判準不是問題難不難，是有沒有標準化的驗收方式

要判斷一個問題能不能交給 LLM，看的不是它難不難、也不是模型強不強，而是：這個問題有沒有一個標準化的驗收方式，讓我事後能自己確認答案對不對。

兩個真實的對照

可以驗收的：

「C++ 的 string 跟 char 差在哪？char 可以用 + 來擴充嗎？」

C++ 是行之有年的語言設計，這題有絕對正確的答案。我現在不知道，但我問完之後如果懷疑，我可以自己去 search 查證。

不能驗收的：

「15 坪的房子對兩人一狗兩貓的生活空間會不會太小？」

這題沒有絕對正確的答案，我們沒有一個驗證標準。 它回答「不夠」，很可能是從大量資料裡歸納出「絕大部分人覺得不夠」——這不能說它錯，但也沒有任何東西能拿來對照。

兩個容易搞混的東西

• 驗證不必是當下的。 只要「我事後有辦法自己去查」就算可驗收。C++ 那題我當下不知道，但查得到；15 坪那題我查了也不會有答案。
• 可驗收 ≠ 簡單。 一個很難的數學證明是可驗收的，一個很簡單的「我該選哪個」不是。難度和可驗收性是兩個獨立的軸。

分出這兩類之後該怎麼做，是另一個決定——見 不可驗證的 AI 答案照問，但只當方向不當答案。

（C++ 那題的答案本身：C++ 的 char 本質是小整數。）