內容目錄
顯示
AI 反思（Reflection）是先看已有的答案，對照明確要求找出問題，再做修正。例如一則通知少了地點，就先指出缺少哪項資訊，補回來後再檢查一次。
這裡的「反思」描述一種工作方法，不表示 AI 有感受或自我意識。新手可以從一段自己寫的短文開始練習。
先有標準，才知道要改什麼
AI 模型是理解輸入、產生文字等結果的核心。讓同一個模型再看一次初稿，可能找出遺漏，但也可能重複原來的錯誤。你要先提供可核對的標準。
例如通知必須有「日期、地點、要帶的物品」，而且不能補原文沒有的資訊。這比「寫得更好一點」清楚，因為每一項都能查有沒有做到。
完整例子：檢查一則活動通知
以下是自寫的虛構教學資料，不是某工具的實測。原始資訊是：「週六上午九點，在社區活動室辦讀書會，請帶一本想分享的書，不需報名。」
假設初稿寫成：「週六上午九點有讀書會，請先報名參加。」這段讀起來通順，卻漏了地點與帶書要求，還把不需報名改錯了。
請對照原始資訊，檢查初稿是否保留日期、地點與要帶的物品，有沒有新增或改錯規定。先列出具體問題，再提供修正版；只使用原始資訊。
把回饋變成修正版
可核對的問題清單有三項：漏寫「社區活動室」；漏寫「帶一本想分享的書」；「請先報名」與原文矛盾，應改成「不需報名」。
修正版可以是：「週六上午九點，社區活動室舉辦讀書會。請帶一本想分享的書，不需報名。」再對照原文，確認時間、地點、物品與報名方式都一致。
這才完成一次檢查與修正。若 AI 只換成熱情語氣，卻仍沒補地點，這次修改就沒有解決問題。
反思和直接再問一次差在哪？
直接按重新生成，可能只是得到另一種寫法。反思則把初稿、標準和問題帶進下一次修改，讓修改有方向。
Self-Refine 是研究中的一個例子：同一模型先產生內容、提供回饋，再依回饋修訂。研究結果來自特定任務與模型，不能當成今天每次改稿都會進步的保證。
哪些地方仍要自己查？
先確定原始資訊本身可靠。如果原文日期就錯了，AI 可能只是忠實保留錯日期。新聞、價格或活動規定要回發布單位查；費用加總可用計算機核對。
研究也發現，缺乏外部回饋時，模型在部分推理題上難以自行修正，有時還會把正確答案改差。這說明「它說檢查過了」不能取代證據，也不表示所有模型在任何任務都完全不能修正。
什麼時候可以停止修改？
本篇通知已保留必要資訊、沒有新增規定，句子也清楚，就可以停止。若再次修改只是同義詞互換，沒有新增改善，不必為了反思而無限重寫。
可以保留初稿與修正版，方便比較。若始終查不出某項資訊，請 AI 標成待確認，再由你補資料。
總結
先把「怎樣算完成」說清楚，再請 AI 指出初稿的具體問題，依回饋修改。最後回原始資料核對；內容已符合要求時，就不必一直改下去。
參考資料
重點整理
叫 AI 檢查一次，就不會有錯嗎？
不保證。模型可能沿用錯誤前提或漏看同一件事，仍要對照可靠原文、規則或計算結果。
一定要用另一個 AI 審稿嗎？
不一定。先給明確標準和原始資料，通常更容易知道要查什麼。換一個模型也可能遇到相同盲點。
要讓 AI 反思幾次？
沒有固定次數。達到要求、沒有新的有效修改，或需要你補資料時，就可以停下來。
