昨天驗了 AI 附的來源，今天來處理另一個很常見、也很讓人抓頭的問題：同一題問兩次，答案怎麼不一樣？

如果只是請 AI 想晚餐，一次滷肉飯、一次牛肉麵，倒也沒什麼。但換成競賽提案、研究方向或企畫建議，答案忽左忽右，就不能只挑自己喜歡的那一套。

今天的實驗

我用一個示範題測試：

如何提升大學生參與校內外活動的意願？

我把同一句問題交給 AI 兩次，不補充背景，也不指定格式。這個測試不比較哪篇寫得漂亮，而是看兩次回答中，哪些是穩定結論、哪些只是臨場發揮。

常見情況是：一版把重點放在獎勵、學分與證明；另一版則強調資訊整合、同儕影響和時間安排。兩邊都可能合理，但「合理」不等於已被證明，也不代表能直接拿去做企畫。

我的驗收標準

我把兩份答案拆成同一張表，用五個角度檢查：

接著我把內容分成三類：

1. 兩次都出現：先列為可能的穩定核心，但仍要找證據。
2. 只有一次出現：保留成待驗假設，不急著刪，也不直接採用。
3. 彼此衝突：回到研究目的、對象與限制條件判斷，不能讓 AI 投票決定。

問題不是 AI 變心，是題目留白太多

這次最重要的發現是：答案不同，不一定是哪一版錯；也可能是我的問題沒有交代對象、情境、資源和期待產出。AI 便會自行補空格，而每次補法未必相同。

修正方式不是一直重問到出現喜歡的答案，而是固定輸入條件，例如：

• 對象是大學生，不延伸到一般消費者。
• 先分析參與阻礙，再提出對應做法。
• 不假設已有預算或學分獎勵。
• 每項建議標示「已知、推論、待查證」。
• 最後用相同表格輸出，方便逐欄比較。

這樣再問一次，答案仍可能不完全相同，但差異會縮小，也比較看得出變動來自哪個條件。

可重複使用的「雙答查核法」

遇到重要任務，我會用這個四步驟：

1. 同一提示問兩次，先不要互相參考。
2. 把結論拆成最小主張，一列只放一件事。
3. 標出重複、獨有與衝突內容。
4. 用資料、規則或實際需求裁決，不用語氣和篇幅裁決。

今日結論

AI 回答不一致不是單純的缺點，它其實替我亮出一盞警示燈：這裡可能有沒說清楚的需求，也可能有尚未驗證的假設。真正可靠的做法，不是逼 AI 永遠講同一句話，而是讓每個結論都有一致的驗收依據。