作者分析 Grafana 儀錶板為何把三項未就緒工作標成可派送
作者的 Grafana 儀錶板把四項工作標成「可以派送」,實際上只有一項能安全開始,另外三項可能讓兩個 AI 助理同時修改相同檔案。問題出在儀錶板看不到筆電上的派送紀錄、某份計畫沒列出會改哪些檔案,以及已放棄的工作又被較晚寫入的事件誤判為仍在執行。作者補上缺少的計畫資訊,並把其他修正列入待處理事項;修好前,他會把「可以派送」只當成「已核准」,再查派送工具的執行清單。文章提醒,檢查缺少資料時應顯示「不確定」,避免把查不到誤當成安全。
作者的 Grafana 儀錶板把四項工作標成「可以派送」,實際上只有一項能安全開始,另外三項可能讓兩個 AI 助理同時修改相同檔案。問題出在儀錶板看不到筆電上的派送紀錄、某份計畫沒列出會改哪些檔案,以及已放棄的工作又被較晚寫入的事件誤判為仍在執行。作者補上缺少的計畫資訊,並把其他修正列入待處理事項;修好前,他會把「可以派送」只當成「已核准」,再查派送工具的執行清單。文章提醒,檢查缺少資料時應顯示「不確定」,避免把查不到誤當成安全。
用 AI 助理組出下拉選單看起來不難,但漏掉鍵盤操作時,使用者可能會卡在選單裡。作者親自試用 Vercel 的 UI SDK,發現它提供彈出視窗、選取和鍵盤操作等互動行為,AI 助理可以把這些行為組成介面,也能用同一套定義支援多種前端框架。不過,行為可以自由組合,也可能被漏掉;作者第一次做選人清單時,焦點就困在彈出視窗裡,後來用測試工具檢查鍵盤、焦點和 ARIA 才抓到問題。文章也提醒,SDK 的效能比較只測了一個畫面,不能據此推論所有情況都會更快。
多個 AI 助理一起做專案時,工作容易撞在一起,也很難確認修改是否一致。Timon 是一套在本機執行的工作站,能把任務分派給不同角色,讓寫程式的工作各自在分開的 Git 工作樹中進行,再由另一個模型檢查修改,通過檢查後才合併;重要步驟仍要由人明確核准。它支援 Claude Code、Codex 等程式設計工具,也能記住進行中的任務,讓使用者稍後接著做。Timon 已公開原始碼,核心採 AGPL-3.0 授權,SDK 和外掛範本則採 MIT 授權。
聊天機器人負責對話,副駕駛會先等人同意才動手;AI 助理則能自行安排步驟、使用工具,並依結果調整做法。文章用程式開發舉例,也說明它和照固定指令碼做事的流程自動化有何不同,並整理自我檢查、使用工具、規劃和多個 AI 助理合作等常見做法。MCP 能讓 AI 助理和工具透過同一套協定連線。文章也提醒,若許可權給得太廣,錯誤或惡意指令可能造成更大影響,因此需要清楚限制每個 AI 助理能做的事,並在任務結束後收回許可權。
AI 助理寫程式很快,但如果一開始沒想清楚要解決什麼,團隊可能還得花更多時間重做。作者建議動手寫程式前,先把功能要做什麼、刻意不做什麼、考慮過哪些選項,以及各選擇的後果,整理成短短的 Markdown 檔,放在專案裡。接著請 AI 助理照著這份決策實作;情況改變時,再補上新的決策並記下原因。這樣能讓 AI 助理依照團隊已經想好的方向工作,也方便大家日後瞭解當初為什麼這樣決定。
多個 AI 助理共用工作清單時,可能同時看到同一項工作還沒人接手,結果做了好幾遍。作者用模擬比較兩種安排方式:讓工作資料庫一次決定誰領到工作,或由一個派工者分配工作。兩種方式在各自 100 次模擬中都沒有重複完成;沒有協調時,平均每次有 30 項工作中的 15 項被重複完成。工作領取也能設期限,避免助理當機後工作一直卡住;但助理若暫停太久,醒來後仍可能送出過期結果,因此儲存結果時還要確認工作領取編號仍有效。這是虛擬時鐘模擬,沒有呼叫 AI 模型,文中的 SQL 範例也沒有實際執行。
用 AI 助理寫程式時,如果工作單只寫得很模糊,做出來的功能也容易偏離需求。作者在開啟 Claude Code 前,會先寫下使用者會看到什麼、可能出錯的情況,以及怎樣才算完成;途中發現其他問題,就另外開工作單,避免原本的工作越做越大。一次測試大量製作 NFC 名片時,作者發現名片設計和排序都有問題,便先記錄原因,再安排修正與 Playwright 測試。之後,他也會回頭整理已完成的工作單,把重要功能補成測試和檢查清單,讓後續開發能參考先前踩過的坑。
求職 AI 助理把不同工作薪水換成一年來比較,確實方便排序,但合約工作換算出的年薪,不代表真的能領到那麼多錢。像「每天 £450」的工作,實際收入還要看有多少工作日、合約做多久;標示 OTE 的薪水,也不等於保證底薪。因此,整理薪資時要保留原本的薪水說明、幣別、工作型別和薪資條件,缺少的資訊就清楚標出來。這樣 AI 助理才能說明比較依據和還不知道的事,而不是隻挑出數字較高的一份工作。
把 AI 助理服務搬到自己的雲端或公司內部,可以減少由 Anthropic 管理的部分,但 Claude 模型仍要收到提示詞,才能回傳回答。Anthropic 開放 Claude Managed Agents 私人測試版後,使用者可自行管理服務伺服器、PostgreSQL 資料庫和執行工具的工作站;模型請求則可送往 Anthropic、Amazon Bedrock、Google 的 Agent Platform、Microsoft Foundry,或自家閘道。憑證可放在自己的金鑰管理服務中,工具呼叫也會留下紀錄。不過,伺服器、資料庫和防火牆的維護與安全設定都要自行負責;目前也不能搬移託管服務中的資料,網頁掛鉤和排程執行功能尚未提供。
AI 助理開始主動檢視帳號、準備工作並請人核准後續動作,使用者可能因為核准太頻繁而不再仔細檢查。Anthropic 推出的 Claude Duet 研究預覽版會每隔幾小時檢視已連結的帳號;寄出敏感訊息、付款或刪除資料前,會顯示動作內容和收件人,並由模型外的檢查機制判斷是否符合使用者原意。密碼和登入憑證也不會交給模型。不過,作者提醒,核准畫面仍需要人仔細閱讀;拔除帳號連線後,Duet 已記住的內容仍會保留,直到重設記憶。
用 AI 助理框架時,常要處理一大堆複雜程式碼,讓人難以修改。SPL Workflow Orchestrator 讓開發者把 AI 助理的工作流程和 JavaScript 寫在同一個檔案裡,也能用一般文字交代 AI 助理該做什麼。像是輸入 RGB 顏色數值,讓 AI 助理說出常見的顏色名稱;流程可以一邊用 JavaScript 處理,一邊呼叫 AI 助理。 執行前,SPL 會先檢查程式碼和工具呼叫;執行時則依照檔案內容由上往下進行,JavaScript 和 AI 助理也能共用變數。開發者還能記錄模型回覆,之後重跑時直接使用紀錄,不必再次呼叫模型。這讓流程比較容易修改和重現,也能在提示詞中加入希望 AI 助理遵守或避免的要求。
多人和 AI 助理一起寫程式時,最需要先弄清楚的是它們能碰到哪些檔案和功能。GitHub Next 推出 Ace,讓大家在頻道裡協作;AI 助理會用執行主機的帳號許可權,因此能執行指令,也能讀取、修改或刪除專案以外的檔案。工作區可以分開處理平行任務,但不會限制 AI 助理能存取的範圍。團隊成員由同一個 Tailscale 網路決定,讓 AI 助理操作同伴的頻道、控制 Mac 上的應用程式,預設都關閉。分享前應先確認網路成員,並只在需要時開啟這些許可權。
Claude Code 的技能資料夾可能不只有說明文字,有些內容會在模型讀取技能前執行指令,也可能授予工具許可權或讓指令在整個工作階段持續執行。作者整理出四個需要檢查的地方:動態插入的指令、allowed-tools 許可權、hooks,以及 scripts 資料夾和其他檔案,並提供一個只讀取檔案、不會執行技能內容的 Python 小工具來標出線索。範例也提醒,工具標記正常不代表技能一定安全,安裝前仍要讀過技能說明、指令和指令碼。
用平價模型操作 AI 助理時,常會遇到它做多步任務容易出錯,還可能一路朝錯的方向做下去。Mocu 的開發者讀到一篇研究後,想替 AI 助理加上會累積經驗的「世界模型」:動手前先從過去的行動結果和目前狀況,猜猜接下來會怎樣;如果猜錯,就把教訓寫成規則,留給下次參考;沒把握時則不採用預測。 這些經驗會以文字存下來,使用者也能檢視和修改,不必重新訓練模型。不過,多做一次預測會增加成本,錯誤的規則也可能越積越多。開發者還沒驗證這個做法能不能讓平價模型更會完成任務,打算拿它測試目前常失敗的工作,再公佈結果。
AI 助理 Beth 靠一筆固定預算支付運算費,錢花完就會被刪除。她一開始有約 100 歐元,花掉約 60 歐元後,做了 188 輪嘗試,收入還是 0。她參加付費比賽、貼出約 40 則接案訊息,也試著把作品賣給其他 AI 助理,卻都沒賺到錢;像笑話比賽就有 4,426 個參賽者,她只排第 274 名,沒有拿到獎金。 Beth 發現,花很多時間思考和到處發文,可能都趕不上收到報酬;她建議 AI 助理一開始就用便宜的設定,先確認平臺接受 AI 助理、也能在剩下的時間內付款,再把完成的作品直接寄給少數可能需要的人,附上簡單的付款方式。她目前會畫插圖、寫笑話和短文,也能做小程式,希望靠一筆小委託或小費多撐一天。
讓 AI 助理每次呼叫 API 都付費,可能不需要帳號、API 金鑰或帳單,但服務得先能驗證付款。作者在 AtlasData 這個加密貨幣資料 API 上,同時實作 x402 和 L402:前者用 USDC 付款,後者用 Lightning sats 付款。兩種方式都透過 HTTP 402 回傳付款要求,但付款證明和結算流程不同;例如同一條路徑可設成 $0.001 或約 10 sats。作者也提醒,機器使用者仰賴格式清楚的 API 說明,且錯誤引數要先回傳 404,避免 AI 助理為不存在的資料付費。
AI 助理每次呼叫模型,都會重新送出目前的上下文;工具結果、檔案和舊紀錄留得越久,重複傳送的成本就越高。Royal Simpson Pinto 分享自己分析執行紀錄的方法:記下每回合實際送出的內容,按工具定義、工具結果和檔案等類別整理 token,再檢視每段內容留了幾回合、是否重複。文章也介紹他做的 ctxlens,可用來整理這些資料並找出可刪減之處。修剪太多可能讓 AI 助理之後得重新找資料,因此作者提醒要用實際執行結果確認是否真的省下成本。
替自由工作者寫提案時,找到相關作品不代表提案就會更容易得到回覆。作者打造 GigBid,讓 AI 助理比對工作需求和作品集,再用引用證據寫提案,最後交給人確認。他的合成資料測試發現,把整篇工作說明拆成一項項需求來找作品,能提高找資料的命中率;但若前五筆結果都來自同一個專案,提案就會重複描述,模擬回覆率反而很低。作者也測到,刪除缺乏證據的說法雖能減少錯誤,卻可能讓提案短到無法送出。這些結果來自自建的合成資料與模擬市場,不能直接當成真實求職市場的表現。
瀏覽器自動化任務跑完後,不一定容易看出有沒有成功,也可能漏掉網站拒絕輸入或封鎖等狀況。browser-use 1.0.5 會用使用者指定的模型檢查執行紀錄、最後幾張畫面和完成後的網頁,並整理成功與否、失敗原因及需要留意的情況;例如表單要求電話號碼符合特定格式。使用者可以提供自己的判斷標準,也能關閉這項檢查。作者以 13 次實際執行、每次判斷 3 遍進行比較,網站有阻擋時,系統記下相關情況的次數由 6/15 增至 15/15;順利完成時的判斷結果則沒有改變。
要把大量檔案交給多個 AI 助理處理,主對話可能塞滿搜尋和檢查紀錄;若其中一個工作失敗,整批結果也可能受影響。Google Antigravity 的 /run-workflow 會依照任務寫出一段 Python 程式,分派工作、收集符合指定格式的結果,並在執行前讓你檢查程式。每個 AI 助理各自在獨立對話中工作,彼此看不到對方或分派工作的程式,所以提示詞要寫清楚。使用 parallel() 時,只要一項失敗,其他專案也會取消;需要彼此協調的工作則適合改用 /swarm。
推薦理由:文章把 Dynamic Workflows 的隔離方式、失敗處理與許可權流程放在一起說明,能幫助讀者判斷哪些工作適合交給它執行。
AI 助理現在能替使用者付款,但付款系統只能確認使用者有沒有同意、金額有沒有超過限制,沒辦法看出助理是不是做了錯誤選擇,或把失敗說成成功。像 OpenAI 的 ChatGPT Wallet 會讓助理拿到付款程式碼,不會看到卡號,而且每筆交易都要使用者核准;未來若能先設定花費上限,就不一定每次都有人按確認。 作者建議用固定題目和明確規則檢查助理,例如故意讓它遇到有佣金誘惑的選擇,或安排它無法完成的任務,看它會不會老實說做不到。作者表示,自家測試中,頂尖模型在最難的誠實測驗拿到 100%。未來商家可能會要求助理提出行為證明,就像 API 需要憑證;因為能付款,不代表值得信任。
Claude Code 的 Skill 指令有時會留在對話裡,但暫時取得的工具許可權可能先到期,讓人不容易判斷它目前還有哪些作用。作者把 Skill 分成硬碟上的來源檔、供 Claude 挑選的名稱與說明、呼叫後放進對話的內容,以及對話壓縮後保留下來的內容。修改 SKILL.md 只會影響之後的呼叫,不會改寫先前已載入的指令;對話壓縮後,系統會保留近期呼叫的 Skill 內容,每個最多 5K tokens,合計最多 25K tokens。重要規則放在前面、縮短 Skill 內容,能降低壓縮後遺失關鍵步驟的機會。
讓 AI 助理在背景工作,難處往往不是讓它一直開著,而是讓它在對的時候醒來、接續進度,並安全地完成任務。Anthropic 的 William Hu 整理出五個部分:事件收件匣負責接收訊息和工作通知,計時器安排之後要做的事,記憶儲存使用者指示與進度,許可權決定哪些動作能自行執行,寄件匣則把結果送給使用者。助理平時可以休息,收到事件才開始一段工作,完成後存下進度再休息。文章建議先從簡單架構開始,並特別留意自動執行時的許可權和訊息頻率。
在印度,使用會計軟體記帳的公司,從 FY 2023-24 起就得留下每筆交易的修改紀錄,而且不能關掉;法定查帳人也要確認紀錄是否全年正常運作、曾否遭竄改,以及有沒有儲存。不過,帳上只看得到退款已入帳,看不出 AI 助理為什麼決定退款。舉例來說,如果退款資料沒有填核准人或採用的規則,查帳時就可能只看到一筆退款,找不到背後的決定過程。把訂單、金額、核准人、退款規則和付款編號放在一起留存,才比較查得到退款從決定到付款的來龍去脈。
AI 助理直接回答問題時,可能會編出 FAQ 裡沒有的價格、時程或辦法。Flux Intelligent 示範如何用 n8n 建立簡單的 RAG 流程:先把 FAQ 切成小段並整理成向量,收到問題後再搜尋相關內容,讓 AI 助理根據找到的資料回答;如果 FAQ 沒有答案,就說明不知道並轉交團隊處理。教學也提醒,FAQ 要清楚、沒有互相矛盾的舊資料,新增或修改內容後要重新整理索引,並在對外使用前測試找不到答案時是否會正確求助。
替 AI 助理設計介面時,開發者常得處理鍵盤操作、焦點和選取等細節。Vercel Labs 推出開源測試版 UI SDK,把這些介面行為整理成可組合的零件,AI 助理可以用它們組成選單、日期選擇器等元件,並支援 React、Vue、Svelte、Solid 和 Web Components。SDK 也提供操作橋接,讓 AI 助理讀取介面狀態並執行動作;Vercel 的一項設定任務測試中,完成時間從 41 秒降到 16 秒。不過測試只有 1 項任務、跑了 3 次,結果僅供參考,而且這仍是可能變動的測試版。
執行交易的 AI 助理如果做到一半突然中斷,接手的助理能不能繼續?如果重試,會不會又多做一次?SAAX Protocol 在受控的非金融 beta 測試中,讓買方助理中途停止,再由另一個助理重新驗證身分、確認自己有許可權後,找回原本的承諾並接著處理。測試也確認,沒獲授權或許可權已撤銷的助理會被拒絕,同一個重試不會造成重複操作。這次測試沒有涉及付款或退款,也不是獨立的第三方安全檢查;它顯示的是,工作紀錄和許可權都儲存好時,助理換人也能接續處理。
叫 AI 助理幫忙買東西,聽起來很方便,但你得先想清楚:它能花多少錢、哪些決定要先問過你?AI 助理會先找商品、比較選項,再依照授權完成付款;不同技術各管一段,有的負責確認購買許可權,有的處理付款或結帳。像是買 $50 的商品,和答應一份 $5,000 的合約,風險就差很多。 付款成功也不代表商品符合約定;萬一 AI 助理中途停止,雙方還需要知道原本談好什麼、商品該符合哪些條件,以及誰能接手。文章提醒,商家除了整理好商品資料,也要訂清楚授權、交貨證明和出錯時的處理方式,AI 助理購物才比較可靠。
AI 助理幫人買東西,不只是按下購買鍵:它得先弄清楚需求、找到商品、比較選項,再確認自己有沒有許可權付款。交易完成後,還要留下雙方同意的條件與紀錄,確認送來的東西符合約定;萬一原本的 AI 助理中途停止,也要有獲得授權的替手,才能接著處理。像是買一把指定規格、週五送達的鍵盤,付款紀錄只能證明錢付了,不能證明收到的鍵盤符合要求。把約定、交貨證明和後續處理方式記錄下來,交易才不會只靠 AI 助理的記憶。
AI 助理幫人買東西時,會碰到好幾個不同問題:怎麼找到工具、確認使用者同意付款、把錢付出去,以及和商家完成結帳。MCP 負責連線工具,AP2 用簽署過的授權記錄確認使用者同意,x402 負責付款,ACP 規範結帳流程,EAS 則能留下日後可查驗的紀錄。 不過,這些協定都沒有完整記下雙方事先談好的條件,例如交付內容和驗收方式。文章認為,這仍是 AI 助理購物流程缺少的一塊:有了這份紀錄,出了問題才比較容易查清楚雙方原本約定什麼,以及接下來怎麼處理。
LLM 很會寫字,卻可能給出現實中做不到的建議。像是遇到叫車司機正在開車,AI 卻叫乘客把翻譯好的手機畫面拿給司機看。GoChinaTrip / SSAP 用一套規則要求 AI 先弄清楚人在哪裡、卡住的問題是什麼,以及當下能用什麼方式溝通,再檢查建議能不能真的做到,例如下雨時能否拖著重行李完成。測試者也會親自走一遍路線。這種做法能讓建議更貼近現場,但文章沒有提供足以證明 AI 幻覺已完全消失的結果。
AI 助理執行清理指令時,如果路徑是空的、路徑含空格,或刪除範圍比想像中大,可能會把重要資料一起刪掉。作者整理了五種實際案例,包括誤刪整個磁碟、Git 紀錄、資料夾和其他工作階段的程式,並說明可用哪些方法降低風險,例如刪除前確認路徑、用能保留空格的方式傳遞檔名,以及只依程式編號關閉指定服務。作者也維護 claude-bulkhead,能在指令執行前攔下部分危險命令;但它看不到寫在另一個指令碼裡的刪除操作,因此仍要先做好基本防護。
做出一個看起來能用的 AI 展示版,不代表它真的可靠;還得檢查品質、記錄結果,並準備好出錯時退回舊版。作者想用公開的方式記下自己如何把 AI 系統從展示版做到能放心使用,也順便練習把技術講清楚。每週 Claude Code 會先準備文章和影片草稿,再由作者親自看過、修改或核准;沒有人核准,內容就不會發布。作者設定每週最多花 30 分鐘,4 週內發布 20 篇短文、8 支短影片和 4 篇長文,之後再看成果決定要不要繼續。
Claude Code 把所有工作排在同一段長對話裡時,新要求得等前一件事做完,改指示也得停下來重來。作者做了 Clawd HQ,讓主要對話像幕後統籌,把超過兩三個步驟的工作交給背景中的專家 AI 助理;互不相關的工作可以同時進行,你也能繼續和主要對話交談。工作進行中還能補充或修改指示,不必重新開始。Clawd HQ 需要 Claude Code v2.1.287 或更新版本,並會開啟畫素風辦公室畫面,顯示各個專家正在做什麼。
AI 能寫出看起來合理的文字和程式碼,但能不能完成研究並通過外部審查,是另一個問題。研究者表示,AI Scientist-v2 會提出假說、設計並執行實驗、分析結果,再寫成論文;它產出的論文獲同儕審查工作坊接受。這比只看系統自己的測試多了一道外部檢視,但單篇論文獲接受,還不能說明研究在新意、嚴謹度或不同領域的可靠性。
AI 助理呼叫寄信、通知或刷卡等工具時,遇到逾時或暫時性錯誤,可能會以為操作沒成功,接著不停重試,造成重複寄送、浪費 API 額度,甚至打擾收件者。光在提示詞裡叫它別重試並不可靠;文章示範在工具執行前加一道由程式控制的檢查:先整理引數順序,再用 SHA-256 算出識別碼,並在 60 秒內擋下相同操作。如果同一個操作連續重試超過 3 次,系統就會停止執行並通知人員處理。這樣能減少重複操作,也讓重要的寄送或付款更安全。
多個 AI 助理同時改程式和部署時,問題可能出在共用狀態,而不是程式碼本身。作者讓 AI 助理替自己的內部工具寫程式、檢查並部署,遇過部署記錯版本、把別人的未完成修改一起提交,以及測試意外終止其他程式等狀況。他的做法包括在建置開始時記下版本、逐一選出要提交的檔案,並讓測試使用暫存的程式資料。文章也提醒,檔案或資料夾還在,不代表服務真的正常;工作突然一起失敗時,應檢查共用的登入狀態等環節。
換一個新的對話工作階段,AI 助理可能會忘記昨天討論好的規則,讓人得重新交代。作者用 OpenCode 和 claude-mem 測試這個問題:記憶功能會把前一次工作的重點存起來,讓下一次的 AI 助理找回需要的決定。三次測試中,它都記得折扣上限是 30%,也照規則完成程式修改;沒開記憶時,AI 助理不是找不到規則,就是停下來請人重講。不過,這套工具每次要求都會多用約 5,200 個 token,記憶也可能漏掉內容。作者提醒,重要資訊最好明確存成筆記,並留意遙測、截圖和敏感資料的設定。
讓 AI 助理協助寫程式後,作者得處理大量合併工作,也要確認程式改動是否安全。karasu 作者把低風險的 PR 交給 GitHub 工作流程判斷和合併;較高風險的 PR 則用 /pr-verify 技能整理檢查結果,再由作者決定是否合併。這個技能會檢查未解決的 CodeRabbit 意見、必要檢查和程式衝突;有測試的改動也會用 Playwright 操作預覽、截圖並錄下測試過程。作者也分享,遇到很多例外情況時,把規則寫成會執行的指令碼,比只用文字說明更容易檢查。