很多人說「AI 不靠譜」。同一套工具，有人來回改了五六次，最後還是自己重做；也有人把同一套工具用成可以反覆交件的工作方式。
差的通常不是提示詞漂不漂亮，也不是誰比較有天賦。差的是方法。AI 會把你原本的做法放大：材料清楚、驗收清楚的人，會越用越準；材料只留在腦子裡的人，會一直覺得它在猜。
下面把這種差別收成五步。前兩步是基礎，第三步省下你的注意力，第四步讓經驗留給下一次，第五步是前面做久之後才會出現的現象。
先看兩個公開例子，不要把它們當成績單
Claude Code 負責人 Boris Cherny 在 2026 年 1 月說，他個人超過兩個月沒有用手改程式，其中一天交了 22 個拉取請求、前一天 27 個，內容由 Claude 寫成。Fortune 報導了這段話，並寫明 Anthropic 發言人把全公司的比例放在大約七成到九成，不是每一個人都是百分之百。
Andrej Karpathy 寫的是另一種變化。2025 年 11 月，他大約八成自己寫、兩成交給程式代理；12 月反過來，大約八成交給代理、兩成自己改。他同時提醒：模型仍會犯概念上的錯，在意的程式要在旁邊看著。
這些例子說明，有人已經把 AI 用成工作系統。它們不證明交得出越多請求就越好，也沒有公布那些請求的缺陷率。學的是他們怎麼交件，不是學那個數字。
第一步：讓它看得到標準
常見情況是你只丟一句「幫我寫一下」，然後對著結果搖頭。這很像請一位很聰明的新人寫方案，你的取捨、團隊規矩、以前做過的決定、怎樣算做完，全在你腦子裡。他改不準，是因為他沒拿到判斷要用的材料。
對 AI 也一樣。讀不到的規定，等於不存在。
做這一步時，把三件事寫成它讀得到的短文件：
- 怎樣算做完，包含格式、對象、必須涵蓋的重點。
- 不能碰的邊界，例如不要編造出處、不要對外寄送、不要改正式環境。
- 你過去否決過的做法，以及否決的原因。
資料不是越多越好。該放的規格沒放、過期的討論全塞進去，結果就會偏。你要規定「做到什麼樣子算對」，而不是逐步遙控「先打開哪一個格子」。
第二步：出錯時，先判斷是哪一種錯
「感覺差不多」然後整段重試，像車子故障只會熄火重打。失敗至少可以先分成四種，修法不一樣。
| 你看到的現象 | 先做的事 |
|---|---|
| 它在編材料裡沒有的內容 | 把缺的文件或事實補上，並要求每個說法對到出處 |
| 寫到後面忘了前面的限制 | 縮短材料，或把任務拆開 |
| 整份都不是你要的那件事 | 重寫目標，刪掉互相矛盾的句子 |
| 資料補了仍一直做不穩 | 把任務縮小，或更換你被允許使用的工具 |
這張表是除錯用的分類。資料齊了，模型仍可能編造，所以它不是完整的因果說明。分得出類型之後，你就不必每次都只換一句提示詞。
若看得到它用了哪些資料、中間產出是什麼、哪一步失敗，問題會早一點露出來。只看最後一段答案，很難修。
第三步：把一整件事交出去
一問一答的時候，人一直坐在旁邊。看起來在用 AI 省時間，其實注意力一直被占著。
另一種做法是一次把目標、邊界、完成標準和可用資料交出去，讓它自己做、自己查、自己改。人在一整輪結束後再看。這個迴圈要寫出來，不會自動出現。你至少要寫三行：
- 這次的目標。
- 它如何檢查自己，例如每個說法是否都在你提供的材料裡。
- 檢查失敗就改，最多兩次；還不行就停下來，列出缺什麼。
同一類工作不要每次從零解釋。把通常怎麼拆、要先查什麼、常見的坑、怎樣算完成，寫成一份可重複使用的說明。剛開始限制可以密一點；做順之後，拿掉不再提高品質的限制。管太死是浪費它的能力，放太開是浪費你的時間。
第四步：把踩過的坑留成檔案
經驗若只留在某一次聊天裡，下個月同一個坑還會再踩，別人也無法沿用。
要留下，就要決定什麼資訊長期保留、什麼等做到那一步才載入、誰負責更新、下一次從哪裡讀。先放最關鍵的限制，細節稍後再補。一次把所有筆記倒進去，判斷會變不穩。
若你在做程式或專案，公開規格 AGENTS.md 就是放這類說明的一種方式：告訴程式代理這個專案怎麼做事。團隊裡已驗證過的原則、偏好和禁區，可以另外寫在一份記憶檔。那是檔案名稱，不是一個網站。
第五步：它開始依你的原則提出問題
前四步做穩之後，才有機會看到另一種現象：它不只把你交代的事做完，還指出你的決定和你自己寫下的原則互相矛盾，或提出你沒交代的方向。
這不是下一句神奇提示詞。前提是它掌握的背景夠清楚：你的判斷原則、過去的決定、反覆出現的取捨，而且這些是從真實工作裡提煉的，不是整包聊天紀錄。
走到這裡，問題會從「AI 靠不靠譜」變成：「它還缺哪一段我寫下來的原則，所以還不能幫我做這個判斷？」
這週就可以做的練習
挑一件你常請 AI 做的事。
- 用十行以內寫下讀者是誰、怎樣算做完、不能出現什麼。存成下次它讀得到的短文件。
- 結果不對時，對照上面四種錯，只改對應的那一項。
- 把這次的坑寫成三行：日期、發生了什麼、下次要先遵守的規則。下一次先給它讀這三行。
做完再問它：「依我寫下的原則，這個做法哪裡不一致？」若它只是稱讚你，通常是原則還沒寫清楚。
延伸閱讀
本文改寫自 Superlinear Academy 中的討論，數字與引言已對過上述公開報導。文中的產量故事用來說明方法，不用來當個人或團隊的績效目標。