你請 AI 幫你看一份申請資料合不合格，它說「符合」。過了一會兒想再確認一次，你開了新的對話、貼一樣的東西，這次它說「有兩項不符合」。你換個說法再問，它又給了第三種講法。三個答案擺在一起，你不知道該信哪一個。
你沒有問錯，每個人都會遇到這件事。原因在 AI 產生文字的方式：它一個字一個字往下接，每一步都有好幾個可能的字可以選，選哪一個帶有隨機的成分。微軟的生成式 AI 入門課程第 04 課講得很直接：同一段提示，換一個模型會得到不同的回答，同一個模型在不同時間也可能給出不同結果。
管這件事的設定叫做 temperature（溫度）。DAIR.AI 的提示工程指南說明，溫度越低，結果越固定；溫度越高，答案越多樣、越有創意。指南建議查事實的問答把溫度調低，寫詩這類創作調高。不過指南談這些設定時，是以透過程式串接（API）呼叫模型為前提。我的判斷是，一般聊天視窗多半不讓你調這個，用的是平台的預設值，所以看到的答案本來就會飄。
一篇作文評五次，等第跑來跑去
瑞典的 Johan Falk 在 2023 年出了一本寫給老師的 AI 用書《AI och skolan》，評作文那一章裡有個小測試。作者拿一篇 15 歲學生寫的核能議論文，連同九年級評分標準的相關段落一起貼給聊天機器人，直接問這篇該得什麼等第。同一段提示，GPT-4 問了 5 次，GPT-3.5 也問了 5 次。瑞典的等第從 A 到 F。
GPT-4 有 4 次說介於 E 和 C 之間、比較接近 E，1 次說接近 C。GPT-3.5 更分散：1 次給 E，2 次說符合 C 的部分標準，1 次給 C，還有 1 次給了「C–B」。作者特別提到，B 這一級的標準在提示裡已經被剪掉了，AI 還是給了出來。
作者自己也說，十次評分太少，量不出變動到底有多大；但光這樣就看得出，問題一字不改，評分也會變。而且這還沒談到評得對不對，只是在看穩不穩。
換個角度想：如果你是那位學生，同一篇作文今天拿 E、明天拿 C，這個分數對你還有意義嗎？
哪些工作可以接受「每次不一樣」
答案會飄，不代表 AI 不能用，要看是什麼工作：
| 工作類型 | 例子 | 答案不一樣是好是壞 | 怎麼用 |
|---|---|---|---|
| 發想 | 活動名稱、標題、點子 | 好事，多問幾次等於多拿幾組選項 | 多問幾次，挑喜歡的 |
| 改寫潤飾 | 信件改口氣、寫摘要 | 措辭不同無妨，重點不能變 | 檢查重點有沒有漏 |
| 整理歸類 | 意見分組、抽出待辦 | 分法可以不同，不能漏項 | 問兩次，比對有沒有漏 |
| 判斷對錯 | 合不合格、有沒有違規 | 壞事，結論必須一致 | 先問三次看燈號 |
| 評分評等 | 作文等第、績效分數 | 壞事 | 先問三次；紅燈就不用 |
| 解釋規定 | 請假辦法、補助資格 | 壞事 | 先問三次，再回原文核對 |
作者整理，非官方。
簡單說，要拿去做決定、會影響到別人的答案，三次的結論一致才算數。發想類的工作反過來，問一次就停反而可惜。
「問三次」一致性燈號
做法是同一個問題問三次。前兩次各開一個新對話，原封不動貼同樣的問題；第三次也開新對話，換個問法問同一件事。每次都要開新對話，不然它看得到前一次的回答，很容易照著前一次講。
比的時候只看結論，不看措辭。三段話寫得不一樣很正常，你要看的是「合格還是不合格」「E 還是 C」那一句。
第三次要換問法，是因為平常你不會每次都用同一句話問。如果換個說法結論就翻過來，代表答案是跟著措辭在走，背後的資料撐不住這個結論。
同一個問題
|
+---------+---------+
| | |
新對話 新對話 新對話
原問法 原問法 換問法
| | |
+---------+---------+
|
只比「結論」
|
+---------+---------+
| | |
三次一致 結論相同 結論互相
細節不同 矛盾
| | |
綠燈 黃燈 紅燈
| 燈號 | 三次的結論 | 下一步 |
|---|---|---|
| 綠 | 三次一樣 | 可以用；數字、條號、日期仍要回原文核對 |
| 黃 | 結論一樣，理由或細節不同 | 只採三次都出現的部分，只出現一次的當成待查 |
| 紅 | 互相矛盾 | 不交給 AI 單獨判斷；補上更明確的標準再試，或改由人判斷 |
作者整理，非官方。
要記得，三次都一樣只代表它穩定，不代表它答對。瑞典那位作者也是這樣分的：他只看了一致性，沒有評對錯。綠燈的意思是可以進下一步，下一步還是核對。
紅燈常出現在標準本身就模糊的題目。作文等第連老師之間都要討論，AI 會飄也不奇怪。這種題目比較適合請它指出可以改進的段落，等第留給人決定。
燈號表裡說的「補上更明確的標準」，是指把判斷依據直接貼進問題裡：依據哪一條規定、門檻是多少、什麼情況算例外。補完之後再問三次，如果還是紅燈，這題就不適合交給 AI 判斷。
三次比對要花時間，比對這一步可以交給 AI。把三次的回答貼進一個新對話：
以下是我用同一個問題問 AI 三次得到的回答（前兩次問法相同，第三次換了問法）。 請不要評論哪個比較好，只做比對： 一、用一句話寫出每次回答的「結論」。 二、三個結論的關係是哪一種：完全一致、結論相同但細節不同、互相矛盾。 三、列出三次都有提到的內容。 四、列出只出現在其中一次的內容，標明是哪一次。 我的問題：（貼上） 回答一：（貼上） 回答二：（貼上） 回答三：（貼上）
如果三次裡只有一次說不合格，就從那一次給的理由開始，回頭對照原本的規定。
站內延伸
- 想讓 AI 的答案穩一點，先把標準交代清楚 → 交辦前先填五格
- 想讓另一個 AI 專門幫你挑錯 → 對抗式驗收：產生的不檢查，檢查的不產生
- 想找適合自己的 AI 工具 → 找工具
來源： Itangalo/AI-Education（Johan Falk《AI och skolan》第 2.7 版，2023-12-09 發布；引用〈Bedöma uppsatser〉一章 2023-09-02 版中，同一篇作文同一提示讓 GPT-4、GPT-3.5 各評 5 次的結果。該書以 CC BY-SA 4.0 釋出，與本站授權不相容，本文只轉述實驗事實，未翻譯或改寫原文）；DAIR.AI Prompt Engineering Guide：LLM Settings（溫度低結果較固定、事實問答建議調低、談設定時以透過 API 呼叫模型為前提）；Microsoft Generative AI for Beginners 第 04 課（Model responses are stochastic，同一模型不同時間也可能不同）。工作分類表與燈號為作者整理。以上皆 2026-10-25 查閱。