Claude

TL;DR: I keep ChatGPT, Claude, and Gemini all open, and the habits that actually help are pretty boring: send quick lookups to ChatGPT or Gemini and longer/careful work (writing, code, anything that needs nuance) to Claude; spend ten seconds giving context before you ask; treat it as a back-and-forth instead of expecting one perfect answer; double-check anything load-bearing, because a confident tone isn’t proof; and don’t cram five requests into one prompt. None of this is deep; it’s just what stuck after using them a while, and it’ll probably shift as the models change. ...

TL;DR：我同時開著 ChatGPT、Gemini、Claude，大概摸出幾個習慣：快查的丟 ChatGPT 或 Gemini、要認真寫的丟 Claude；問之前先把脈絡跟「我想要什麼」講清楚；別期待一次到位，通常要追問幾輪；它語氣再篤定，重要的我還是會自己再查一下；一個問題別塞太多事進去。沒什麼高深的，就是用久了的手感而已，而且模型一直在變，搞不好過幾個月又不一樣了。 前陣子有朋友看我桌面，問說你怎麼同時開三個 AI 在那邊切來切去，不會亂嗎。我想了一下，其實也沒什麼大道理，就是用久了慢慢養出一些順手的習慣。不是什麼技巧，比較像是踩過幾次雷之後，自然就變成這樣用了。 這篇就隨便聊聊這幾個習慣好了。先講在前面：這些都是以現在的模型來說的手感，我也不確定對不對，你看看就好。 不同的事，丟不同家 最常被問的就是這個：為什麼要開三個。 老實說一開始也不是刻意的，就是用著用著，發現它們各自有比較順手的場合。我自己現在大概是這樣分：想快速查個東西、或是隨手問一下，我會丟 ChatGPT 或 Gemini，反正快，答案普通堪用就好。但如果是要認真寫一篇長的、或是要它幫我看一段程式碼、需要它想得細一點的，我就會搬去 Claude。 這個分法很主觀，也沒什麼根據，純粹是我自己的習慣。可能你用起來感覺完全相反，那也很正常。重點大概不是「哪一家最強」這種問題——我覺得這題其實沒什麼意義——而是你手邊有幾個工具，然後大概知道哪件事丟哪個比較不會卡。卡住了就換一家再問一次，有時候換個模型講法就通了，也滿常見的。 （如果你是會想追根究柢的那種人：它們之間真正的差異，其實藏在更底層——怎麼切 token、context window 多大那些地方，我之前在 Token 是什麼？LLM 為何只讀 Token？ 有稍微聊到。不過先說，日常隨手用根本不太需要想到這層，覺得太細直接跳過這段完全沒差。） 問之前，先把話講清楚 這個大概是差最多的一個習慣。 剛開始用的時候，我跟很多人一樣，把它當 Google 在用，打三個關鍵字就按 enter，然後嫌它回得很空。後來才慢慢發現，不是它笨，是我給的東西太少了。它又看不到我腦袋裡在想什麼，我只丟「幫我寫個介紹」，它當然只能回一坨四平八穩的廢話。 現在我會多花個十幾秒，先把脈絡交代一下：這東西是要給誰看的、我想要什麼語氣、大概多長、有沒有什麼一定要避開的。講清楚之後出來的東西，差距真的滿明顯的。這不是什麼花招，就是……你總得讓對方知道你要幹嘛，它才接得住。 同一個要求，看你給的脈絡多寡，出來的東西差很多。 別期待一次到位 我以前會有一種期待，覺得好的 prompt（就是我打給它的那串指令、那段問題）就應該一發入魂，一次就給我完美答案。後來大概放棄這個念頭了。 現在我比較把它當成一個會來回聊的對象，而不是一台投幣就吐成品的機器。第一次它給的通常是個七十分的草稿，然後我再追問，這段太長了砍一半、這裡舉個例子、語氣再白一點。通常聊個兩三輪才會到我要的樣子。 這樣講好像有點麻煩，但其實還好，反而比一開始就硬要把一個超完整的 prompt 寫好寫滿來得輕鬆。想到什麼補什麼就好。 它很有自信，不代表它是對的 這點我踩過虧，所以印象比較深。 它最會唬人的地方，是它講錯的時候那個口氣，跟它講對的時候一模一樣，完全看不出來。所以只要是有點重要的東西——數字、人名、某個說法到底是不是真的——我現在大概都會自己再查一下，不會它說了我就照單全收。 至於它為什麼可以那麼有自信地講錯，其實背後是有原因的，我後來把它單獨寫成了一篇：為什麼 AI 唬爛的時候，口氣跟講真話一模一樣？。先說結論的話：它語氣的篤定，跟它知不知道答案，根本是兩回事。 一個問題，別塞太多事進去 這個是比較後來才注意到的。 如果我一次丟給它一大包，又要它分析、又要它列表格、又要它順便寫個結論、最好再附幾個延伸閱讀，它常常會顧此失彼，某幾項做得很隨便，或乾脆漏掉。拆開來一件一件問，每件反而都做得比較好。 有時候我懶得拆，會反過來叫它先問我。就跟它說「你開始之前，先問我幾個你需要知道的問題」，讓它把缺的資訊反問回來，再一起補。 這招我自己其實最常用，因為它常常會問到一些我根本沒想到要講的東西。比如我叫它幫我寫個東西，它可能反問「這是要給誰看的？要多正式？有字數限制嗎？」——欸對，這些我本來就該交代，可是當下真的不會全部想到。等於它幫我把「該講清楚的清單」列出來，我照著補就好，比我自己憑空想得周全省力很多。比起一開始硬寫一個面面俱到的 prompt，我覺得這招輕鬆又划算。 那些花俏的「咒語」，我大多沒在用 講了這麼多習慣，反過來講一個我「沒在做」的事好了。 網路上很多那種「最強 prompt 模板」、「複製貼上就變神」的東西，我大部分都沒在用。不是說它們沒用，是我覺得對日常隨手問問來說，有點殺雞用牛刀。與其去背一串咒語，我寧可把那個力氣花在「把話講清楚」上面，感覺實在多了。這個觀察我之前在 只會 Prompt 已經不夠了 那篇也提過，一直在糾結微調咒語的那幾個形容詞，其實有點抓錯重點。 當然，如果是會重複用、要穩定產出的場景，把指令固定下來是有意義的。但那已經比較像在做工具，不太算是這篇講的「日常隨便聊」了。 大概就這樣 回頭看，這些其實都沒什麼了不起，就是用久了長出來的手感，講穿了也很樸素：知道哪件事丟哪個、把話講清楚、別急著要完美、重要的自己查、別一次塞太多。 而且我得老實說，這些隨時都可能過期。模型改個版，今天成立的習慣搞不好下個月就不需要了。說不定哪天它聰明到我隨便丟三個字它也接得住，那這篇大概就可以作廢了。在那之前，這就是我現在的用法，給你參考一下。你要是有什麼自己的小習慣，也歡迎跟我說。