下一個世代最重要的能力：尋求協助的能力。
在過去，我們重視的是把底層能力學好，然後自己一步一步把事情完成。現在，除了底層能力之外，更重要的是提出好的問題、整合好的協助，並持續迭代出結果。
在我們的學習環境裡，重點一直都是把答案做出來。很少有人刻意訓練我們，如何讓每一次提問都比上一次更厲害；遇到困難時，又該如何透過一次又一次的提問，把答案一步一步逼近。
生成式 AI 大爆發之後，提問本身開始變成一項核心能力。因為工作模式已經改變了。以前，大部分時間花在自己做。現在，大部分時間花在判斷、驗證、分工，以及尋求協助。
AI 只是把「尋求協助」這件事情放大而已。
- 2023 年，AI 大多還只能聊天。
- 2024 年開始具備推理能力，可以陪你一起分析問題。
- 2025 年之後，工具整合快速爆發。搜尋網路、讀文件、連接 Gmail、Slack、Canva，以及各種第三方服務，都逐漸成為 AI 的能力。
- 到了 2026 年，大爆發的是 Agent。
Long-running、Autonomous Agent 開始成熟之後，AI 不只是回答一個問題，而是可以接下一整個任務，自己規劃、自己執行，再把結果交回來。
這其實很像帶一個團隊。交辦工作的能力，開始比親手完成工作的能力更重要。
當任務交代得越清楚，Agent 就越能自己往前推進，你也不用一直站在旁邊微管理。等它完成之後，再回來驗證成果即可。真正被節省下來的，不只是操作時間，而是你的注意力。
你需要知道該找誰
而尋求協助，也不只是打開 ChatGPT 問一句問題而已。
不同模型，本來就有不同的定位。例如 GPT-5.5、Sonnet 5 這類偏向快速回覆與日常工作；而 Fable 5、GPT-5.6-sol、Opus 4.8 這類思考型模型，則更適合規劃、推理，以及長時間處理複雜問題。
如果模型還是不夠，就補更多訊號。貼一張圖片、提供一個網站、附上一份文件、描述一個 UI，甚至給它一份完整的 Spec。
很多訊號甚至不用特別解釋，只要講出關鍵字，AI 就知道你希望它用什麼方式協助你。Web Search、Deep Research、Long Running、Autonomous、Memory、Harness、Handoff、Playwright、Claude in Chrome、Mobile Simulator、Tailscale…
這些已經不是單純的功能名稱，而是不同的工作模式、不同的能力，以及不同的協作方式。每增加一個訊號，AI 就更知道該如何完成你的任務。模型、工具、Context、外部資料，本質上都是在增加 AI 可以理解的訊號。
所以現在遇到問題，我第一個想法已經不是「這件事情做不到」。而是：
- 是不是模型選錯了？
- 是不是沒有工具？
- 是不是缺少 Context？
- 是不是沒有提供足夠的訊號？
- 是不是沒有把真正想要的結果描述清楚？
大部分的問題，都可以透過更好的模型、更好的工具，以及更多次的迭代持續往前推進。
最後真正的瓶頸，還是回到我們自己
我們到底知不知道自己想解決什麼問題？能不能把腦中的想法，轉換成別人——或 AI——都能理解的描述？它可以是一個術語、一段文字、一張圖片，也可以是一個明確的 UI 或 UX。
未來真正有競爭力的人，不一定是什麼事情都自己完成的人。而是知道什麼時候該自己做、什麼時候該尋求協助；知道如何選對模型、選對工具、給對訊號，並且把一個任務清楚交付出去的人。
當訊號越完整，AI、Agent，甚至整個工具鏈，就越知道該往哪個方向前進。
尋求協助，本質上就是持續提供更好的訊號。
常常提醒自己：拉新訊號。