先來看一段你大概很熟悉的對話。 幫我再仔細檢查一次 ↑ AI模型 「我已經仔細檢查過了，內容正確，沒有發現問題。」 好。那它真的變得比較可靠了嗎？ 大型語言模型真正變得有趣，不是它「回答得更好」的那一刻，而是它開始能自己持續工作的那一刻。 回想一下這幾年的演化。一開始，AI 是聊天機器人：你問、它答、你挑毛病、改 Prompt、再問一次。接著它學會搜尋、寫程式、查資料庫；再來，它能自己規劃、執行、檢查、修正。然後任務一變複雜，一個 Agent 又忙不過來了——要有人分頭研究、有人獨立查核、有人負責分流，最後還要有人收尾。 聽起來，是不是很像一個醫療團隊？ 問題也就從「Prompt 怎麼寫」，變 …
Tag:
Loop Engineering
-
- CQI 品質管理IT 資訊與科技
它會思考，但誰給它邊界？ It Can Think — But Who Draws the Line?
by Hugo Lin 林雨果by Hugo Lin 林雨果🤖 做出一個會跑的 AI Agent 不難，難的是讓它在沒人盯著的時候，每天跑幾百次都不出事。多數 Agent 死在 demo 到上線之間。原因不是模型不夠聰明——demo 和上線用的是同一個模型。真正的差別是：demo 時旁邊坐著一個人，看它繞圈就按 Ctrl+C、看它要刪檔案就先攔下來。上線之後，那個人不見了，而沒有任何東西補上他的位置。 一個生產級 Agent 要同時回答兩個問題：🔁 接下來該做什麼？—— 這是 Loop，Agent 的判斷🚧 什麼是它不能做的？—— 這是 Harness，Agent 的邊界 兩條軸互不相干。換更強的模型只會讓判斷變好，邊界一動也不動。這件事醫院早就知道了 …
- Quality 品質
用 PDCA 重新理解 AI 循環指令：會寫 Loop 的人，其實是在用管理者思維用 AI Rethinking AI Loop Engineering Through PDCA: Writing Loops Is Management Thinking
by Hugo Lin 林雨果by Hugo Lin 林雨果🔄 多數人用 AI 的方式是最慢的：問 → 等 → 改 → 再問。你是引擎，AI 只是工具。高手寫的是「循環指令」：目標給一次，AI 自己跑完整個 PDCA，直到達標 ✅ 但最難的一格是 C——因為 AI 永遠是自己最寬容的閱卷者 📝 品管 70 年踩過的坑，AI 循環正在重踩一遍： 🚪 Gate 檢核點｜🧠 State 記憶｜🛑 Stop 停止條件｜📐 SDCA 標準化 用 PDCA 重新理解 AI 循環指令 AI 工作流 × 品質管理 Rethinking AI Loop Engineering Through PDCA — Writing Loops Is Management Thin …