我叫 AI 不要急著寫：Grill Me 如何把零散心得逼成真正有觀點的文章

我原本以為，已經把產品用了一段時間，只要把型號、優缺點和幾段心得交給 AI，它就能整理出完整評測。

實際結果常常相反。AI 很快就能產生一篇看起來正確的文章：開頭介紹產品，中間列功能，接著寫優點、缺點、適合誰。句子都通順，卻讀不出為什麼是我寫的。

真正的個人文章不是「我覺得不錯」或「續航有待加強」。它應該回答：我當時為什麼買？原本相信什麼？用久之後，價值有沒有轉移？哪一個缺點真的改變了行為？如果今天重選，我還會不會買？

這些答案不在產品規格裡，也不會因為模型更強就自動出現。於是我開始使用 Grill Me：先不要寫，先用一次一題的方式，把真正影響判斷的經驗問出來。

先看目的、成果與證據邊界

問「好不好用」，通常只會得到不好寫的答案

一開始最直覺的提問是：它有什麼優點？有什麼缺點？推薦嗎？

這些問題太大，也太接近文章最後才會出現的結論。當我還沒把情境想起來時，只能回答「方便」、「有點重」、「續航不好」；AI 接到這種答案，再怎麼擴寫都只會增加形容詞，不會增加證據。

Grill Me 的改變，是沿著決策順序往下問：

1. 當初想解決什麼問題？
2. 為什麼選這一款，而不是其他方法？
3. 買回去後，最常發生的實際場景是什麼？
4. 原本看重的功能，有沒有真的留下？
5. 哪個摩擦讓我改拿別的裝置，或乾脆不使用？
6. 今天重新選擇，答案會不會不同？

每次只問一題。因為同時丟出十題看起來很有效率，實際上只會讓人用最短的方式把它們全部答完。

可以查到的事，AI 不應該拿來考我

這套流程還有一條很重要的規則：事實和決定要分開。

產品何時上市、官方售價、某個功能的名稱、鏡頭視野或相容平台，如果本機資料或官方網站可以找到，AI 應該自己查證。我需要回答的是「當時為什麼這件事吸引我」、「這個限制如何影響我」，而不是替 AI 做規格表。

例如我可能忘記確切購入日期，但記得是產品上市不久就買；這時可以把上市時間當作公開時間參考，文章仍要說明實際日期是估計，不能倒過來把上市日寫成我的購買收據。

查得到的資料由 AI 負責，只有我能決定的經驗由我回答，協作才不會變成填問卷。

同一套問題，不應該長出同一種文章

Grill Me 是訪談方法，不是文章模板。

如果每篇最後都依序變成「購買原因、外觀、功能、優點、缺點、結論」，就算回答都是我的，讀起來仍然會像量產內容。真正有用的做法，是先找出每個產品最值得回答的核心問題，再決定文章的論證路線。

HiDock H1：原本的賣點沒有留下，產品就失敗了嗎？

我一開始被 AI 會議摘要吸引，長期使用後，真正留下的卻是 Hub、麥克風、喇叭與螢幕輸出的桌面整合。這篇文章不能只問 AI 摘要準不準，而要寫「價值如何從軟體承諾轉移到硬體整合」。

Quest 3S：VR 的新鮮感怎麼變成家中固定娛樂？

節奏光劍、自訂歌曲、Superhot、桌球、射箭與 360 度家庭影片，讓它不只是一個人戴著隔離外界。前重後輕、電量與頭帶，又直接影響我願不願意繼續戴。這篇的主線自然會變成內容、空間、互動與穿戴成本。

XREAL 1S：想像中的多螢幕，為什麼和 56 度視野撞在一起？

我原本想同時看多個 AI agent 的工作狀態，實際卻遇到 Windows 軟體、專用線材與視野限制。它不是單純「不好用」；在高鐵、長程通勤、沒有電視或不想讓旁人看到畫面時，它又有很清楚的價值。這篇必須把多工理想和隨身私密大螢幕拆成兩個判斷。

HyRead K08P：買電子書，真的會讓不看書的人開始閱讀嗎？

我當初期待透過圖書館免費借到想看的書，最後卻得到一句更誠實的結論：「不會，畢竟不再幻想自己會讀書了。」如果把這句話改成制式的「適合重度閱讀者」，就等於把整篇最重要的自我修正刪掉。

產品不同，真正值得寫的矛盾也不同。Grill Me 的價值就是把這個矛盾找出來。

原本已有完整文章時，AI 最容易犯的錯

BenQ ScreenBar Halo 2 是最清楚的例子。

我原本的文章已經有完整論證：眼睛不舒服時，第一個直覺是換螢幕；重新研究之後，問題從單一螢幕變成整個視覺環境；接著比較不同照明層級，最後才進入購買與長期驗證。

如果 AI 只抽取裡面的產品名稱、功能與結論，再生成一篇新文章，就算沒有寫錯，也會把原本最珍貴的思考路線洗掉。

所以後來定下來的規則是：

保留原文核心論證與個人脈絡，Grill Me 只補長期使用證據，再用市場或科學資料驗證可驗證的部分。

Halo 2 可以補上自動調光、入席感應與控制器很少被碰到的長期結果，也可以整理 Markdown 的 H1、H2、引用與外部連結；它不應該被改寫成另一篇 AI 標準評測。

一次只問一題，反而比較快

從表面看，一次一題很慢。實際協作時，它減少了大量後續返工。

當一題答案出現模糊處，可以立刻追問；如果我的回答推翻了原本假設，下一題就會改變。像 BOBOVR 一開始被誤認為 B100 電池，後來確認主角是 E3 Pro 頭帶與可拆電池系統，文章角度也從「電池值不值得買」改成「如何改善 Quest 3S 的佩戴與續航」。

如果一開始同時問完十題，AI 很可能在錯誤產品名稱上寫完整篇文章，最後才發現主角搞錯。

逐題不是儀式，而是一種依答案改變決策樹的方式。

什麼時候可以停止問，開始寫？

我現在會用五項證據判斷一篇產品心得是否足以進入完整草稿：

• 有一個清楚、個人的原始問題。
• 有購買或選擇時的判斷，而不只是事後規格整理。
• 有至少一個具體使用場景。
• 有一個長期價值或長期摩擦。
• 有今天重新選擇時的立場。

這五項不代表文章一定要照此排序。它們只是確認「我」已經存在於素材裡。

如果缺少其中一項，AI 可以繼續研究、標示待補，或停在研究草稿；不能用外部評測補成我的親身經驗。

目前九篇稿件證明了什麼？

本機目前可以核對到九篇產品別 Litas review manuscript：HiDock H1、BenQ ScreenBar Halo 2、Meta Quest 3S、BOBOVR E3 Pro、Google Pixel Watch 4、英菲克 S6、XREAL 1S、HyRead K08P 與 Insta360 X4。

篇幅約 3,112 到 7,983 字元，H2 約 7 到 16 節。這些數字不是品質保證，但至少證明結果已不再是四、五段的通用短文，而且每篇有足夠空間容納不同論證。

更重要的是，文章的核心問題已經分開：

• 有些是賣點發生價值轉移。
• 有些是配件讓主機變得可久用。
• 有些是理想工作流撞上平台限制。
• 有些是產品沒有改變原本習慣。
• 有些是記錄家人時，拍攝自由換來後製負擔。

但我要再次區分：檔案存在、內容完整、正式發布，是三個不同狀態。Grill Me 能讓稿子更像我，不代表 AI 可以替我跳過校稿與發布決定。

Grill Me 也有不能做的事

它不能替我記得已經忘記的價格；不能因為市場上普遍有人遇到某個問題，就寫成我也遇過；不能用官方規格證明主觀舒適；更不能把一句簡短回答膨脹成我沒說過的人生故事。

如果我真的忘了，最誠實的內容可能就是「已忘記確切金額」；如果只有研究沒有使用證據，就維持研究草稿。文章少一個漂亮數字，遠比多一個假的個人細節好。

它也不能取代編輯。追問得到的是原料，文章仍需要安排節奏、補來源、處理 H1／H2 階層、建立內部連結，並刪除重複或過度 AI 化的句子。

我現在如何和 AI 協作寫一篇產品文章

最後收斂下來的流程是：

保留原文與既有個人紀錄
→ 找出產品真正要回答的核心問題
→ Grill Me 一次問一個需要本人決定的問題
→ AI 自行查證規格、名詞與外部資料
→ 分開整理本人證據與外部證據
→ 依產品矛盾建立專屬 H2 路線
→ 寫完整 Markdown 草稿
→ Litas 校正事實、觀點與語氣
→ 才決定是否接入網站與發布

這套方法沒有讓寫作完全不需要我。恰好相反，它把我最不能被取代的部分留下來：為什麼買、什麼真的改變生活，以及最後願意對讀者負責的判斷。

AI 負責把問題問得更準、把資料查完整、把零散回答整理成結構；我負責文章為什麼值得存在。

真正的成果不是更多文字，而是比較少的假心得

我最初期待 Grill Me 能自動生成像完整部落格一樣的文章。現在我對「自動」的理解更清楚了。

它不是按一下就產生我的觀點，而是把協作設計成：AI 不急著代替我說話，先協助我把真正的觀點找出來。當證據不足時停下來，當原文已經完整時尊重它，當產品的價值和購買時不同時，也允許文章承認這個變化。

如果最後因此少寫幾篇，卻能避免一堆看似完整、其實任何人都可以署名的文章，我認為這才是 Grill Me 最值得留下的成果。

方法說明

本文記錄的是 Litas 在 ContentBrand 內容流程中使用的 Grill Me 方法。它不是市場調查的替代品，也不是自動證明個人記憶正確的工具；所有公開文章仍應保留來源、利益揭露與本人最終確認。