實驗日誌03

用 ChatGPT 挑選有聲書的意外收穫。

今天想來分享一個利用大型語言模型（LLM）加速生活決策，甚至提高決策品質的實驗。

退訂 Amazon Audible 一陣子了，幾天前收到官方一個月免費試用，附帶一個可以兌換任一本有聲書的 credit。兌換看似簡單，但要在那些看似精彩絕倫、評價極高的選項中，挑出「一本我真的會想打開來聽」的有聲書，對我（選擇障礙者）來說，實在太過煎熬。為了避免額度過期，也為了不讓這件小事持續消耗心神，我決定向AI工具求救。

「我能用 LLM 在有限時間內，幫助我做出一個還不錯的選擇嗎？」

先說結論：當然可以，但結果出乎我的意料。

-

我與 LLM 的互動大概經歷了四個階段，是一場逐漸聚焦的對話。

第一步：設定場景，提出客製化需求

我先把任務的邊界劃清楚，告訴它我的背景、工具限制與目標。

「我有一個 Credit 可以在 Amazon Audible 兌換一本有聲書。請分析我的個人資料與偏好，為我客製化推薦五本有聲書，並說明我可能會喜歡的原因與特色。」

這一步很關鍵，使用了四個策略（警告⚠️ 含中等技術細節）：

1. 提供任務背景資訊

提示 ChatGPT 我要用 credit 在 Amazon Audible 購買一本有聲書。這可以避免它去其他網站搜尋用不到的資訊，例如，去 Kobo、Open Library 等網站找資料，推薦一些 Audible 買不到的選項。

2. 運用個人資料

提供相關脈絡（context）對於提供精確且個人化的回覆是重要的。由於我在 ChatGPT 已存有一些個人資料，所以對話時已有基本認識，節省描述的時間。我同時開啟了 Customize ChatGPT、Reference Saved Memories 與 Reference Chat History 這些功能，能提供 LLM 更多線索。

如果沒有開啟這些功能，可以直接將自己的偏好、興趣、英文程度與職業等資訊，在提示詞中一併提供給 ChatGPT 也能達到同樣效果。

3. 限制輸出數量

在剛開始探索時，可以透過限制輸出數量，間接限制輸出長度與時間，縮短對話迭代的時間，加快收斂過程。

4. 要求提供說明（provide rationale）

基於大型語言模型的特性，當對話中有更多有意義的文字時，理論上模型的回答會更精確、更相關。同時，透過模型的解釋，我們也能更清楚模型對於使用者的理解為何，確認彼此工作方向是否一致。

送出提示詞後，它很快地給了我一份看似合理的書單，包含一些與醫療、科技、AI 相關的作品。看起來不錯，但總覺得空洞、少了點什麼，沒打動我。

第二步：引入大眾視角，卻發現格格不入

我想，或許我該參考一下市場風向，看看大家都在聽什麼。

「請上網搜尋其他人的評價與推薦，整理出評價很高的必讀經典。」

模型整理出社群與媒體上評價極高的書單。然而，看著這些「必聽」、「經典」，我的感受卻是：「嗯，都很好，但我大概不會聽。」—— 大眾的經典品味，跟我的個人偏好之間，顯然有條鴻溝。

第三步：改變策略，從「我喜歡的」出發（轉捩點）

既然外部的推薦無法打動我，我決定反過來，讓模型從「我」出發。我提供了幾個過去真心喜歡的作品。

「之前聽過這幾本有聲書很棒：Will、Greenlights，還有 Trevor Noah 的自傳。我也很喜歡 Linda Howe 朗讀的有聲書。」

這一步，是整個過程的轉捩點。

LLM 不再只是整理與推薦，而是開始扮演「分析師」的角色，歸納出這幾部作品的共通點：「由作者本人朗讀」、「故事性強烈的非小說」、「帶有深刻個人反思」、「描述個人成長經歷」等。彷彿終於開了燈似的，我模糊曖昧的直覺偏好，在強光下一覽無遺。那一刻，我發現自己真正要找的不是書，而是聽故事時的期待與滿足。

第四步：豁然開朗，延伸探索

既然已經找到了適用於有聲書的「標籤」，接下來的探索就變得非常輕鬆。

「有沒有類似的有聲書推薦？」

這次，模型推薦的有聲書書單（例如 Dave Grohl 的《The Storyteller》）精準度大幅提升，每一本幾乎都長得讓人愛不釋手。我逐一試聽了每一本，希望能遇見對味的聲音。

有趣的是，我最後兌換的有聲書，並不在模型推薦的清單中，而是在釐清偏好後自行挑選的。但這完全不重要。因為這次對話最有價值的是下面的「個人有聲書篩選條件」清單。它將我零散的感受，轉化成了具體的篩選依據：

• 作者親自朗讀或陳述
• 我喜歡在自傳或非小說類作品聽到作者的聲音，彷彿作者正在對我訴說著自己

• 可片段化
• 儘可能以 20–30 分鐘一段，方便在零碎時間分次接力聽完

• 總時長 10–15 小時
• 太長易棄聽

• 文句的資訊密度中等＋難度適中
• 英文要90-100%能夠輕鬆理解，大概是試聽時10句話能輕鬆聽懂9句以上

• 避免過度戲劇化／背景音效

• 口音清晰，少方言、行話或特殊口語贅詞

-

經由這次嘗試，我重新感受到 LLM 作為「思維夥伴」的潛力。它的價值不在於直接給出「正確答案」，而在於透過高品質的互動，把內心模糊的好惡，提煉成清晰、可重複運用的決策框架，並在過程中讓我對自己有了不同的洞見。

儘管最終的選擇仰賴了直覺，但藉由這人機協作的梳理方式，未來無論是挑選下一門線上課程、下一本電子書、電影、音樂專輯、另一個研究主題，或是篩選一場講座，都能逐步提升決策速度與品質。而這，比兌換到一本完美的有聲書更加珍貴。

或許，這才是這個 credit 給我的最大禮物。

註：
1. 我在描述與解釋操作細節時，書寫過程蠻流暢、快速的。
2. 花了許多時間改寫草稿中生硬的技術細節，嘗試加入一點感性的連結（？），試圖增加易讀性，不知道閱讀起來的體驗如何呢？
3. 不知道這類的文章是不是加入畫面說明會更好，也許未來可以再嘗試看看。
4. 下一篇要記錄書寫時間。
5. 今天先這樣，明天見。