我對著手機說出一個想法，
它後來成了一個 GitHub PR。

我對著手機說話。

後來，這些話成了一個 GitHub Issue，接著又成了一個 GitHub PR。

一開始，我甚至連簡要說明都沒有，只有幾條逐漸交會的線索：網路上關於 ADHD 的討論、人們難以著手處理重要任務的經驗、一段談到在困難任務前先讓大腦預熱的公開對談、一篇探討為何微小任務也會讓人覺得如此困難的 BBC Worklife 文章，以及 Flow Keyboard 可能在其中扮演的角色。那篇 BBC 文章指出，陌生或帶有情緒負擔的任務，可能會在我們心中被不成比例地放大^[4]。

這些內容混合了觀察、猜測，以及仍需查證的事實。我開啟 Flow Keyboard，把一切從頭到尾說了出來。我沒有大綱，也沒有試圖先寫出一個完美的提示。

Flow Keyboard 將那段自由口述轉成文字。我把文字傳給 ChatGPT，這個想法便開始向前推進。

不必先有完整成形的想法，才能開始

新想法很少會以完整的樣貌出現。在我們還無法界定核心問題、已知資訊的界限或最終交付成果之前，往往就已隱約感覺到某件事值得探索。

如果此時就要求一份嚴謹的簡要說明，我們可能只會盯著空白頁面。語音提供了一個更容易的切入點。一項於 2024 年發表、共有 1,001 名參與者的智慧型手機問卷實驗研究發現，隨機分配以語音回答開放式問題的參與者，使用的字詞更多，涵蓋的主題也更多^[1]。

這項實驗並未證明說話能產生更好的想法，但確實顯示，降低表達的難度，可能會鼓勵人們提供更多背景和細節。若想進一步了解語音、工作記憶與 AI 脈絡，請閱讀《給 AI 的脈絡太少，它就只能猜》。

即興說話會出現停頓、重複、修正，也常會在說到一半時才補上關鍵背景。CHI 2024 的 Rambler 研究便從這個問題出發：口述很有效率，但即興話語通常冗長且缺乏連貫。擷取主旨並調整整體結構，可以讓內容更容易作為書面材料使用^[2]。

在這個階段，Flow Keyboard 捕捉的，是仍在成形中的思緒。它能準確轉錄較長的語音，處理斷句、重複和結構，把鬆散的想法變成我可以閱讀、查核和討論的材料。

1. 01

   我把想法說出來 Flow Keyboard

   「我們能否把 ADHD、難以開始做事、在困難任務前先讓大腦預熱的方法，以及 Flow Keyboard 串連起來，寫成一篇真正有用的文章？」

   沒有大綱：觀察、經驗和仍待查證的資訊全都混在一起。

2. 02

   ChatGPT 評估並研究這個想法 ChatGPT

   「這值得探索，但我們應避免醫療宣稱。更準確的受眾，是難以集中注意力和開始做事的人。」

   研究繼續探討 ADHD 的界限、拖延研究、預熱說法的原始來源，以及 BBC 文章實際能支持哪些說法。

3. 03

   我加入下一階段的要求 Flow Keyboard

   「保留研究引文，然後建立一個 GitHub Issue，讓工作可以繼續進行。」

4. 04

   ChatGPT 將討論轉成任務 GitHub

   研究問題、證據的限制、文章結構、各平台交付成果和驗收標準，全都納入同一個 GitHub Issue。

真正的價值會在幾輪往返後浮現

我先請 ChatGPT 評估這個想法是否站得住腳。

第一輪很快就揭露了問題。「Flow Keyboard 能幫助 ADHD 患者」可能暗示醫療效益。「每個人都有 ADHD」則混淆了臨床診斷、注意力困難和日常拖延。我們將受眾縮小為「難以集中注意力，也不容易開始做事的人」。

接著，ChatGPT 查閱了成人 ADHD 的定義、拖延相關研究、公開對談中的任務預熱說法、BBC 文章對陌生或帶有情緒負擔之任務的討論，以及語音輸入如何影響表達。每一項證據都稍微改變了原始想法：有些判斷經得起檢驗，有些說法變得更為收斂，也有些缺口需要用更多問題補足。

我用 Flow Keyboard 補充要求：保留研究引文、明確列出我們必須避免的醫療宣稱，並把討論轉成 GitHub Issue，交給下一階段處理。

到了這時，我們已累積一整套經過提問、事實查核和編輯決策塑造的脈絡。無論接手的是人還是 AI，都能理解這個想法為何值得推進，也能看出哪些地方仍沒有足夠證據支持結論。

研究並製作一套關於如何逐步投入任務，以及難以開始做事的內容系列 GitHub Issue

核心想法：Flow Keyboard 將開始做事的過程轉化為可用成果

1. 01

   研究

   確立事實及其界限

   ADHD 與日常拖延的差異 · 預熱說法的原始來源 · BBC 文章支持哪些說法 · 語音回答實驗及其限制

2. 02

   內容製作

   以同一套證據製作完整內容

   研究筆記與知乎長文 · 小紅書（RedNote）視覺分鏡 · 微博與即刻文案

3. 03

   執行

   讓成果達到可查核、可修改、可發布的狀態

   算繪圖片並執行自動化檢查 · 提交 GitHub PR · 經人工審查後發布

最終交付成果 research.md · longform.md · 9 張圖片 · 4 個平台版本 · GitHub PR

GitHub Issue 將討論轉化為執行

方向明確後，ChatGPT 將討論整理成一個 GitHub Issue。

其中包含研究問題、現有證據、事實界限、內容結構、各平台交付成果和驗收標準。最初那段漫無章法的口述，已經變成另一個人或 AI 都能接手繼續處理的任務。

接著，Codex 讀取 GitHub Issue、程式碼儲存庫規範和過往內容。它繼續查核來源，並產出研究筆記、一篇知乎長文、一篇配有插圖的小紅書貼文、視覺規劃，以及多個平台的版本。所有變更都納入一個 GitHub PR。之後再由人員檢查故事是否連貫、引文是否支持相關說法、產品描述是否準確，以及圖片版面是否有內容溢出的情況。

Flow Keyboard 捕捉想法。ChatGPT 補齊問題。GitHub 保存界限。Codex 執行工作。最後由人做出判斷。

OpenAI 將 ChatGPT Work 定位為處理研究、分析和文件等多步驟工作，而 Codex 則用於程式碼、測試、命令、審查和程式碼儲存庫工作^[3]。因此，在手機上捕捉的想法可以依照任務性質，轉入不同的工作環境：開發工作交給 GitHub 和 Codex；研究與辦公工作則可以變成報告、試算表、簡報或其他交付成果。

若想了解如何向 Codex 說明複雜開發需求的更具體範例，請參閱《用語音向 Codex 輸入內容》。

節省時間的關鍵，在於保留脈絡

以前，我會先把想法記在腦中，等回到電腦前再重新拼湊，接著在 ChatGPT 裡再解釋一次；等到要採取行動時，又得把對話重新整理成任務。

現在，同一份脈絡可以持續向前流轉：先說出來、接受提問、經過查核、轉成任務，再一路帶入執行。我的手機不只能接收訊息，也能成為工作的起點。

這套工作流程可以歸納為四個步驟：

1. 用 Flow Keyboard 花兩分鐘把事情說清楚：我注意到了什麼？為什麼值得做？還有哪些地方不清楚？
2. 把整理好的文字交給 ChatGPT。請它區分事實、假設和判斷，並找出仍需回答的問題。
3. 把開發工作轉成 GitHub Issue。若是研究和辦公工作，則定義目標、來源、輸出成果和界限。
4. 讓 Codex 或 ChatGPT Work 執行任務，再由人員審查結果，決定是否採用。

AI 可以產生大量答案。但更大的價值，是幫助一個原本可能消失的想法，變成我們可以審查、修改並付諸行動的成果。

先把它說出來。