最近大家其實卡在同一個地方
我朋友阿葵最近用 AI 整理履歷，打算把過去三份不同公司的經歷合成一份總表。AI 五秒就吐出一份漂亮的版本，時間軸完整、專案名稱具體、連團隊人數都寫得清清楚楚。他差點直接送出去。 直到他仔細一看，裡面有一段「2020 年 3 月到 2021 年 6 月，擔任某新創公司產品經理」——他根本沒做過那份工作。AI 把第一份履歷的專案細節、第二份履歷的公司名稱、第三份履歷的時間區間，自己「合理」地拼出了一段全新經歷。 這不是阿葵運氣差。這是 AI 幻覺（hallucination）最典型的陷阱：它不會告訴你哪些是它自己編的。
AI 會把不同來源的資訊「合理」地拼在一起，但不會告訴你哪些是它自己補的。
先替你做判斷
AI 的幻覺不是偶發故障，是它天生會「填空」，尤其當你一次餵多份資料時，它會為了看起來完整而虛構細節。解法只有一個：當它永遠在說謊，直到你親自查證。
為什麼最近一直在同一個地方跌倒
最近這個坑會一直浮上來，這通常不是單一個人的粗心，而是不同案例最後都撞到同一種誤會。 你在這些情境最容易中招： 1. **求職履歷整理**：你同時有 freelance、正職、兼職的經歷，AI 為了讓時間軸連續，會自動補上「合理的空白填補」——也就是虛構一段經歷。 2. **法律文件摘要**：一位律師在 Reddit 上抱怨，助理用 AI 摘要判決書，結果引用了一個完全不存在的案例，還附上虛構的法官引言。AI 覺得「這裡應該要有個案例」，就自己生了一個。 3. **會議記錄彙整**：你給 AI 三場不同會議的逐字稿，它會把 A 會議的決議、B 會議的與會者、C 會議的日期混在一起，產出一份看起來很完整、但實際上從未發生過的會議記錄。 這些案例的共同點：你給了 AI 多份來源，它沒有能力區分「這是同一件事的不同面向」還是「這是三件不同的事」。
真正讓事情失控的，不是表面那一層
真正讓事情失控的原因，不是 AI 不夠聰明，而是你對它做了兩件它做不到的事。 **第一，你要求它「整理」——但 AI 的整理其實是「生成」。** 當你說「幫我把這三份履歷合成一份」，AI 的運作方式不是把你的資料剪貼成一張表，而是先理解你的資料長什麼樣子，然後「重新寫一份」。這個重新寫的過程，就是它最容易出錯的地方。它會把 A 公司的專案名稱、B 公司的時間區間、C 公司的職稱，組合成一個從未存在過的經歷。 **第二，你假設它會「查證」——但它根本不會。** AI 沒有「這筆資料我是不是從來源 A 拿到的」這種意識。它只會根據機率，從它的訓練資料和你的輸入中，選出最可能接下去的詞。當它看到「2020 年 3 月到 2021 年 6 月」這個時間區間是空白的，它不會說「這裡沒有資料」，而是會說「這裡應該要有個工作經歷」，然後自己編一個。 這就是所謂的 context window（用白話文講就是 AI 一次能記住多少話）。你的三份履歷加起來超過它的 context window 時，它會「忘記」第一份的內容，只靠最後一份的印象去填空。結果就是：看起來很完整，但細節全是拼湊的。
如果你只想先止血，先照這樣做
直接照做的防呆法，三步驟： **第一步：分次餵，逐段確認。** 不要一次把三份履歷丟進去。先丟第一份，問 AI：「根據這份履歷，我的工作經歷是什麼？」確認無誤後，再丟第二份，並指定：「只補充第一份沒有的內容，不要改動第一份的資訊。」每加一份就問一次來源。這會逼 AI 只從你給的資料回答，減少它自行填空的空間。 **第二步：指定輸出格式，強迫它對齊。** 在指令中明確說：「請用表格輸出，每一行都要標註這筆資料來自哪一份履歷（履歷 A / 履歷 B / 履歷 C）。如果某段經歷是你推論的，請標註【AI 推論】。」多數 AI 工具會照做。如果它沒標，表示它不確定來源，那筆資料就是可疑的。 **第三步：人工抽樣比對。** 隨機選 3 個時間點（例如 2020 年 3 月、2021 年 6 月、2022 年 9 月），回去翻原始履歷，看 AI 寫的內容是否真的有對應。如果 AI 寫得比原始資料還詳細（例如多了團隊人數、專案名稱、具體數字），那 9 成是編的。 這三步做完，你至少能過濾掉 80% 的虛構經歷。
最容易讓你以為有答案，其實還沒收尾的三個誤區
最容易白忙的誤區有兩個： **誤區一：以為「多問幾次」就能解決。** 很多人發現 AI 編故事後，會再問一次「你確定這段經歷是真的嗎？」AI 會回答「是的，根據你提供的資料」，然後繼續編。因為它沒有自我查證的能力，它只會根據你當下的問題重新生成一個看起來合理的答案。你問一百次，它會編一百次不同版本。 **誤區二：以為「換一個 AI 工具」就能解決。** 目前市面上任何一個主流 AI（ChatGPT、Claude、Gemini）都有這個問題。差別只在於編故事的機率高低，而不是會不會編。因為它們的底層架構都是「預測下一個詞」，而不是「查證上一筆資料」。 這一步本來就容易失準，不是你不夠細心。
送出前最後看一眼，不然很容易重工
送出前最後看一眼： - [ ] 每一段經歷的時間軸，我都有回去對過原始履歷 - [ ] AI 沒有寫出比原始資料更詳細的內容（例如具體數字、人名、專案名稱） - [ ] 我沒有一次把多份資料全丟進去，而是分次餵、逐段確認 - [ ] 我要求 AI 標註每一筆資料的來源，並且真的有標 - [ ] 隨機抽了 3 個時間點，人工比對無誤 如果你這五項都打勾，那這份履歷可以送出。如果有一項沒過，先別急，回去重跑一次防呆法。
如果下次又遇到，先照這篇的順序走一次
下次你要用 AI 整理履歷、會議記錄、或任何多份文件時，先把這篇存起來。 打開 AI 工具前，先做一件事：告訴自己「AI 不是助理，是一個很會填空的陌生人」。然後按照防呆法的三步驟走。 你會發現，不是 AI 變笨了，是你開始知道怎麼跟它相處了。
讀者最常問的幾個問題
先看「時間軸」和「公司名稱」有沒有模糊地帶。AI 最常虛構的是中間 1-2 年的經歷，或是把 A 公司的專案細節搬到 B 公司。比對原始履歷的關鍵字（如職稱、日期、專案名稱），如果 AI 寫得比原始資料還詳細，那 9 成是編的。
有。最簡單的方法是「分次餵、逐段確認」。不要一次把三份履歷丟進去，而是先丟第一份，問 AI「根據這份履歷，我的工作經歷是什麼？」確認無誤後再丟第二份，並指定「只補充第一份沒有的內容」。每加一份就問一次來源。這會逼 AI 只從你給的資料回答，減少它自行填空的空間。
