給 AI 的資訊太少，
它只能靠猜

你讓 AI 幫你做一個記帳 App。出來的東西，UI 醜得沒法看，配色像隨機生成的，分類寫死了四個改不了。你硬著頭皮點進去，發現到處是漏洞——空狀態沒處理，刪除沒有確認，加了一筆賬切換頁面資料就丟了。

你又補了幾句，又改了幾輪。半小時過去，還是一堆問題。你得出結論：AI 還是不夠聰明。

但如果你一開始就把話說清楚——使用者是誰、核心場景是什麼、資料怎麼存、分類是固定的還是自定義的、要不要圖表、需不需要多裝置同步——AI 拿到的就是一張完整的需求圖。它不用猜了，一次做對的機率會高很多。

50 字的 prompt 和 500 字的 prompt，出來的東西差距很大。

問題是：誰願意打 500 字？

一、打字時，你在偷偷刪減自己的想法

一個稍微複雜的需求，把背景、要求、限制條件、期望的輸出格式都寫清楚，加起來三五百字很正常。但在鍵盤上敲到一半，前面想說什麼已經模糊了。腦子裡明明有一套完整的邏輯，打著打著就碎了。

於是你下意識地偷懶——算了，先寫兩句發出去吧。

這和能力無關。心理學家 Kellogg 研究過寫作時大腦在做什麼：打字的時候，你不只在「表達」，你還在組織措辭、操作鍵盤、檢查螢幕上的文字^[1]。這些事情同時爭奪你有限的注意力，留給「想清楚要說什麼」的空間就不夠了。

你的大腦有一個「思考預算」。打字在消耗這個預算。於是你的輸出被壓縮了：細節明明在腦子裡，到了鍵盤前卻被一點點省掉。

二、說出來，本身就在幫你思考

說話和打字還有一個更深的區別。

你有沒有過這種體驗：一個想法在腦子裡模模糊糊的，但當你試著跟別人說出來，它突然變清晰了。你說著說著，自己都驚訝：「原來我是這麼想的。」

維果茨基在《思維與語言》裡說過：語言除了容納思想，也參與思想的形成^[2]。你腦子裡的想法是壓縮的、跳躍的、不完整的。當你把它說出來，你被迫把壓縮的邏輯展開、把跳躍的環節補全、把模糊的概念變具體。「說出來」這個動作本身，就在幫你思考。

打字也能做到這一點，但因為速度慢、認知負荷高，這個展開過程不斷被打斷。你展開到一半就停下來敲鍵盤，敲完回來上下文已經丟了一半。

說話不會。說話夠快、夠自然，你的想法可以連貫地展開——一個點引出下一個點，下一個點引出再下一個，鏈條不斷。這就是為什麼你跟同事口頭描述需求的時候，會自然地說出很多打字時會省略的背景和細節。

曼海姆大學的一項實驗直接驗證了這一點：同樣的問題，語音回答比打字回答的內容長 2 倍以上，覆蓋的話題也更多^[3]。說話的人並沒有突然變囉嗦，鍵盤只是在強迫人做「自我刪減」。

三、給 AI 的上下文，就是這樣丟掉的

回到 AI 的場景。

你給 AI 寫 prompt 時，關鍵常常在指令周圍的上下文：「幫我做個記帳 App」誰都會寫，真正決定結果的是使用者是誰、場景是什麼、資料結構有什麼約束、互動上有什麼偏好、邊界情況怎麼處理。

這些資訊你腦子裡都有。但打字的時候，它們被一層一層削掉了：這個太細了不寫了，那個 AI 應該能猜到吧，這條想寫但打到一半忘了前面要說什麼了。

最後發出去的 prompt 是經過「鍵盤過濾器」篩選後的殘缺版本。AI 只能拿著這個殘缺版本去猜。猜錯了，你覺得是它不行。

如果你能把這些上下文說出來呢？說兩分鐘，你能說出來的資訊量遠超兩分鐘打字。背景、約束、偏好、例外情況，說話時你會自然地帶出來，不需要一條一條想著「這個要不要寫」。

四、說完就能用

問題是，普通語音輸入出來的文字沒法直接貼給 AI——口水詞、重複、沒標點、一大段不分行。你說完還得花時間整理，門檻又上去了。

Flow 輸入法做的事情就是把你說的話整理成能直接用的文字：口水詞去掉，標點分段理好，邏輯順過。你說的時候可以停頓、重複、臨時換思路，出來的文字直接貼上給 AI 就能用。

說兩分鐘，大約能出來兩三百字清晰的 prompt。和你在鍵盤上擠出的兩行字相比，AI 拿到的上下文完全不同。

五、差別在輸入這一端

以前的流程是這樣的：想做一個東西，打字寫 prompt，寫了 50 字發出去，AI 理解偏了，補充說明，再補充，來回半小時。

現在可以是這樣的：想做一個東西，拿起手機說兩分鐘，出來一段完整的需求描述，貼上給 AI，一輪就對。

差別在你這一端：你終於把該說的都說了。