 標明類比邊界：追問邊啲細節唔可以照搬，防止將局部相似誤當成處處相同。
類比接得住你，前提係借嚟嗰樣嘢已經喺你腦入面。下面將同一個概念換三種參照物，睇下邊一種可以畀你自己驗證。
演示入面真正改變結果嘅，係你將源領域嘅選擇權攞返嚟，同時要求 AI 交代映射同邊界。下面兩句可以成段抄走，淨係要替換括號入面嘅內容。
- 先指定你真正熟悉嘅源領域
我而家喺度理解【沉沒成本】。請用我每個禮拜都會做嘅【清理雪櫃入面已經壞咗嘅食材】嚟打比方，淨係解釋「過去投入點解唔應該左右而家嘅選擇」。
- 再要求逐項映射並劃邊界
請逐項説明：已經付咗嘅錢、失效嘅課程同今日係咪繼續投入時間，分別對應買餸錢、壞食材同今晚食咩。最後單列「類比邊界」，説明邊啲細節唔可以照搬。
「熟悉」要落得喺經驗上面。用過理財軟件，唔代表你理解投資虧損；每個禮拜清理雪櫃，就等於你見過食材變壞，亦做過掉棄同重新買嘅決定。
一個比方有冇用，睇你可唔可以檢查佢每一步。買餸錢已經花咗，對應課程費已經付咗；壞食材繼續食亦唔會恢復價值，對應失效課程繼續聽亦唔會自動變好；今晚係咪另外煮一餐，淨係睇而家嘅收益同代價。
「用生活入面嘅事打比方」仍然將選擇交畀 AI。「用煮飯解釋」雖然更具體，但冇話佢知你熟煮飯邊一步。寫成「用我每個禮拜清理壞食材嘅經歷」，源領域先具體到檢查得到。
雪櫃類比都有邊界：課程或者仲可以退款、轉讓或者揀部分章節，壞食材通常冇呢啲選項。類比淨係搬運而家要理解嘅結構，唔負責覆蓋所有細節。要求 AI 主動指出失效處，可以避免你將「應該停止繼續投入」誤解成「即刻放棄一切」。
呢個係使用經驗。將參照物放入完整提問嘅邊個位置，見 讓 AI 按我嘅情況講清楚。