別只是把問題丟給 AI：從一場股票看板直播，看懂自建系統的思維
昨晚的直播一開場，Giga 老師講了一個故事。二十年前他在唸資工博士班，做計算財務學，天天用 NVIDIA 的顯示卡跑平行運算。他比世界上幾乎所有人都更早、每天用手摸到這個東西，卻連一股的股票都沒買。不買的理由很簡單，他輕鬆帶過：那時候他只是一個很享受做研究的學者，沒有足夠的投資認知。
我聽到這裡，在心裡按了暫停鍵。這場直播乍聽之下好像在談股票投資，談怎麼用 Claude Code 或 Codex 開發一個股票投資看板（另開新分頁），順便替週末的實作課招生。老實說，我對股票投資理解有限，這類題目平常引不起我興趣。真正讓我聽完全程的，是投資這層外皮底下的三個判斷。每一個，都跟我在做的內容、在教的 AI 協作，是同一件事。
接觸得早，不等於吃得到
那個四百倍的故事，戳到的不是運氣，是認知。他技術上比誰都早，卻沒把技術洞察換成行動，中間卡著一層看不見的東西：你有沒有能力判斷眼前這件事值多少？
老實說，這樣的事情我太熟了。我看過太多人很早就開始用 ChatGPT，用了兩年，還停在打開對話框、提問、得到回答。工具他天天在用，卻一點都沒吃到紅利。因為，接觸一個趨勢跟能從趨勢裡拿到東西，是兩種完全不同的能力。前者靠時機，後者靠認知。而認知不會自己長出來，得刻意去養。我甚至為此寫過一篇認知差才是真正的財富密碼，講的就是同一件事。
自己做一個工具，值錢的從來不是那個工具
整場我印象最深刻的，是 Giga 老師的這句話：「做股票投資看板的目的，不光是幫大家收斂資訊，其實是幫大家收斂思考、整理思考的一個工具。」
這句話幾乎可以跟我一直在講的一句話疊在一起：系統的價值，不是讓你做得更多，而是讓你把時間花在不可替代的事情上。一個把基本面、技術面、籌碼面與訊息面全塞在同一頁的看板，表面上是幫你省掉東翻西找的力氣，真正的作用，是逼你回答一個你平常會逃避的問題：我到底在乎哪些指標？我的中心思想是什麼？
客製化之所以有價值，就在這裡。你沒辦法客製一個你自己都說不清楚要什麼的東西。所以，做工具的過程，本身就是一次強迫內省。這也是為什麼我一直堅持，做內容的人該有自己的一條流水線，而不是每次都重開一個對話從零問起。我後來把這套想法整理成一篇談內容產製系統的完整拆解。工具很有可能會過時，但那套被你整理清楚的思考不會。
你餵 AI 什麼，決定它回你什麼
Giga 老師把用 AI 分成兩個層次，這是我昨晚聽到覺得最有共鳴的一段。層次一，是直接問 AI「臺積電能不能買」，它可能憑感覺，或在網路上撈了你根本不知道品質的資料，就給你一個結論。層次二，是你自己先把精準、有脈絡、正確的資料整理好，連同問題一起餵給它。這個從問 AI 到讓 AI 幫你做的轉變，我在職場人士如何善用 AI Agent裡談過，是我認為這幾年最關鍵的一道分水嶺。
他下了一個很乾脆的判斷：「AI 不能幫你決定，AI 只是給你建議，你是要自己決定的。那你要給你建議的人，要有充分且正確的資訊。」還有一句：「你給它的東西愈精準，它會愈能夠給你好的答案。」
這兩句話，和我自己與 AI 協作的信念相近。換句話說，把執行層交給 AI，判斷層留給自己。判斷這件事為什麼不能外包，我讀萬維鋼《人比 AI 凶》時想得更清楚，關鍵就在你的每一個微決策。而所謂會用 AI，說穿了不是會下多花俏的提示詞（另開新分頁），是你有沒有先控制它看到的資料品質。當 context window 愈雜，它就愈抓不到重點。這一點對投資成立，對寫作（另開新分頁）、對研究、對任何一件你想跟 AI 一起做好的事來說，都成立。畢竟，抓得到資料，然後呢？真正值錢的，一直都是讀懂脈絡的判斷力。
老實說，我不會因為聽完這場直播，明天就跑去開戶當沖，但是 Giga 老師所開發的股票投資看板的確很吸引人。說來莞爾，一堂講如何打造股票看板的直播，最後教會我的，卻是怎麼當一個更清醒的 AI 使用者，跟一個更誠實的內容創作者。
如果你也天天在用 AI，今晚可以問自己一個問題：你是停在層次一，把問題丟給它就等答案；還是願意花力氣走到層次二，先把資料整理乾淨再開口？這一步的差別，可能就是接下來幾年，你跟 AI 之間誰在替誰做決定？
前面提到，這套「先整理好精準資料、再讓 AI 給建議」的思維，對研究、對寫作一樣成立。如果你想把它真正用在學術研究與論文寫作上，我把完整的方法做成了一門實戰工作坊：
從文獻消化、研究設計到論文段落，一步步帶你把 AI 從隨口問問，升級成研究流程裡可靠的協作者。有興趣的話，歡迎到 AI 賦能學術研究與寫作實戰工作坊（另開新分頁） 看看課程內容。
讀完，下一步
把內容做成一套系統
AI 內容產製系統工作坊
一份素材，自動產出六種格式
繼續讀：AI 實戰應用指南動手試：Vibe Coding 選案器（另開新分頁）
