AI 再快，專案也要先被烤一輪：從 Grill Me 到 Grill Us

AI 可以加速執行，但不能替我們逃避思考。

「我想把 AI 加進公司的行銷流程。」

這句話現在很常聽到。

老闆可能接著說：「幫我規劃一套內容流程，最好每週可以產出很多文章和社群貼文。」

如果 AI 馬上開始列工具、排流程、寫提示詞，事情看起來就往前走了。

但也可能只是更快地走向一個還沒想清楚的方向。

比較好的回應，可能是先問一句：「你希望這套流程，解決哪一個實際問題？」

如果答案是：「因為大家都在用 AI 啊。」那下一個問題就會是：「如果競爭對手都沒有使用 AI，你還會做嗎？」

這段對話聽起來有點故意刁鑽，卻正是許多專案開始前最需要的停頓。

一個不急著替你做事的 Skill

筆者最近接觸到 GitHub 上 Matt Pocock skills repository 裡的 grill-me。目前的 repository 結構，是由 grill-me 作為入口，再交給 grilling 執行實際的追問流程。

grill-me 官方目錄與 grilling 官方目錄都可以直接點擊查看。

它的做法很簡單，卻也很不容易敷衍。你提出一個想法，它不急著替你執行，而是先從幾個泛問開始，可能從 5W1H 展開：要做什麼、為什麼做、替誰做、何時完成、在哪裡發生，以及怎麼判斷有效。接著，它會根據你的回答，逐步釐清目標、假設、限制、風險與尚未決定的事項。

Matt Pocock 本身是 TypeScript 教育者，曾任 Vercel 的 developer advocate，也曾參與 XState 核心團隊。Total TypeScript 官方介紹也提到，他長期投入 TypeScript 開發、開源工具與教育工作。這個背景有一點意思。一位長期處理程式語言、開源工具與開發者教育的人，最後也把「開始工作之前，先把問題問清楚」放進自己的工作方法裡。

也許他很清楚，很多問題到了執行階段才爆開，其實早就埋在一開始沒有問清楚的地方。

Grill 一開始並沒有想像中辛苦

一開始使用 Grill Me，其實沒有想像中那麼難，也不會馬上讓人覺得很煩。

前幾題通常只是幾個簡單的確認：要整理哪些檔案？原檔要不要保留？要依照專案、檔案類型，還是處理狀態分類？

每一題大多會附上一個建議方案，使用者只要回答「是」、「否」，或從幾個選項中挑一個即可。

這是它很實用的地方。它沒有一開始就要求你寫出一份完整規格，而是先把問題切成幾個容易回答的小決定，讓原本模糊的想法慢慢具體起來。

但如果你的答案不在它預設的選項裡，事情就會開始變得有趣。

它不會硬把你的回答塞回原本的分類，而是繼續追問：為什麼不採用原本的建議？這個例外會影響哪些後續規則？是不是還有另一個尚未說清楚的條件？

大約進入第三層之後，問題就不再只是簡單的選擇題，而會深入到權限、證據、判斷強度與例外處理。

這時候，回答就不能只憑直覺，必須認真的想一下。也就是從這個階段開始，Grill 不只是幫你規劃工作，而是在利用一問一答擴充你自己的思考深度。

第一性原理、底層邏輯與 Grill

這讓筆者想起好幾個曾經紅極一時、方興未艾的思考方法論

• 第一性原理，是把問題拆回最基本、不能再省略的事實，再重新組合出答案。
• 底層邏輯，則比較像是去理解一件事背後的因果、利益、限制與人性。
• Grill 的作用，是把這個拆解與理解的過程變成一場持續的對話。

第一性原理負責拆解，底層邏輯負責理解，Grill 負責追問。

對正在嘗試導入 AI 的中小企業老闆來說，這些並不是抽象的思考練習。

它們可能直接影響一筆廣告預算、一個網站改版計畫，或是一個團隊接下來幾個月的工作方向。

如果一開始只是因為「大家都在用 AI」，後面很可能會變成訂閱工具、安排流程、產出內容，最後卻可能見樹不見林，不知道到底改善了什麼。

從整理桌面開始，問題突然變深了

筆者拿 Grill Me 這個 Skill 來整理自己的電腦桌面。

（拜託，誰的電腦桌面不是很亂？檔案先丟上去再說，資料夾懶得建，檔名也常常只寫到自己看得懂，或甚至是預設亂碼。）專案忙完等到幾個月後回頭整理，才發現桌面上堆的不是檔案，而是過去每一次「晚點再處理」的累積。

一開始，我以為這只是一個分類問題。

只要讓 AI 看檔名、日期和副檔名，再依照專案名稱把檔案搬到不同資料夾，事情應該就結束了。

可是被追問到後面，才發現檔案整理其實牽涉到更多決定：哪些內容算同一個專案？私人和工作的界線在哪裡？無法判斷的檔案要放哪裡？AI 需要被授權到什麼程度？最後又要怎麼驗收？

原本只是「幫我整理桌面」，後來逐步變成一套關於分類、判斷、權限與風險的工作規則。

那次整理最後只建立了 11 個分類或專案資料夾，搬移了 56 個項目，但仍有 34 個低信心、系統性或無法判斷的項目留在原位。

這個結果看起來沒有把桌面整理到百分之百乾淨，原本要將整理桌面的經驗複製到整個C槽的企圖嘎然而止，但是總比把所有檔案硬塞進資料夾來得更有收穫。

這個階段的收穫我寫在這裡：

好的 AI 協作，不是讓所有事情看起來都已經被處理，而是知道哪些事情還不應該自動決定。
我還要請你們再有耐心一點，繼續讀下去

AI 也可能推理得太快

過程中還出現一個很重要的提醒。

AI 曾經因為兩個檔案名稱裡出現相同的人名，就推測它們屬於同一個專案。但我知道，那兩個檔案其實沒有直接關係，時間線也對不上。

這讓我意識到，AI 的問題不一定是完全不會推理，有時候反而是推理得太快。

只看到一個共同關鍵字，就把兩件事連在一起；只看到檔名相似，就假設它們屬於同一個任務。這種判斷在人看來是在粗略分類，卻可能足以讓檔案被放錯位置。

後來我們把規則提高：不能只依賴單一線索，至少需要檔名、時間、內容或原始位置其中兩種證據；如果線索互相衝突，就放進「待確認」，而不是勉強歸類。

這裡也出現另一個容易被忽略的問題：AI 的執行授權，和 AI 的判斷授權，應該分開來看。

你可以授權它搬移檔案，卻不代表你已經授權它根據一個關鍵字，替你決定兩個專案的關係。

Grill 往前推，會產生更好的 QBQ

嚴格的追問還有一個延伸：它會讓我們碰到「問題背後的問題」。

QBQ 是 John G. Miller 提出的概念，全名是 The Question Behind the Question。它提醒人們，把「誰應該負責？」「為什麼別人不處理？」這類問題，轉成「我現在能做什麼？」的行動問題。QBQ 官方說明

放進行銷工作裡，可能會變成這樣：

• 「為什麼客戶不買？」轉成「我們還缺少哪一個能降低客戶疑慮的證據？」
• 「為什麼我們的內容沒有流量？」轉成「客戶真正想找的答案，我們是否理解？」
• 「為什麼競爭對手都在使用 AI？」轉成「我們自己的行銷流程，哪一個環節最值得優先改善？」

QBQ 的價值，不只是把句子改得比較積極，而是把注意力從抱怨外部環境，拉回自己能夠影響的行動。

這對中小企業尤其重要。因為資源有限時，最怕的不是少做一件事，而是一直做著自己無法證明有用的事。

Grill 往後推，會產生洞察

問題問得夠深之後，答案之間有時會開始出現新的關係。

例如，一位在地服務業老闆希望每週用 AI 產出十篇社群貼文。

表面上看起來，他需要的是更有效率的內容工具。

但如果繼續追問：這些貼文要帶來什麼結果？客戶為什麼現在還沒有詢問？他們最擔心的是價格、品質，還是找錯人？公司目前有沒有足夠的案例、評價與服務證據？

最後可能會發現，真正的問題不是「每週少了十篇貼文」，而是客戶還沒有足夠的理由相信這家公司。

AI 不一定要先變成內容工廠，也可以先幫企業整理信任證據。

接下來的行動，可能不是大量生產貼文，而是整理客戶常見問題、補強案例內容、改善評論蒐集方式，再讓 AI 協助把這些素材轉成不同溝通形式。

洞察不是一句聽起來很深的結論，而是能夠改變下一個決策。

你不能期待 AI 讀懂沒有留下的脈絡

這次整理最後帶出的洞察，甚至不在桌面本身。

真正的問題是：檔案在被儲存的那一刻，就沒有留下足夠的脈絡。

它是哪一個專案？為什麼建立？從哪裡來？接下來要拿這個檔案做什麼？如果這些資訊都沒有留下，幾個月後再請 AI 幫忙分類，就只能從殘破的檔名、日期與內容裡反推。

這就是大家熟悉的 Garbage in, Garbage out：進去的資訊不完整，最後得到的整理結果也不可能憑空變得完整。

這裡還隱含了一個很人性的問題。

如果每次儲存檔案，都要求使用者填寫完整描述、專案名稱、來源、狀態與用途，流程很快就會變得太麻煩。人之所以把檔案亂丟在桌面，很多時候不是不知道應該整理，而是當下真的懶得整理。

所以真正可行的解法，可能不是要求人變得更勤勞，而是降低留下脈絡的成本。

例如，使用者只要回答一個最小問題：「這是哪一個專案？」至於日期、來源程式、檔案類型與內容摘要，交給系統自動補上。

桌面也不一定要被要求永遠乾乾淨淨，它可以被設計成一個收件匣：允許人暫時把東西放進來，但系統要定期提醒哪些檔案已經太久沒有歸檔，趁記憶猶新時盡快歸檔。

AI 導入行銷，也有同樣的問題

這件事其實很像行銷工作。

我們常常把一份簡報命名成「提案最新版」，把素材存成「final_final_真的最後版」，把客戶需求留在聊天視窗裡，等到幾個月後才請 AI 幫忙整理。

但如果檔案一開始就沒有留下目標、受眾、專案階段與使用目的，AI 後來再聰明，也只能根據有限線索猜測。

因此，AI 導入行銷流程的第一步，未必是尋找更強大的工具，而是替每一次工作留下最小但重要的脈絡。

這個內容是給誰的？它要解決什麼問題？目前處於構想、製作、審核，還是已經發布？只要先留下幾個關鍵答案，未來的 AI 才有機會真正接手，而不是重新猜一次。

AI 能不能理解我們，很多時候取決於我們有沒有在一開始，留下值得理解的資訊。

從 Grill Me 到 Grill Us

成熟的 AI 協作，不是人命令 AI，也不是 AI 取代人。

比較理想的狀態，是人提供經驗、判斷與對客戶的理解；AI 協助追問、拆解、整理與找出盲點。

最後形成一條比較可靠的路徑：

模糊想法 → Grill 追問 → 產生 QBQ → 找到洞察 → 轉成行動

這也是 Grill Me 最值得延伸的地方。

我們不只是請 AI 來問自己問題，也可以把它變成一種人與 AI 共同工作的方式。

不急著問「AI 能幫我做什麼」，而是先問：

• 我真正想改變的是什麼？
• 誰會因為這件事而受益？
• 客戶為什麼現在還沒有行動？
• 我們需要什麼證據，才能知道方向有效？
• 如果只能先做一件事，哪一件最值得做？

所以，最後也許不只是 Grill Me。

而是 Grill Us。

在開始執行之前，讓人與 AI 一起接受問題的檢驗（對，別懷疑 AI 遺忘上下文還有便宜行事的能力）。

對正在嘗試把 AI 加入行銷流程的企業來說，熱點行銷能協助的，也不只是把內容行銷、SEO 搜尋引擎最佳化或其它可自動化工作流程做出來，而是在投入資源以前，先陪你把問題問到足夠簡單、清楚；同時幫你定義而不是給你定義。

因為 AI 時代真正稀缺的，不是更快產出答案，而是有人願意在一開始，把問題問到接近真實。

不是先選哪一個工具，而是先確認：

我們到底想解決哪一個問題？看往哪一個方向？

J.J. Liu

熱點行銷的專案掃地僧，沒有高強功力卻真心喜歡從小處著手，著迷於能化繁為簡的行銷底層邏輯。
聽說屬於最少見的倡議者；看別人成功比自己成功興奮，如果有一天可以選擇，希望行銷的是樂觀與和平主義。