Day 8｜SKILL, the last but not least
AI 看得懂語意，卻常算錯數字。把數字交給程式驗證，錯誤就從機率變必然。
當你使用了SKILL，例如 Ecommerce Research SKILL。
把 Shopee SG, Lazada SG, Amazon SG 的市場競品的產品頁都掃過一遍，
命令 AI 把它們的價格帶也都做了美美的圓餅圖分析，讓每個價格帶的比例清清楚楚。
滿心歡喜的要把做完的競品分析交出去時，眼睛餘光瞄到：
咦，怎麼這些產品的價格，跟網頁上的不太一樣，200變成2000，399變成369。
而且不只是一組數字有問題，是大部份的數字都有問題，那這個分析不就壞了!?
- 不要懷疑，這是在使用 AI 的時候，常出現的情況。
AI 本質上是機率模型，它雖然能夠做大量的語意判斷，
看的出情緒，理解文字的傾向，但數字往往不是它擅長的。
即便目前的 AI 已經在這塊有常足的進步，
但是當你要交出一份可能會被人檢視的報告或是數據，
比較好的方式，就是把相關的文字及數字記錄下來。
然後，
你想到了嗎，我們可以個別對文字、數字，去做驗證，避免這樣送出去，把自己的工作也送掉了。
文字：記錄下來的部份，逐個讓 AI 再次做比對，例如文字要完全一致？文字語意要相符？you name it.
數字：記錄下來的部份，「不讓 AI 比對」，讓它寫程式去運算，用固定的方式去比對差異或是計算，
讓數字可以是一個，無論怎麼驗證都不會錯的值，如果還是有錯，
方向很確定可以縮小為：抓下來的數字有問題/你想要的程式運算邏輯其實是錯的，方向要調整。
讓錯誤，從未知變成已知，從機率變成必然。
接著將這組程式，也加入你的 SKILL，在過程裡去呼叫，把運算後的值作為你報告內的一部份。
從此之後，你每次執行這組 SKILL的時候，那個安心感來自於你能夠擁有 LLM (AI) 的高度解析能力，
但也有了程式能夠固定、能夠回放的精確打擊。
It is part of what it is.