你有沒有過這種經驗：跟 AI 討論一個計畫，前半段很順，越聊越覺得它在鬼打牆。前面明明講好的東西它忘了，後面它開始自己補一些你沒說過的細節。

我幾乎每天都在跟 AI 工作，這件事碰過太多次。

先講結論：這不是你問得不好，也不是模型變笨了。AI 對話本質上是單線程的，它適合一次推進一件事，不適合在同一個對話裡同時處理四、五個子任務。解法是三個動作：存下來、開新對話、寫回去。

為什麼會亂

你跟 AI 討論一個主任務，例如「規劃一場三日工作坊」，它很自然會拆成幾個子任務：課程架構、定價、宣傳、報名流程。

問題是在同一個對話裡，你很難輪流切換。討論完架構，跳去談定價，AI 可能已經忘了你在架構那段做的決定；談到宣傳，它又把前面兩段的東西混在一起。

而且上下文越累積越長，AI 開始混亂、產生幻覺的機率就越高。它會很有自信地講出你根本沒說過的事。

這就是單線程的意思：一條線，越拉越長，越長越容易斷。

三個動作

我現在的做法很固定。

一、把要討論的東西先存進知識庫。不是存整段對話，是存結論、判斷、還沒解決的問題。

二、開新對話，一次只討論一個子任務。新對話很乾淨，AI 只需要處理一件事，品質明顯比較好。

三、討論完，把結論寫回同一筆知識庫，慢慢補完整。

知識庫在這裡扮演的角色，不是備忘錄，是跨對話的工作記憶。

以那場三日工作坊為例，講座結束當晚，我先把已經想清楚的部分存進知識庫：工作坊的定位、主推的方案、跟前面四場分享會的關係。還沒討論的，例如每場的內容細節、完整的銷售流程、廣告策略，就直接標成「待討論，下次分開處理」。之後每個題目各開一個對話，做完再寫回同一筆。

一個真實的交接案例

講一個我自己的例子。

某次在一個對話裡，AI 建議我用某篇文章來推一場分享會。我看了覺得怪，後來確認：那篇文章講的概念，根本不在這次分享會的內容裡。用它來推，來的人會對活動有錯誤的期待。

這個判斷很重要，但那個對話大概不會再被打開。幾天後我要做投影片，一定是開一個新對話，而新對話的 AI 對這件事一無所知。

我的做法是當下直接把這個判斷存進知識庫：這次活動，這篇文章不能拿來推，原因是什麼。

之後開新對話準備投影片時，第一句話就是：「先去知識庫查一下，這次活動有沒有要注意的事項。」AI 撈到那筆記錄，自然接著做，我不需要再解釋一遍。

每一個 AI 對話都是孤島。知識庫是島跟島之間的橋。

怎麼判斷該開新對話了

幾個訊號：

• AI 開始重複問你已經講過的事
• 它的回答越來越長，但越來越不精準
• 你發現自己在對話裡打「不對，我剛剛說的是……」
• 你要討論的東西已經跟這個對話一開始的主題不同了

出現任何一個，就是該存下來、開新的。

常見的誤區

最常見的錯誤是把知識庫當成對話紀錄的倉庫，整段貼進去。下次 AI 撈到一萬字的對話，等於又把混亂搬回來。

存的應該是判斷，不是過程。「這場活動不能用那篇文章推」是判斷；你跟 AI 來回二十次才得出這句話，那二十次不用存。

另一個誤區是捨不得關對話。很多人覺得這個對話已經「懂我了」，關掉很可惜。但它懂你的代價是上下文越來越重。你真正要留的是它懂你之後產出的結論，那個存進知識庫，比對話本身可靠得多。

還有一種人剛好相反，每件小事都開新對話，結果每次都要從頭解釋自己是誰。這也是沒有知識庫的症狀。新對話乾淨是好事，但乾淨的前提是有地方可以把背景撈回來。

所以下次覺得 AI 開始亂的時候，先別急著罵它。問自己：這個對話，我是不是已經塞了超過一件事進去？

Compassio 的知識庫就是為這種用法設計的，可以在前台隱藏、只給你和 AI 讀寫：https://compassio.app