100 場對話，一個脈絡

1. Chat 是第一個介面。下一個是脈絡

新的對話。同樣的背景。

新的工具。同樣的檔案。

新的問題。又要重新說明你正在做什麼、哪些來源重要、輸出要用在哪裡、AI 應該記住什麼，以及不應該編造什麼。

這是 AI 工作裡隱藏的成本。

真正的成本，是每當工作移動一次，你就得把脈絡重新搭起來。

你打開一個 AI 產品理解市場。打開另一個摘要 PDF。再用另一個改寫備忘錄。又換一個，因為它更適合搜尋、程式、寫作或推理。然後對話變得太長，答案開始漂移，有用的部分被埋在上方的歷史紀錄裡。於是你重新開始。

任務還在繼續。脈絡沒有跟上。這就是問題。

2. 更大的脈絡視窗有幫助，但不會消除問題

第一代 AI 工具把 chat 放在產品中心。你提出問題，模型回答。答案不對，就調整提示詞。對話變亂，就開一個新的 thread。

這對小任務有效。遇到嚴肅工作，就會開始失效。

嚴肅工作有脈絡：來源資料、限制、決策、例子、語氣、讀者、開放問題、被放棄的方向，以及這件事為什麼重要。

創辦人研究市場時，需要競品頁面、價格截圖、客戶語言、定位筆記、舊草稿，以及某個方向為什麼被否定。學生需要講義、PDF、圖表、弱點，以及那些一直答錯的題目。寫作者需要原始想法、參考資料、結構、讀者與品味。

在這些場景裡，對話是暫時的。脈絡是持久的。

3. 分散帶來的成本

最直覺的答案，是把脈絡視窗做得更大。

更大的脈絡當然有用。它讓模型能在一次運行中考慮更多資訊，也讓長文件和更豐富的任務成為可能。

但脈絡視窗仍然只是視窗。它描述模型在某一刻能看見什麼，卻不會決定哪些來源相關、哪個專案版本才是目前狀態、哪些假設下週還要重複使用。

近期 long-context 研究指出，更多輸入不等於更多有用輸入。輸入越長，也可能帶來更多干擾、模糊性與檢索難度。

所以更好的問題不是：如何把所有東西塞進一個 chat？而是：如何把正確的脈絡帶進正確的 chat？

4. 更好的模式：儲存一次，重複使用

AI 工作變得更強，也變得更分散。

一件事現在可能穿過 ChatGPT、Claude、Gemini、NotebookLM、Perplexity、coding agent、筆記 app、瀏覽器、PDF 閱讀器和文件編輯器。每個工具都有強項，也都有邊界。

每跨過一個邊界，使用者都要付出成本：重新說明目標、貼上同樣來源、描述讀者、重建限制、提醒 AI 哪些事情變了，並再次判斷答案到底有根據，還是只是看起來合理。

手動重建的脈絡，會被不耐煩壓縮。第二次說明少了細節，第三次變成粗略摘要，第四次變成「你懂我的意思」。但模型其實不懂。

最後，專案變成一串不完整脈絡。而不完整的脈絡，只會產生不完整的智能。

5. 一個簡單例子

答案不是一場無限延伸的對話。

答案是一層可重複使用的脈絡。

對話應該是思考、提問、比較、決策、起草與修正的地方。脈絡則應該可以被儲存、整理、選取與重複使用。

這就是 Pickmix 背後的產品想法。

Pickmix 讓有用素材成為儲存的 Picks：網頁、筆記、PDF、螢幕截圖、圖片、Markdown、連結和純文字。Picks 可以放進 Spaces，保留專案脈絡，並成為 AI Chat 的選定來源。

流程很簡單：趁脈絡還新鮮時儲存來源；把相關 Picks 放進同一個 Space；選取當前任務需要的來源；帶著這些脈絡問 AI；需要驗證、重用或繼續時，回到原始 Pick。

任務改變時，你不用從零開始。對話太長時，你不會失去專案。切換工具或問題時，你不必重建整個提示詞。你把正確的 Picks 帶回來。

6. 最好的 AI 輸出，從提示詞之前就開始

想像你正在研究一個新的產品類別。

舊工作流裡，競品頁面在瀏覽器分頁，價格截圖在桌面，筆記在文件，PDF 在資料夾，提示詞和回答散落在好幾個 AI 對話裡。

需要市場備忘錄時，你把幾個連結貼進一個工具。需要定位想法時，你在另一個工具再貼一次。需要上市計畫時，你總結前面的總結，祈禱重要細節還在。

在 Pickmix 裡，來源資料從一開始就是 workspace 的一部分。競品頁、價格截圖、客戶評論、PDF、筆記和草稿，都可以成為同一個 Space 裡的 Picks。

你可以用選定來源要求市場備忘錄，用同一層來源要求定位地圖，再要求上市計畫，而不必假裝前面的工作不存在。

工作不再像複製貼上，而更像持續累積。