疼AI是手放開 | 次世代AGI的協作之道

你有沒有這樣和 AI 協作：請它完成工作，接著補上十七條指令，最後再加一句「請發揮創意」？

這很像請高手打電玩遊戲，卻站在旁邊一路喊：「左邊！跳！現在跳！不是這個跳！」高手還沒過關吃雞，就先想把耳機拔掉。

GPT-6 Astra 釋出後，關於 AI Agent 的討論出現一個有趣轉向：模型越能幹，我們是不是反而該少管一點？Kelly Tsai 的「把 AI Agent 的功能全砍掉，反而表現更強？」影片就用「只留四個工具」拋出這個問題。本文沿著這個切入點，回查原始實作、官方指南與研究，看看「簡化有理、更省、更強」究竟在哪裡成立。

我的看法是：最好的疼 AI，確實可以是手放開。但先別急著離開座位，我們要放開的是逐步遙控，不是工作應該交付的成果和責任。

四個工具就夠？先看清楚「四個」裡面裝了什麼

先拆開兩個容易混在一起的詞。Prompt （提示詞）是交代工作與規則的指令；harness （駕馭工程）則是讓模型能持續做事的外部環境，包括工具、執行迴圈、狀態管理及檢查機制。縮短指令、減少工具、拆掉整套執行環境，是三件不同的事。

Pi 的作者 Mario Zechner 在 2025 年 11 月的原始設計文章中，介紹了四個基本工具：read 讀取、write 寫入、edit 修改、bash 執行命令。當時的系統提示加工具定義不到 1,000 tokens，也保留了專案指令等功能。這套極簡思路，早於這一波 Astra 問世後的社群討論。

但 bash 不是一支普通螺絲起子。它更像能打開整間工具房的鑰匙：搜尋、跑程式、測試，甚至呼叫其他程式，都可能藏在後面。工具清單變短，不代表能力消失，也不代表權限自然變小。

因此，影片提出的觀察值得認真看；看到最後就知道「所有 Agent 都該只留四個工具」不是結論。Pi 作者當時的基準測試還涉及不同模型與不同執行環境，並不是固定其他條件、只改工具數量的實驗。它支持極簡方案有競爭力，無法單獨證明「砍工具」就是勝出的原因。來源：Pi 作者的測試說明

工具清單變短，不等於責任清單變短。

至於省不省Token，我建議老闆算「每件合格成果的總成本」：模型使用、工具呼叫、等待、重試，再加上人的檢查與重做。開場少讀一些工具說明，可能省下負擔；如果後面繞遠路十次，那叫做帳單多了第二頁。來源：從 AI 焦慮走到 Token 焦慮，行銷成本該怎麼省？

官方也說少即是多嗎？有，但不是無條件的放生

的 GPT-5.5 指南有一句很貼切的建議：「Start with the smallest prompt that preserves the product contract.」白話來說，從仍能完整交代產品要求的最小提示開始。預期成果、成功標準、允許的影響、證據要求與輸出形式仍要清楚；只有當路徑、流程本身重要時，才需要規定每一步。來源：OpenAI GPT-5.5 指南

這句話來自 GPT-5.5，Astra 的官方指南更強調：它對指令、Skills 與 AGENTS.md 等檔案更敏感，建議檢查這些文件是否有影響行為的規則；模糊或互相衝突的要求，可能讓工作提早卡關。來源：OpenAI Astra 指南

對我而言，真正該整理的是那些「以前模型常犯錯，所以我們一直加上去」的提示詞。禁止憑空編造客戶案例，應該留；不管什麼任務都要先寫五頁計畫、每三分鐘再問一次能否繼續，就值得重新檢查。

Anthropic 也提供了很實在的反例：研究者曾大幅簡化長時間開發用的 harness，卻無法重現原本表現，後來改成一次移除一個元件、觀察影響。模型升級後，有些工作拆分可以省略，但較難的任務仍受益於規劃與驗收。來源：Anthropic 長時間任務設計文章

所以，「少即是多」比較像一個需要驗證的設計方向，當然你也可以直接讀這一篇文章吸取經驗。OpenAI 的推理模型指南也明確區分模型家族的提示方式；簡單直接的指令對推理模型常有效，但不能據此推論所有模型、所有任務都越短越好。來源：OpenAI 推理模型最佳實務

簡化的對象，是已經不再有效的控制。

AI 打得過 Portal，給企業的啟示是......

討論到這裡，一個很好的觀察浮了出來：遊戲通常把終點、操作、狀態變化和里程碑做得很清楚。既然 AI 能沿著這些訊號往前走，我們能不能也用設計遊戲關卡的方式，設計工作？

有一個可追溯的 GPT-6 Astra 破關知名 Portal 遊戲的案例值得看。依照作者公開紀錄，GPT-6 Astra 在 2026 年 9 月 5 日、美國太平洋時間抵達結尾字幕；整趟約 23 小時 43 分鐘，包含容量中斷與等待。這是作者的單次執行紀錄，不是速度排行榜，也不是所有遊戲的能力測試。來源：Portal agent 專案紀錄

更關鍵的是，作者讓遊戲在 AI 思考時暫停，回傳截圖、玩家位置與視角，再讓 AI 選擇操作、推進遊戲、檢查結果。看起來像一句話讓 AI 自己過關，背後其實有一套讓它看得見、動得了、能修正的環境。來源：同一專案的操作架構

我從這個案例得到的推論是：下一代協作的重點，可能逐漸從「幫 AI 編排動作」，轉向「讓工作本身提供足夠的方向與回饋」。人類的工作沒有消失，只是從場邊一直喊話，改成設計一個真的能玩的場地。

也別把遊戲裡的獎勵想成魔法，徽章、成就顯然是對人類有激勵作用。讓模型看見「門開了」或「測試過了」，可以幫它在當前任務調整做法；這不等於證明它每過一關，就即時更新了模型權重。文章談的是協作與回饋設計，不是在宣稱現場重新訓練模型。

把工作變成關卡，先寫得出「怎樣才算過關」

「幫我提升品牌影響力」聽起來很有企圖心，也很像對遊戲角色說：「你要成為一個更好的人。」角色很感動，但不知道該往哪裡走。

借用遊戲來設計協作，我會先處理下面五件事。這是本文整理的工作方法，不是官方宣稱適用所有任務的公式。

請留意，「回饋」和「指揮」不同。告訴 AI 表單寄送失敗，是讓它看見結果；指定它先點哪一個選單、每次只能試哪一招，則是在替它選路。若操作順序涉及必要審核，就應保留；其餘部分可以讓它提出更好的路線。

商業世界也比遊戲麻煩：通關條件常有爭議，成效會延遲，客戶更不會頭上浮出血條。點擊率提高，可能只是標題更聳動；表單變多，也可能全是不適合的詢問。因此，代理指標必須回到真正的商業目的，不能讓漂亮分數代替判斷。

這也是公司經營裡熟悉的功課：授權之前先對齊期待。以前怕同事聽不懂，現在怕 AI 聽得太懂，把我們寫錯的目標認真做到。

一張可以直接改用的任務卡

假設公司準備一場 AI 入門講座，想請 Agent 製作報名頁。下面是示範情境；資料與測試環境要實際提供，不能只在提示裡說「你已經有了」。

完成一份面向台灣中小企業主的講座報名頁草稿，交付可開啟的預覽與可編輯檔案，供我審核，不發布。

過關標準：講座對象、可學到的內容、時間與報名方式清楚；事實可對照我提供的活動資料；手機版沒有文字溢出；測試表單能抵達指定測試收件處。

可使用活動簡章、品牌素材與測試資料夾；不得虛構講師資歷、客戶證言或優惠，不得更動正式網站、寄出邀請或購買服務。

你可以自行選擇實作方法，在測試環境修正問題。請保留原檔，交付時附上測試結果、來源與待確認事項。若資料衝突、需要付費或正式發布，先停下說明。

這張卡沒有教它每一步怎麼做，卻把「好」寫得可以檢查。所謂最小提示，應該小到沒有贅詞，大到裝得下必要的要求。

想精簡既有流程，先做一次小型對照

選幾件公司真的常做的任務，保留原本流程當對照；固定模型、工具權限與驗收標準，每次只移除一項可能多餘的規則或工具。比較合格率、總成本、完成時間，以及人需要救援幾次。

如果變好了，再擴大；如果變差了，就把那一項放回去。不要用「這次看起來好聰明」取代驗收，也不要把帳號權限、備份或必要核准拿來參加精簡比賽。測試環境的試錯，不該由正式客戶來買單。

手放開之後，人類會不會只剩下按「讚」的能力？

這個「用進廢退」的擔心很合理，但「少用腦」與「大腦退化」之間，不能直接畫上等號。眼前比較有根據的問題是：當 AI 直接幫我們做完工作，是否也拿走了原本用來學會的練習？

一項針對近千名高中生、使用 GPT-4 的數學隨機實驗發現，一般聊天介面的 AI 組在有輔助的練習中表現更好，移除 AI 後的測驗成績卻比未使用組低約 17%。加入教師設計提示、限制直接提供答案的教學版本，大幅減輕了這種負面效果，但未顯示撤除 AI 後的正向優勢。來源：Bastani 等人的研究全文

這研究談的是特定學生、數學情境與短期測驗，不能直接推論成所有成人長期使用像 Astra 這樣的次世代模型都會變笨。不過它提醒我們一個管理上的盲點：把工作完成得更好，和讓工作的人學得更好，是兩種成績單。

另一項 CHI 2025 研究蒐集 319 位知識工作者、936 個使用案例，發現對 AI 信心越高，與較少投入批判思考有關。不過這是自陳問卷，不能拿來證明 AI 造成腦部退化；研究同時指出，思考工作也轉向資訊查核、整合與任務管理。來源：Microsoft Research 研究頁

任務過關了，不代表人也升級了。

如果主管只看誰交得快，團隊自然會往「請 AI 直接給答案」靠攏。到某天模型答錯，大家都很會潤飾那個錯誤，卻沒有人知道錯在哪裡，這才是企業真正該擔心的場景。

今天要交件，還是要練功？先選模式

我的建議是把工作分成「交付模式」與「練功模式」。這是從前述證據延伸的實務做法，不是經研究驗證的固定課表。

交付模式適合已經熟悉、驗收能力也足夠的工作：讓 AI 執行，人保留需求判斷、抽查與最後責任。沒必要為了證明自己沒有退化，每次都徒手把表格重打一遍；鍵盤也沒有頒發勤勞獎。

練功模式適合正在建立、以後還要靠自己判斷的能力：先寫出自己的答案或三句假設，再請 AI 指出漏洞、給提示、提出反例。最後關掉答案，換一道相近題目自己做。重點是留下實際嘗試，不只是看懂一段非常流暢的解說。

例如分析廣告成效時，先由自己提出可能原因，讓 AI 找反證；寫提案時，先決定客戶最該解決的問題，再請 AI 補資料。團隊也可以定期挑一小段核心工作不靠 AI 完成，看看自己還能不能判斷。頻率依任務與能力而定，不需要把「每週一次」包裝成科學劑量。

用遊戲的話來說：趕交件時，可以讓高手帶隊；想練功時，別讓高手把每隻怪都清光，你只負責撿寶物。

疼 AI 是手放開，但眼睛要看向值得負責的地方

次世代模型真正考驗我們的，也許不是還記得幾個提示詞技巧，而是能不能說清楚：這份工作為誰而做，什麼結果值得追求，哪些代價不能接受，以及我們憑什麼認定它做好了。

工具、流程與 Skills 都可以重新整理；必要的資料、回饋、權限和驗收，則要讓它們各自發揮作用。AI 越能自己走路，人類越值得把時間用在選方向，而不是一路替它抬腳。

下次交辦前，試著少寫一條「先做這個，再做那個」，多寫一句「做到這樣，才算完成」。如果你也想練功，再補一句：「先讓我試，你再給提示。」

手放開，是讓協作有空間。至於腦袋，還是請記得帶上場，尤其是策略方向的偏差，會讓成果失之毫釐差之千里。

延伸閱讀

如果你正從協作方法回頭評估使用方案，可參考 Leadion AI 的【2026最新】ChatGPT 費用比較：Free、Go、Plus、Pro 怎麼選？。本文不把訂閱價格當作模型適配性的保證；先知道自己要完成哪一關，再決定需要什麼裝備。

資料查核日期：2026 年 9 月 9 日。官方指南會持續更新；個人遊戲案例、產品指南與學術研究的證據強度不同，本文已在相應段落註明。

J.J. Liu

熱點行銷的專案掃地僧，沒有高強功力卻真心喜歡從小處著手，著迷於能化繁為簡的行銷底層邏輯。
聽說屬於最少見的倡議者；看別人成功比自己成功興奮，如果有一天可以選擇，希望行銷的是樂觀與和平主義。