我爸找不到 Tabasco 跟你用 AI 寫 code 是同一個問題

TL;DR: 不管靠的是經驗還是 AI，只要跳過「先看清楚問題本身」這一步，就可能在錯的範圍裡找。重點不是哪個方式比較聰明，重點是事情要完成。

一排一排掃的笨方法

上週末去賣場買 Tabasco。我爸之前來了好幾次都找不到，跟我說大概賣完了。

我到了之後用最笨的方法——一排一排掃。不跳過、不猜、不靠經驗判斷「應該在哪個區域」。掃到大概七成的時候，我也開始想是不是真的賣完了。但既然決定用 sequential search，那就要全部掃完才能下結論。

五分鐘後找到了。我爸很驚訝：「怎麼會放在那個地方。」

對，就是放在他「經驗判斷」以外的地方。他不是不認真找，而是他太相信自己知道東西會在哪，所以搜索範圍一開始就被縮小了。沒找到的時候，他的結論是「賣完了」，而不是「我可能沒找對地方」。

他的問題不是方法不夠聰明，是他沒有先看清楚問題本身——這個賣場的東西可能不是照他以為的方式擺的。

用 AI 也掉進同樣的 pattern

我覺得現在很多人用 AI 也掉進同樣的 pattern。而且問題出在同一個地方：沒有先看清楚問題本身，就直接跳到解法。

我們太在乎解法聰明不聰明、看起來有沒有效率，反而忽略了重點是把問題解決。手段變成了目的。

幾個我在工作中實際看到的：

明明直接花五分鐘複製貼上就能搞定的事，偏偏要用 AI agent 跑瀏覽器自動化，花了二十分鐘加一堆 token 才搞定。我之前寫過一個更極端的例子——同事用 AI Agent 做爬蟲花了一週，我用 Playwright 寫 Crawler 半小時搞定。明明看文件五分鐘就能知道的答案，花了一個小時跟 LLM 奮鬥，最後發現是幻覺。明明就是改已知檔案的兩行 code，還是叫 coding agent thinking 一分鐘再問你要不要改。

最後一個例子就發生在我們 team。有個工程師被一個 library 的用法卡住，跟 LLM 來回了一個多小時，怎麼試都不對。我後來用 Google 找到官方文件，五分鐘搞定。

這些不是 AI 的問題，是我們自己跳過了一個步驟——先搞清楚「我到底在解什麼問題，這個問題需要什麼等級的工具」。

有經驗的人更容易犯這個錯

有趣的是，這反而是有經驗的人更容易犯的錯。

初學者什麼都不知道，所以會乖乖地用笨方法——讀文件、一步一步試、Google 錯誤訊息。不一定快，但至少一定會走到答案。

資深的人不一樣。我們有經驗、有直覺、有一堆工具可以用，所以習慣跳過那些「慢」的步驟。我爸逛那個賣場不知道幾百次了，他當然覺得自己知道東西放哪。工程師用 LLM 用得很熟，當然 default 就丟給它。

問題是，不管你靠的是經驗還是 AI，只要你跳過了「先看清楚問題本身」這一步，你就有可能在錯的範圍裡找。找不到的時候，你的結論會是「東西不存在」或「這個問題很難」，而不是「我可能找錯地方了」。

刻意探索 vs. 懶得想

那是不是永遠都該用笨方法？當然不是。

我自己也花很多時間在探索 AI 的能力邊界。Claude Code 剛出的時候，我刻意不開 Cursor，全部用 Claude Code 做事——剛開始很不 comfortable，但這是有意識的選擇。我也會跟 team 說，某些 task 我希望大家刻意用 AI 來做，去摸清楚 coding agent 到底能做到什麼程度。

但這跟「懶得想就丟給 AI」是完全不同的事。

一個是刻意的探索——你知道你在花時間 invest，目的是搞清楚工具的邊界。另一個是 default 行為——你省掉了思考，直接用看起來最聰明的方式，結果反而更慢。

區分的方法其實很簡單：你有沒有先想過這件事的 stakes 是什麼？

回到賣場的例子。果泥是寶寶一定要吃的東西，stakes 高，所以我選擇最 thorough 的方式，確保一定能得到結論。如果今天是找個不健康的零食，可有可無，我可能也會用「聰明」的方式——靠直覺逛一圈，沒有就算了。

工作上也一樣。每個 task 先估一下大概要多久。如果你用 AI 搞了一段時間發現還是搞不定，就認命，用笨方法做。重點不是哪個方式比較聰明，重點是事情要完成。

重點是事情要完成

如果你要找資料，重點是找到資料，不是「用 AI agent 去找」。如果你要查一個 library 的用法，所有手段都可以——讀文件、問人、Google、用 LLM——重點是搞懂用法。

不要執著在聰明的方式，然後鄙視笨方法，搞到花更多時間，甚至最後因為 AI 搞不定而變成你事情沒做完的藉口。

AI 很棒，但開始之前，先用你的經驗估一下有哪些方法可以做。不要把 AI 當作唯一的選項。