開學搬進宿舍那天，沒有人會叫一台貨車，把書桌、衣櫃、棉被一次全部塞進去；大件家具找有貨車的同學幫忙分趟載，零星的小東西自己騎機車來回跑幾趟，分頭進行才不會卡在半路。
用 AI 聊天助手寫報告，道理很像。免費版的聊天助手大多有訊息數或情境窗的上限，要是把找資料、列大綱、寫草稿、潤稿全部塞進同一個對話框硬做，額度很快就見底，也用不到每個工具真正擅長的那塊。學生用 AI 聊天助手寫報告，重點從來不是選出「最強」的那一個，而是照報告產製的流程，把不同工具擺在它最擅長的階段。
這篇就照找資料、列大綱、寫草稿到潤稿的順序，帶你把免費額度分階段搭配著用，最後也會提醒學術誠信這條不能碰的線。先從免費額度為什麼常常撐不完一份報告講起。
免費額度為什麼撐不完一份報告？
免費版聊天助手撐不完整個報告產製流程，原因通常出在兩件事：一是訊息數或情境窗（context window）本身就有上限；二是不同工具原本就各有專長，硬要一個工具包辦全部，不是卡額度，就是沒用到它最強的功能。
情境窗決定一次對話能塞進多少內容，超過這個範圍，工具要嘛記不住前面講過的內容，要嘛乾脆被擋下來。以 Google 的 Gemini 為例，沒有訂閱任何方案的免費版情境窗是 3.2 萬個 token，訂閱 Google AI Plus 可以拉高到 12.8 萬個 token，再往上的 Google AI Pro 與 Ultra 方案則有 100 萬個 token 的空間，落差相當大。OpenAI 在免費版 ChatGPT 的說明裡也提到，免費版的模型用量有上限，一旦碰到當下的用量上限，系統會發出提示，並顯示大概什麼時候能重新使用。
不只用量會被卡，Anthropic（也就是 Claude 的開發團隊）在說明頁面裡把「額度」拆成兩種：一種是使用限制（usage limits），管的是一段時間內能傳幾則訊息；另一種是長度限制（length limits），也就是情境窗，管的是單一次對話能處理多少內容。這兩種限制彼此獨立，用量還沒到頂，也可能因為單一次對話塞的內容太多，先撞到長度上限。
換句話說，免費額度不是一個統一的水桶，而是好幾個各自獨立的水龍頭。搞清楚這一點之後，比較合理的做法，是把找資料、列大綱、寫草稿、潤稿拆開來，各自找最適合那個階段的工具，而不是死守一個聊天視窗從頭問到尾。接下來先從找資料這一步拆起。
步驟一：先找資料，別讓 AI 憑空生成內容
找資料這一步，最容易犯的錯是直接問聊天型 AI「請幫我說明某個現象的原因」，指望它直接給出答案。聊天模型擅長的是把語言組織得通順，不是查證，遇到記憶裡沒有的細節，還是會給一個聽起來很篤定的答案，只是那個答案不一定查得到出處。比較安全的做法，是找有搜尋功能、答案會附來源連結的工具，或是限定它只能根據你自己上傳的資料回答。
逢甲大學圖書館在整理 AI 使用風險與倫理的頁面裡提醒，AI 工具的資料來源主要來自開放資源，經過運算後生成的內容一定要檢驗、再檢驗。這句話放在找資料這一步特別貼切，AI 幫忙整理出來的重點，終究只是替你省下翻找的時間，不是可以直接拿去引用的一手資料，回頭核對原始出處這個習慣不能省。
先問來源，不是先問答案
提問的方式差一點，得到的東西就差很多。與其問「幫我說明某個現象的原因」，不如問「請幫我找幾篇談這個現象的公開資料，並附上連結」，讓工具真的去搜尋、附上來源，而不是憑記憶生成一個查無出處、卻講得很篤定的答案。逢甲大學圖書館也提到，AI 協作要看人類參與程度分成不同情況，完全交給 AI 生成、自己只丟一句提示詞的做法風險最高，也最容易查無實據；把 AI 定位在輔助查找、自己再逐條核對，是比較站得住腳的用法。
把資料丟進 NotebookLM，讓回答只根據上傳的來源
把課堂講義、找到的公開報告 PDF、網頁存檔一次丟進 NotebookLM 這類工具，之後問它問題，回答只會根據上傳的來源，不會另外編內容，很適合拿來整理這篇報告要用到的背景知識。NotebookLM 免費版可以建立 100 本筆記本，每本最多放 50 個來源，單一來源最多容納 50 萬字、檔案大小上限 200MB，每天還能問 50 次對話查詢、做 3 次語音摘要，一份學期報告要用到的參考資料，通常都塞得下。確認額度塞得下之後，真正要顧的是核對這個習慣。AI 整理出的重點仍要點回原始來源看一次，不能直接把 AI 的轉述當一手資料寫進報告。
步驟二：雜亂筆記變大綱，讓 AI 幫你排出章節骨架
找資料階段收集到的重點、筆記通常很雜，這時候可以換成免費版的一般聊天型 AI，ChatGPT、Gemini、Claude 都可以，把題目、筆記重點、章節或字數要求一次給它，請它整理成一份大綱草案，而不是直接要求生成全文。
提示詞的下法很關鍵：給題目、給筆記重點、給章節或字數要求，並明確要求先產出大綱、不要生成全文。大綱只是拿來審視、調整的草案，看到哪個章節順序不合理、哪個論點少了東西，都是你自己決定要不要採用、要怎麼改，不是收到就照單全收。
如果找資料階段累積下來的筆記量很大，這一步也要留意情境窗大小的差異。沿用前面提過的對照數字，免費版 3.2 萬個 token 的情境窗，遇到內容龐雜的筆記時比較容易看不完整批資料，導致排出來的大綱漏掉某些重點。Anthropic 針對這個情況提供的做法，是善用 Projects 功能，這項功能靠檢索增強生成（RAG）技術，只把跟當下問題相關的內容載入情境窗，不必一次塞進全部資料，資料量大時處理起來會更有效率。
步驟三：大綱展開成草稿，分段寫才不容易變 AI 腔
大綱定案之後，展開成草稿的方式也有講究，作法是請 AI 照大綱一段一段展開，而不是一次生成整篇全文。分段展開有兩個好處，一是每一段都好檢查、好挑錯，不用面對一大坨文字無從下手；二是比較不會整篇語氣一模一樣，讀起來像同一個模子刻出來的。
這個階段 AI 只負責把資料、想法展開成通順的句子，論點與內容仍然要是你自己的。教育部臺灣學術倫理教育資源中心整理的〈大學校園因應生成式 AI 之指引及教學建議〉就提醒，生成內容僅止於彙整階段，不具邏輯與創新性，尚無法取代真人思考與研究成果，建議研究者把 AI 生成的內容當成參考資料，再結合個人的想法與見解，才能完成一份真正屬於自己的學術著作。延續步驟一累積的資料，展開段落時也要以自己蒐集、驗證過的內容為底，不讓 AI 憑空發揮出沒有根據的細節。
步驟四：潤稿與校對，把 AI 腔調改回自己的語氣
草稿寫完，最後一關是潤稿。這一步最容易犯的錯，是請 AI「幫我整段重寫」，重寫過的段落往往會被磨成同一種語氣，讀起來就是一眼能認出來的 AI 腔。比較好的做法，是只請 AI 抓出文法、用詞、前後邏輯不通順的地方，改不改、怎麼改自己決定。
免費額度也是這個階段最容易不小心用光的地方，因為每動一個字就重新丟給 AI 檢查一次，額度很快就撐不到報告寫完。
只請 AI 挑出問題，改不改由自己決定
具體的下指令方式，可以是請 AI「列出這段裡不通順、重複、或太長的句子，不要幫我改」，自己再逐句判斷要不要動筆修改。這樣做的好處是文字始終維持你自己的語氣，也避免整段被 AI 重寫成千篇一律的調性。
免費額度留到最後定稿，別每次修改都重新問
潤稿階段最容易不小心把額度用光，因為每改一個字就想再問一次 AI「這樣順不順」，額度撐不到定稿就先見底。留到接近繳交前再整批潤一次，是比較划算的節奏。
AI 幫忙寫的部分，要不要跟老師說？
台灣各大專校院對生成式 AI 的態度，多半不是全面禁止，而是要求揭露。教育部臺灣學術倫理教育資源中心整理的資料顯示，臺灣大學、成功大學、清華大學、陽明交通大學等校都已經自訂生成式 AI 規範，態度多為正面、開放，但會要求適當揭露使用程度與範圍，並且再次查驗生成內容的正確性；行政院《使用生成式 AI 之參考指引》也提到，各機關把生成式 AI 當成執行業務或提供服務的輔助工具時，應該適當揭露。不過每間學校、甚至每位授課教師的規定不一定相同，交報告前務必先確認那門課實際的規範怎麼寫。
「用 AI 輔助後自己消化、改寫、負責」跟「整段貼上 AI 產出直接交」，中間有一條很清楚的界線。著作權法規定，不是由自然人或法人創作的成果，原則上不受著作權法保護，換句話說，AI 生成的內容本身沒有著作權，整段直接拿去交，等於有代寫的疑慮。逢甲大學圖書館的說明把 AI 協作作品依人類參與程度分成三種：AI 只是工具、由人完全操控的，著作權歸創作者；AI 是輔具、補充人類創意的，權利仍歸人類但需要揭露使用情況；只丟一句提示詞、幾乎過度依賴 AI 生成的，可能拿不到著作權保護。
如果報告裡引用了 AI 找到或整理的內容，出處也要能回溯到真正的原始資料，不能只寫「AI 說的」就交差。APA、MLA、Chicago 這幾種常見的引用格式，都已經有對應寫法可以套用，交報告前不妨先查一下該用哪一種。
AI 可能編出不存在的參考文獻，引用前要先查證
找資料跟引用階段最容易出錯的地方，是 AI 有時候會生成看起來煞有其事、但實際上查無此文的參考書目或數據來源。任何要放進報告參考資料清單的項目，都要自己點進去確認真的存在、內容也對得上，才能引用。逢甲大學圖書館的頁面也整理了幾種查核原則，像是 AI Fact-Checking、SIFT、ROBOT，這些原本是美國大學圖書館用來教學生辨別資訊真偽的方法，拿來檢查 AI 生成內容一樣適用。引用前先自己查一次，總比報告交出去後才被抓到查無此文，要從容得多。
貨車能幫忙載重的家具，但打包時要放進哪些東西，決定的人還是自己。AI 聊天助手能幫你把找資料、列大綱、潤稿這些耗時的部分加速，但報告最後掛的是自己的名字，論點與內容的責任，還是要自己扛起來。