他把阿嬤的菜單餵給 AI，結果跳出這道菜

他把這些補充說明、阿嬤生前的口述錄音轉成文字、還有家族群組裡長輩們七嘴八舌的回憶，全部整理成一份結構化的文件。然後，他打開電腦，把這份文件貼進了 AI 的對話框。

他下的指令很簡單：「這是我阿嬤的食譜與做菜筆記，請你閱讀之後，幫我整理出一份有系統的家族食譜，並且試著推論：如果阿嬤還在，她可能會怎麼變化這些菜？」

接下來發生的事，就是他完全沒預料到的了。

二、AI 跳出的那道菜：不是複製，而是有邏輯的創造

AI 沒有立刻給他答案。它先做了一件很「工程師」的事：把阿嬤的食譜分類。它把菜色分成「家常熱炒」「滷燉類」「湯品」「節慶菜」幾大類，然後開始分析每一類的共同邏輯。

例如它發現，阿嬤的滷肉一定會加糖，而且糖的比例不低，屬於「南部口味」的偏甜滷法；阿嬤的熱炒幾乎都會先爆香蒜頭與蔥白，顯示她習慣用「辛香料打底」的方式建立風味層次；阿嬤的湯品則很少使用高湯塊，多半是用排骨、雞骨架或蔬菜熬底。

然後，AI 根據這些邏輯，生成了一道菜。那道菜叫做「蒜香糖滷五花佐筍絲」。

阿凱說，他看到這個名字的第一反應是：「這什麼鬼？」但仔細看 AI 給出的做法，他越看越覺得熟悉。五花肉、蒜頭、醬油、糖、筍絲，這些都是阿嬤廚房裡一定會有的東西；先爆香蒜頭、再把肉煎到表面上色、然後下醬油與糖炒出醬色、加水滷到軟爛、最後放入筍絲吸湯汁，這個流程也完全是阿嬤的風格。

換句話說，AI 不是「發明」了一道全新的菜，而是把阿嬤食譜裡不同菜色的元素，重新組合了一遍。它把滷肉的醬汁邏輯、熱炒的爆香邏輯、還有阿嬤偶爾會加的筍絲，拼成了這道菜。

當模型讀懂「古早味」：重組與推理的過程

這背後的技術邏輯，其實不難理解。大型語言模型的本質，是一個超級強大的「模式辨識與生成」系統。它讀過大量的文字資料，學會了語言中的各種模式，包括食譜的寫法、烹飪的邏輯、食材的搭配關係。

當你餵給它一份家族食譜，它會做幾件事：

第一，建立風味地圖。它會分析這份食譜裡常用的食材、調味料、烹調方式，建立出一個「這個家庭的飲食偏好模型」。例如它會知道這個家庭偏甜、愛用蒜頭、常用醬油與米酒、很少用辣椒。

第二，找出結構規則。它會分析每一道菜的步驟順序，找出共同的烹飪邏輯。例如「先爆香再下主料」「先煎後滷」「最後才調味」等等。

第三，進行有根據的生成。當你要求它「推論阿嬤可能會怎麼變化菜色」時，它會根據前面建立的風味地圖與結構規則，去組合出新的可能性。這些可能性不是隨機的，而是有邏輯基礎的。

所以，那道「蒜香糖滷五花佐筍絲」其實不是 AI 憑空亂掰，而是它根據阿嬤的飲食習慣，做出的一個「合理推論」。它甚至還附上了說明：「這道菜的邏輯是延伸自阿嬤的滷肉與筍絲炒肉絲，將兩者的元素合併，並保留阿嬤偏甜的滷汁風格。」

那些 AI 學不會、也不想取代的事

不過，阿凱也坦言，那道菜「做出來之後，還是不一樣」。

他照著 AI 的食譜做了一次，味道不錯，但就是「不是阿嬤的味道」。他想了很久，得出一個結論：AI 可以分析食材、比例、步驟，但它沒有辦法分析「阿嬤站在爐子前的樣子」。

阿嬤滷肉的時候，會時不時掀開鍋蓋，用湯匙舀一點滷汁起來，吹涼，嘗一口，然後喃喃自語：「今天醬油好像放太多了。」那個「今天」，指的是當天的氣溫、濕度、醬油品牌的差異、甚至是她當天的心情。這些變數，AI 抓不到，因為它們從來沒有被寫下來，也無法被寫下來。

阿嬤炒青菜的時候，會用手去感受鍋子的溫度，而不是看計時器。她會說「鍋子還不夠熱」，然後再多等三十秒。那個三十秒，是她幾十年經驗累積出來的直覺，不是任何數據可以取代的。

所以，AI 做出來的菜，可以「很像」，但不會「就是」。這一點，阿凱看得很開。他說：「AI 不是要取代阿嬤，它是要幫我記得阿嬤。」

三、從一道菜看見的 AI 趨勢：飲食文化的數位保存運動

阿凱的故事，其實不是個案。這幾年，把食譜、飲食記憶、家族味道數位化，再交給 AI 處理，正在成為一個越來越明顯的趨勢。

這背後有幾個推力。第一，是高齡化社會來臨，很多「阿嬤的味道」正面臨失傳的危機。第二，是 AI 工具門檻大幅降低，現在任何人只要會打字，就能用 AI 做這種事。第三，是大家開始意識到，飲食不只是吃飽，它是一種文化記憶，值得被好好保存。

食譜數位化，正在成為下一片藍海

從產業角度來看，這其實是一個正在成形的市場。

過去幾年，市面上出現了不少「食譜 App」與「料理平台」，但它們多半是提供標準化食譜，很少有針對「家族食譜」的服務。現在，隨著 AI 技術成熟，開始有新創團隊投入「個人化飲食記憶保存」這個領域。他們提供的服務，不只是幫你把食譜數位化，還包括幫你建立家族風味模型、生成個人化的料理建議、甚至做成一本可以傳承的「家族食譜書」。

更有趣的是，這個趨勢也開始影響餐飲業。有些餐廳開始把老師傅的經驗數位化，建立「風味資料庫」，用來訓練新進廚師，或是開發新菜色。有些食品業者則是把傳統古早味數位化，做成調理包或冷凍食品，讓更多人能吃到「接近媽媽味道」的料理。

從這個角度來看，阿凱做的事，其實是站在一個更大的趨勢浪頭上。

AI 成為家族記憶的傳承者，還是終結者？

不過，這個趨勢也引來一些反思。

有人擔心，當我們把食譜交給 AI，會不會反而讓「做菜」這件事變得更疏離？以前，阿嬤會帶著孫子一起在廚房裡揉麵糰、切菜、試味道，那些過程本身就是一種傳承。現在，如果一切都交給 AI，人與人之間的互動會不會變少？

也有人擔心，AI 生成的食譜，會不會讓「古早味」變成一種被標準化的商品？原本每個家庭都有自己的版本，現在會不會被 AI 統一成一種「平均值」？

這些擔心都有道理。但我認為，關鍵在於我們怎麼使用 AI。

如果我們把 AI 當成「取代者」，那確實可能讓傳承變得更淡。但如果我們把 AI 當成「輔助者」，它反而可以幫助我們把那些原本會消失的東西保留下來，甚至創造新的互動方式。例如，阿凱後來就把 AI 生成的食譜拿給家人看，大家一起討論「這道菜像不像阿嬤會做的」，反而變成家族聚會的新話題。

AI 不會取代阿嬤，也不會取代廚房裡的人情味。它只是一個工具，幫我們把記憶留下來，把味道傳下去。

四、實務指南：把你家的阿嬤菜單餵給 AI 的正確姿勢

如果你也想試試看，把家里的阿嬤菜單餵給 AI，這裡有幾個實務建議。

第一步：數位化與結構化

首先，你得把食譜變成 AI 看得懂的格式。這一步很重要，因為 AI 的輸出品質，很大程度取決於你餵給它的素材品質。

建議的做法是：把每一道菜分開整理，列出「菜名」「材料」「調味料」「步驟」「備註」幾個欄位。對於那些模糊的描述，盡量補上你的觀察與長輩的口述記憶。例如「少許」可以補上「大約一小匙」或「阿嬤都用手抓一把」。這些補充說明，會讓 AI 更容易理解。

如果你有阿嬤口述的錄音，可以轉成文字，一併放進去。那些口述裡常常藏著書面食譜沒有的細節，例如「滷的時候要開小火，不然會燒焦」「炒青菜要大火，鍋子要夠熱」，這些都是珍貴的資訊。

第二步：選擇對的工具與提示詞

工具方面，現在市面上有很多大型語言模型可以使用，你可以選擇自己習慣的。重點是提示詞要下得清楚。

建議的提示詞結構可以這樣寫：

「這是我阿嬤的食譜與做菜筆記，請你閱讀之後，幫我完成以下任務：第一，整理出一份有系統的家族食譜；第二，分析這些菜色的共同風味特徵；第三，根據這些特徵，推論阿嬤可能會怎麼變化這些菜，並生成三道新菜色。」

提示詞越具體，AI 的輸出就越能符合你的需求。

第三步：驗證、調整與共創

AI 生成的內容，不要照單全收。你要做的，是把它當成一個「起點」，然後加入你自己的判斷與調整。

例如 AI 生成了一道菜，你可以先看看它的邏輯合不合理，再實際做一次，嘗嘗味道，然後根據自己的感覺調整。你也可以把 AI 的輸出拿給家人看，大家一起討論，這個過程本身就是一種家族互動。

記住，AI 不是要給你一個「標準答案」，它是要給你一個「討論的起點」。

五、結語：AI 炒不出阿嬤的味道，但能留住那份想念

回到阿凱的故事。那道「蒜香糖滷五花佐筍絲」，後來變成了他們家聚餐的固定菜色。每次做的時候，阿凱都會想起阿嬤，想起她在廚房裡忙碌的身影，想起她掀開鍋蓋試味道的樣子。

他說，AI 幫他做的最重要一件事，不是生成了一道新菜，而是讓他重新回去讀阿嬤的食譜、重新回憶那些細節、重新把家人聚在一起討論「阿嬤以前都怎麼做」。那個過程，比任何一道菜都珍貴。

AI 炒不出阿嬤的味道，這一點無庸置疑。但它可以幫我們把那份想念留下來，把那些原本會隨著時間消失的記憶，變成一份可以被閱讀、被討論、被傳承的文件。

這或許就是 AI 最溫暖的應用方式之一：它不是要取代人，而是要幫人記得。

所以，如果你家裡也有一本被油煙熏黑的食譜、一些寫在紙條上的配方、或是長輩口耳相傳的做菜秘訣，不妨試試看，把它們整理起來，餵給 AI。也許它會跳出一道你從來沒吃過、卻又隱約感覺熟悉的菜。而那道菜，可能就會成為你們家下一代的「古早味」。

誰說 AI 只能寫程式、做報表？它也可以，幫你記得阿嬤。

🏠 返回首頁