Refinement 是什麼？把回饋變成下一版的具體修正

AI 第一版的產出很少能直接用。真正拉開差距的，不是提示詞寫得多長，而是你怎麼給第二輪的回饋。

定義

Refinement（優化修正）是透過迭代回饋與持續優化，讓 AI 輸出更精準、更符合需求，達到最佳成果的過程。

完整的迭代流程有六步：提出需求、初始輸出、評估檢視、回饋建議、優化修正、驗證確認。如果沒有達到預期，就再跑一輪。

白話比喻

這就是改稿。差別在於，跟編輯說「再好一點」不會有結果，說「第二段太籠統，補一個實際數據，語氣改得更肯定」才會。

AI 也一樣。它不知道你心裡的標準，你講得多具體，它就能改得多準。

Review 跟 Refinement 差在哪？

實際用例

以文案為例。第一版寫「產品很棒，功能很多，使用起來很方便，值得推薦給大家」，問題是過於籠統、缺乏細節與具體價值主張。

回饋建議是：強調三個主要特色、說明具體效益、加入使用情境、語調更說服力。第二版就會變成有特色、有效益、有情境的文案。

常用的修正方法有五種：調整指令、補充資訊、設定標準、分步優化、版本對比。其中版本對比最容易被忽略，但它是挑出最佳版本的關鍵。