AI Workflow · Technical Notes
AI 真正的價值，不只是替你完成一個小步驟，而是理解上下文、串起工具、推進工作流，讓人回到定義問題、判斷質量和承擔決策的位置。
很多人第一次使用 AI 時，會把它當成一個更快的工具：翻譯一段文字、生成一張圖、改寫一條訊息、整理一個表格。這些場景很有用，但它們只是在替單個步驟加速。
問題在於，當工具變多、速度變快，人反而可能更忙。每個步驟都需要人切換工具、補充指令、複製結果、判斷下一步。AI 做得越快，人越容易變成工具之間的調度員。
Agent 思維要解決的不是「讓一個步驟快一點」，而是「讓一段工作自己向前走」。這需要把 AI 從工具升級為能理解目標、調用工具、觀察結果並持續推進的工作單元。
把 AI 當工具時，人會問很多小問題：幫我翻譯、幫我配圖、幫我寫一段文案。把 AI 當 Agent 時，人要問更大的問題：這個工作要達到甚麼結果？有哪些資料源？哪些步驟可以自動推進？哪些節點必須人來審核？
這個轉變很像從「自己拿工具做事」變成「管理一個可調度的團隊」。你不再逐步指揮每個小動作，而是定義目標、給出上下文、設計邊界，讓 Agent 在邊界內完成中間過程。
關鍵不是把控制權完全交出去，而是把控制方式升級。人仍然控制方向、風險和判斷，只是不再把時間消耗在每個可重複的小步驟上。
如果重複性知識工作被模型加速，人的價值就不應繼續停留在搬運資料、套格式和重複生成草稿上。更高價值的工作通常集中在四件事：
換句話說，AI 越能做中間過程，人越應該往前站到問題定義，往後站到質量判斷與價值交付。
AI 能不能承擔更完整的工作，取決於它是否理解足夠多的上下文。只給一句短指令，它只能完成一個孤立動作；給它目標、資料、偏好、歷史決策和驗收標準，它才有機會推進一段流程。
上下文不是越多越好，而是要可查找、可引用、可驗證。高質量上下文通常包括：
很多時候，AI 表現不好不是因為模型完全沒有能力，而是因為它不知道大局，也不知道怎樣判斷甚麼才算好。
Skill 解決的是「一類步驟怎樣做」。Workflow 解決的是「一段工作怎樣從開始走到完成」。當 Skill 足夠多，真正的瓶頸會從「有沒有工具」變成「能不能把工具串成穩定流程」。
設計 workflow 時，可以先拆出三類節點：
好的 workflow 不是讓 AI 什麼都做，而是讓 AI 在合適的位置自動推進，並在需要人類判斷時停下來。
以策略、研究或創意類工作為例，一段常見流程可以拆成：
AI 在前四步往往能大幅加速，但第五步仍然是人的價值核心：判斷哪些內容真正重要，哪些地方需要反直覺的創意，哪些輸出不能直接交付。
Agent 工作流需要清楚邊界。沒有邊界，AI 可能過度執行；邊界太窄，又只能做小工具。實務上，可以用以下原則設計分工：
這樣設計後，人不是被 AI 取代，而是從低價值的機械環節中抽離，回到更適合人的工作位置。
使用 AI 的下一階段，不只是會問 prompt，而是能把自己的工作抽象成可重複的流程。這需要每個實踐者成為 builder：能看見流程、描述流程、改造流程，並讓 AI 在流程中發揮作用。
Builder 不一定要先成為工程師。更重要的是能回答以下問題：
當這些問題被回答清楚，技術實現就有了方向，AI 也不再只是零散工具。
最重要的轉變是：不要成為更多 AI 工具的操作者，而要成為 Agent 工作流的設計者。工具越強，越需要人把問題問大、把邊界畫清、把價值判斷做好。