上個單元我們知道，AI 的輸出取決於指令加上 Context。但「Context」聽起來很籠統。要判斷哪些資訊值得提供，先要能說出它有哪些種類。
請協助我為新一批教學用平板電腦，撰寫一份採購評估報告。
為了完成這份報告，AI 可能需要：
這些資訊的性質很不一樣：有的是每次任務都要重新提供，有的可以長期保留，有的必須即時查詢。把它們分清楚，是 Context 設計的第一步。
本課把 Context 分成七類。這是幫助思考的工具，不同來源的資料可能同時屬於多個類型，重點是知道自己在處理哪一種資訊。
| 類型 | 回答什麼問題 | 例子 |
|---|---|---|
| 1. Instructions（指令） | AI 要怎麼做？ | 角色、任務、限制、輸出格式、成功條件 |
| 2. User Context（使用者背景） | 誰在用、為了什麼？ | 使用者的職務、部門、工作目標、偏好、權限 |
| 3. Task Context（任務背景） | 這件事進行到哪裡？ | 目標、期限、已完成與未完成事項、下一步 |
| 4. Reference Knowledge（參考知識） | 有哪些依據可以參考？ | 採購政策、SOP、法規、產品文件 |
| 5. Conversation History（對話歷史） | 剛才說過什麼？ | 前面幾輪的提問、回答與補充 |
| 6. State / Memory（狀態與記憶） | 目前進度如何？哪些資訊要長期記住？ | 「法務尚未審查」；「主管偏好一頁摘要」 |
| 7. Tool / Retrieval Results（工具與檢索結果） | 剛剛查到了什麼？ | 資料庫查詢、網路搜尋、RAG 結果、API 回應 |
資訊
注意
參考知識尤其容易出現「整份貼上」的習慣。想一想：一份 30 頁的手冊，你只是要問請假天數，AI 真的需要讀完全部嗎？
同事每次詢問請假規定時，都把完整的 30 頁員工手冊貼進對話。這個做法最大的問題是什麼？
Conversation History（對話歷史）是這次對話裡已經出現過的內容。對話越長，歷史越多。但不是每一句話都值得一直帶著走。
| 方式 | 做法 | 適合的情況 | 要留意 |
|---|---|---|---|
| Recent History（近期歷史） | 保留最近幾輪 | 任務連續、上下文很接近 | 較早但重要的限制可能被擠掉 |
| Relevant History（相關歷史） | 只挑出與目前問題有關的部分 | 對話很長，話題有切換 | 需要判斷什麼算「相關」 |
| Summary（摘要） | 把前面的重點濃縮成幾句話 | 需要保留決定與限制 | 摘要若寫錯，錯誤會一直延續 |
| Compression（壓縮） | 把長內容縮短，只保留必要資訊 | 篇幅有限 | 壓縮會遺失細節，重要細節要先標出 |
資訊
一場很長的對話進行到第 100 輪，AI 開始提出超過預算上限的方案，而上限是在第 3 輪提到的。下列哪一種做法最合理？
State（狀態）與 Memory（記憶）常被混為一談，但它們回答的問題不同。
注意
判斷的簡單問法：「這件事下週、下個月換一個任務時，還需要嗎？」需要，才是 Memory 的候選；只跟這次進度有關，就是 State。
「報價已取得，但法務尚未審查」這句話在採購任務中屬於哪一類？為什麼？
Tool / Retrieval Results（工具與檢索結果）是 AI 在任務過程中「剛剛查到」的資料，例如資料庫查詢、網路搜尋、RAG（檢索增強生成）結果或 API 回應。它們進入 Context 之後，就和其他資訊一樣，需要被檢查。
現在請到練習頁：你會拿到 20 項資訊，請把每一項歸入七類 Context 之一，並試著說明理由。有些資訊可能同時符合兩類，這時請想想它「在這個任務裡扮演的角色」。
準備採購評估時，AI 從檢索結果帶回一份價目表，內容看起來完整，但檔案標示為三年前的版本。最合適的處理是什麼？
完成
知道有哪些種類之後，下一個問題是：這些資訊真的都值得讓 AI 看到嗎？第 3 單元會提供一組判準。
