AI 應用的關鍵原則：別讓 AI 做太多事

這篇文章是我在開發過程中的實際經驗，透過 AI 協助整理成文字記錄下來。
希望這個踩坑經驗能幫助到其他人。

問題：一個 Prompt 想解決所有事

開發記帳 bot 時，我想讓 AI 一次搞定費用分類：

1. 讀取 76 筆消費記錄
2. 分類到 8 個類別（家裡煮、生活用品、鮮奶…）
3. 計算每個類別總金額
4. 由大到小排序
5. 格式化輸出

聽起來很合理？結果慘不忍睹。

無論怎麼優化 prompt（加粗體、加警告、加範例），AI 照樣出錯：

• ❌ 項目重複分類（鮮奶同時出現在兩個類別）
• ❌ 計算錯誤（350+280 顯示成 350）
• ❌ 排序亂掉（6333 > 5141 卻排反）
• ❌ 總和對不上

突破：兩步驟比一步驟準

核心洞察：AI 擅長語義理解，不擅長精確計算。

舊方法（AI 做所有事）

給 AI 一個超長 Prompt
      ↓
┌──────────────┐
│  AI 一把抓    │
│  • 分類       │
│  • 計算       │
│  • 排序       │
│  • 格式化     │
└──────────────┘
      ↓
  完整報表
❌ 錯誤率高

新方法（職責分離）

Step 1: AI 只做分類
      ↓
┌──────────────┐
│   AI 分類     │ ← AI 擅長的
└──────────────┘
      ↓
分類 JSON
{"id": 1, "category": "水果"}
{"id": 2, "category": "家裡煮"}
      ↓
Step 2: 程式處理
      ↓
┌──────────────┐
│ 程式計算排序   │ ← 程式擅長的
│ • 按類別分組   │
│ • 計算總額     │
│ • 排序        │
│ • 格式化      │
└──────────────┘
      ↓
  完整報表
✅ 100% 準確

實測結果

同樣 76 筆消費記錄的表現：

項目	舊方法（AI 全做）	新方法（分工）
項目完整性	❌ 有時重複或遺漏	✅ 100% 完整
總額計算	❌ 經常出錯	✅ 絕對正確
排序	❌ 偶爾錯誤	✅ 完美
可驗證性	❌ 難以檢查	✅ 每步可驗證

實用原則

把任務拆成「AI 做什麼」和「程式做什麼」：

任務類型	交給誰	為什麼
分類、語義理解	AI	理解上下文和模糊語意
計算、排序、格式化	程式	確定性、零錯誤
決策邏輯	程式	可控、可測試

延伸思考

這原則適用所有 AI 整合：

• 客服機器人：AI 理解問題意圖 → 程式決定回覆流程
• 資料分析：AI 找出趨勢洞察 → 程式產生精確圖表
• 程式碼生成：AI 寫主要邏輯 → Linter/測試確保品質

記住：AI 是工具，不是魔法。讓它做擅長的事，剩下的交給程式碼。

---

💡 這個方法讓錯誤率從「經常出錯」降到「零錯誤」。

完整實作：GitHub Repository