你是不是也遇過這種事？
你丟了一篇長文給 AI，請它幫你整理重點。結果回來的摘要，像是給「一般人」看的——講了背景、提了結論，但你在意的成本數字、風險提醒、關鍵時間點，全部不見了。你心想：「這 AI 是不是在偷懶？」其實不是。它只是不知道你眼中的「重點」長什麼樣子。摘要漏重點，問題通常不在 AI，而在我們沒說清楚：這份摘要到底是給誰看的？要拿來做什麼？你最在乎的是哪一塊？今天這篇文章，就是要幫你解決這個卡點。
下次摘要前，先告訴 AI 這份摘要的目的、受眾與你特別在意的維度。
為什麼 AI 總是漏掉你想要的？
想像你請一個實習生幫你摘要一篇關於「新產品上市」的內部報告。如果你只說「幫我整理重點」，他很可能會寫出：「產品將於 Q3 上市，目標客群是年輕上班族，主打輕便與續航力。」但如果你是行銷主管，你真正想知道的可能是：「預算分配比例、通路策略、競品動態。」如果你是工程主管，你在意的是：「開發時程、技術瓶頸、測試進度。」同一份文件，對不同角色來說，重點完全不一樣。AI 模型在沒有收到額外指示時，會用一個「通用視角」來摘要——也就是它從訓練資料中學到的、最多人覺得重要的東西。但你的需求很可能是特定領域的，所以它總是「漏」掉你真正關心的那塊。
解決辦法：給 AI 三個座標
要讓 AI 摘要不遺漏，你只需要在提問時補上三個資訊：第一，這份摘要的「目的」——你拿了它要做什麼？比如「我要拿來寫給老闆的週報」或「我要決定是否投資這個專案」。第二，這份摘要的「受眾」——誰會讀它？是技術團隊、高層主管，還是客戶？不同受眾需要的顆粒度完全不同。第三，你「特別在意的維度」——成本、風險、時間、競爭對手、法規限制？列出你關心的幾個面向。舉個例子，與其說「幫我摘要這份市場報告」，不如說：「幫我摘要這份市場報告，目的是評估是否要進入這個市場，受眾是公司高層，我特別在意競爭者市佔率、進入門檻與前期投資成本。」
實際比較：有給座標 vs 沒給座標
讓我們用一個實際情境來感受差異。假設你有一篇關於「遠距工作政策」的內部文件。如果你只說「幫我摘要」，AI 可能會回：「公司將實施混合辦公，每週進辦公室兩天。」但如果你是 HR 主管，要在 30 分鐘內跟法務討論勞動合約怎麼改——你需要的重點可能是：「哪些職位適用、合約是否需要修改、員工拒絕進辦公室的法律風險。」如果你先告訴 AI：「這份摘要我要用來跟法務討論合約修改，受眾是法務同事，特別在意法律風險與例外條款。」AI 產出的摘要就會完全不同，而且精準命中你的需求。這就是「目的導向摘要」的力量。
最容易誤會的地方
很多人以為 AI 摘要「漏重點」是模型不夠強，但真正的關鍵是：你沒給它「篩選重點的標準」。就像你無法期待一個不知道報告用途的助理，幫你挑出對的資訊。下次摘要時，先花 30 秒想清楚目的、受眾與關注維度，回報會好非常多。
下次提問前的 30 秒檢查
先確定這份摘要的「目的」是什麼（決策、報告、溝通）。再想清楚誰會讀這份摘要（主管、客戶、團隊）。最後列出你特別在意的 2-3 個維度（成本、風險、時程、競爭者）。把這三點寫進你的提問裡，例如：「幫我摘要這篇文章，目的是做預算決策，受眾是財務主管，特別在意成本與風險。」
讀者最常問的幾個問題
可以先試著用「這份摘要我可能拿來做決策」或「受眾可能是老闆」這種寬鬆描述。即使不精準，也比完全沒給好。模型會根據你給的線索，調整摘要的顆粒度。
多數現代主流 AI 模型都支援這種「目的導向」提問。但不同模型的表現會有差異，建議你自己試試看——給定明確目的後，對比沒給目的的結果，通常差異會很明顯。
