最近為了一天一AI PRO 上線，有好多事情要做，我常常 AI token 不夠，有夠想加價升級。
跟工程師聊起來，他卻說「怎麼可能？」他用 AI 處理幾萬篇文章分類與重組，也沒遇到這個問題。結果發現：同樣都用 ChatGPT，模型我都選 Sol，他都是用最省的 Luna。
他的想法是，模型沒那麼聰明也沒關係，只要工作講得夠清楚，慢慢跟它說，它還是可以做好，總比額度用完、工作做到一半被迫下課好吧！
把高手工作法，做成你的 AI 工作分身
年度會員｜NT$3,999／年好像有道理？
結果我回家一試，發現額度省了，我卻更累了！！它開始犯錯，連原本用得好好的 Skill，也冒出不少需要補充的地方，補一補之後，才能穩定上工。
我從這次經驗，總結了選模型的關鍵，整理成圖卡給你。
如果你也常常用到額度不夠，可以拿一件熟悉的工作來試試看。
覺得實用？歡迎點此連結跟我分享心得。想知道一天一AI PRO 設計的 AI 工作流？點此查看吧。
AI模型怎麼選？工作量大，不代表一定要用最強模型
從幾萬篇文章擷取日期和作者，可以重複同一套規則，但寫一頁產品介紹，卻可能要判斷賣給誰、主打項目、哪些承諾不能說。因此選模型前，不能只看輸出和輸入量，要先問這件工作裡，還有多少地方需要模型自己判斷？有固定步驟、有範例、格式明確、結果容易核對的工作，才比較適合先試輕量模型。
換成輕量模型一直出錯？問題可能藏在你的Skill裡
比如從大量新聞「挑出重要資訊」，看起來是一條規則，但重要的標準是跟主題最相關？最影響決策？如果這些都沒寫，能力強的模型可能自己補上判斷。一換成輕量模型，問題才突然出現。所以換模型也可以是一種 Skill 壓力測試：哪些真的是規則，哪些只是模型以前剛好猜對？
哪些工作適合輕量模型？先看任務是否「規則明確」
OpenAI 七月舉的例子是：Sol 釐清問題、制定計畫，Luna 執行明確的工作。我現在會先找這幾種工作：步驟固定、有範例可以對照、輸出格式明確。例如整理欄位、分類、轉格式、依規則擷取資訊，都可以先測試。但如果還要釐清方向、處理矛盾、做取捨，或連你自己都還不知道「怎樣才算好」，就先別急著降模型。
輕量模型真的比較省？別忘了把修正時間算進成本
換模型跑同一件工作時，我會多觀察兩件事：修正幾次？花多少時間？如果只是漏寫規則，補完之後就明顯改善，就表示可以維護。但如果要求已經寫清楚，模型還是反覆做錯同一件事，就要考慮拆小任務，或換能力更強的模型。
AI工作該用強模型還是輕量模型？關鍵是「錯了能不能發現」
輕量模型偶爾做對一次，不代表這項工作就適合交給它。更應該看的是，當它做錯時，我能不能很快發現？格式、欄位、分類這類工作，通常比較容易驗收，但策略好不好、語氣自不自然，就比較難靠一眼確認。越容易驗證的工作，越適合先試輕量模型，如果結果很難驗收，都會變成你檢查時的負擔。
