你有沒有遇過這種情況？
昨天才請 AI 幫你寫了一篇文章，來回改了好幾次，終於改到你覺得可以。
今天想延伸另一篇，又得從頭交代：我要寫給誰看、語氣要怎樣、哪些詞不要用、哪些事情不能亂編。
講到最後，你可能會有點煩。
「這個我昨天不是才說過嗎？」
AI 明明幫你省了寫初稿的時間，你卻花了不少時間在重新解釋、重新找素材。
用得很勤，工作卻沒有越來越順。
問題可能出在這裡：你上一次做完的工作，留下了什麼，讓下一次可以接著做？
訪談裡一個值得注意的細節
最近我讀到一份關於「年輕人如何抓住 AI 時代機會」的訪談整理。
裡面談了很多東西，從 AI、健康到財富自由。
有些說法我會保留，但其中一個細節，倒是讓我停下來想了一下。
整理稿提到，作者把資料存成 MD 文件，也就是可以用一般文字編輯器開啟的 Markdown 檔案，並建立 README，說明專案的背景與內容。
這樣，即使換另一個 AI 工具，也有資料可以接手。
因為工具可能會換，方案可能會調整，你也可能發現另一個 AI 更適合某一種工作。
但你累積的素材、做過的決定，以及花時間磨出來的標準，應該留得下來。
成品存下來了，經驗卻常常沒有存下來
拿寫文章來說。
一篇文章改完，你可能會把它存檔。但那些修改過程呢？
某個例子為什麼被刪掉？因為太誇張，還是跟讀者的生活沒關係？
某段文字為什麼重寫？因為講得太空，還是引用資料根本不支持那個結論？
你說「口語一點」，到底是句子短一些，還是要少用抽象名詞、多講具體的事？
下一次能不能少走彎路，看的就是這些判斷。
如果只留下最後的成品，下一次 AI 也許能模仿表面的語氣，卻不一定知道你為什麼這樣寫。
你又得重新說一次，甚至連自己都忘了當時怎麼決定的。
久了，每篇文章都像重新磨合一次。
先幫一項工作留下五種資料
不用一開始就建立很大的知識庫。先挑一項你最常重複的工作就好。
如果是部落格寫作，我會先留下五種資料。
1. 這篇文章要解決什麼問題
「寫一篇 AI 教學」範圍太大。
可以寫得更清楚一點：這篇給已經用過 AI、卻經常覺得內容太空泛的人看，希望他看完後，能準備一件真實小事，提供給 AI 當寫作素材。
當讀者和目的明確，後面的例子、語氣與篇幅，才有判斷依據。
2. 哪些素材是真的
自己的經驗、讀過的資料，都可以整理進去。
同時標清楚：哪些是親身經歷，哪些是引用，哪些只是用來解釋概念的假設情境。
例如，提供一次真實的客戶溝通：對方原本怎麼說、你怎麼回應、後來發生什麼事。
這些細節能讓 AI 有東西可以寫，也方便你檢查它有沒有改變原意。
沒有亮眼素材也沒關係，給一件真實的小事。不要留空白讓 AI 自己編。
3. 你喜歡怎麼表達
「照我的風格寫」很容易變成猜謎。
可以保存一兩段你滿意的文字，再補上原因：開頭直接進場景、用生活例子解釋、不要每段都喊口號，結尾給讀者一個做得到的小行動。
有範例，也有說明，才比較容易把偏好變成可執行的標準。
4. 這次為什麼修改
不必把整段聊天全部存下來，挑重要的決定，寫幾句就夠了。
像是：刪掉創業成功案例，因為這篇讀者只是想改善日常寫作，案例離他太遠。
或者：保留操作步驟，因為文章不能只談觀念，要讓讀者知道第一步怎麼做。
下次寫同一系列，就能參考這些理由，再判斷是否適用。
5. 現在做到哪裡
初稿完成了嗎？資料查證了嗎？哪裡還需要補案例？下一篇準備接什麼問題？
把進度寫清楚，隔一週回來，你自己也比較容易接上。
這五種資料，可以先放在同一份文件裡。
等內容多了，再分開整理。
重點是你找得到、看得懂，也能提供給當下使用的 AI。
資料留下來，還要有人更新
不過，把東西存起來，並不代表問題就解決了。
舊資料可能過時，早期的判斷可能不適用，AI 寫錯的內容也可能被你順手存進去。
如果全部當成標準，下次反而會把錯誤接著用。
所以，我會把重要內容分成三類：已確認的事實、目前的判斷，以及待驗證的想法。
例如，這篇文章的讀者是 AI 寫作新手是專案設定；讀者可能喜歡短一點的文章，是你的判斷；這個標題會有比較好的點閱，則需要發布後才知道。
分清楚，AI 比較知道哪些內容可以作為依據，哪些還需要檢查。你也可以根據實際結果，調整下一次的做法。
AI 不會因為你很勤勞，就自動理解全部工作
有些工具會保留對話，有些有記憶或專案功能，但你仍需要確認：這一次工作，它究竟讀到了哪些資料？
把檔案放在某個地方，不等於 AI 已經看過，換工具時，也要確認它能不能讀取、資料是否完整，以及哪些舊紀錄還適用。
我覺得 AI 教學除了教提示詞，也該教人怎麼保存素材、記錄判斷，讓下一次工作接得上。
今天先整理一件事就好
你可以挑最近完成的一篇文章，花十到十五分鐘，補上這幾行：
- 這篇寫給誰看？
- 使用了哪些真實素材？
- 哪些地方改過，為什麼？
- 有什麼還沒確認？
- 下一次可以從哪裡接著做？
下次要延伸文章時，把這份紀錄提供給 AI，請它先說明理解到的背景、缺少的資料，以及準備怎麼接續。
你再看看，它有沒有理解對。
不用急著把整個人生 AI 化，也不用等到學會 API 才開始。先讓一項常做的工作，留下下一次用得到的東西。