讓 AI 守契約，而不是守夜

Faros AI 追蹤了 1,255 個工程團隊、一萬多名工程師。日常開發大量用 AI 輔助的團隊，完成的任務多了 21%，合併的改動多了 98%，可是審核時間也多了 91%，公司層級的成果幾乎沒動（報告）。

AI 越快，事情越往人身上堆。

我的 AI 團隊也走到這一步。白天的產出拉上來了，每件事最後還是要等我看、等我決定。團隊一天能做多少，取決於我一天在幾個小時。

要再往上，我多待幾個小時沒有用。團隊得在我不在的時候，自己把事情做完。風險、價值、成本，三件事還是握在我手上。

放手的第一週

我開始讓團隊在我下班後自己做事。

有一天早上，事情做完了，團隊還順手做了幾件我沒交代的，改到不該碰的檔案。另一天早上，檢查全部通過，做出來的東西卻不能用。第三天，它整晚困在一個只有人能回答的問題上。能回答的只有我，但那時我無法即時給予回應。

每天早上都一樣，晚上做的事全部回到我這裡。我先花半小時把昨晚發生什麼讀回來，再自己全部檢查一遍，才敢決定要不要採用任何一個改動。

三種失敗，剛好就是那三件事。改到不該碰的，是風險；做完不能用，是價值；錢花出去卻換不到進度，是成本。

風險、價值、成本

讓 AI 自己動手做事，業界叫 AI 代理。Gartner 預估，到 2027 年底，超過四成的 AI 代理專案會被取消，原因有三個：風險控管不足、價值說不清楚、成本失控（報導）。

同一份預測還說，到 2028 年，至少 15% 的日常工作決策會由 AI 代理自己做，2024 年幾乎是零。而號稱做 AI 代理的廠商有好幾千家，Gartner 認為真的做得到的，大約只有 130 家。

決策會一路往 AI 身上移。主管要想的，是哪些決定可以放給它，放了之後怎麼知道沒出事，出了事，錢和損害停在哪裡。

現階段，日常工作的實作，已經 100% 由 AI 代理完成。接下來，讓 AI 代理在決策上的有效佔比提高，並且讓這 100% 的實作產能，成為一條可被完全信任的流水線。

一個月的實測

九月，我名下所有專案平均每天合併 7.5 張合併請求；十月前 20 天，每天 33 張，增加了 339%。Faros 那份報告裡，大量用 AI 輔助的開發團隊，多完成了 21% 的任務。

點一下放大 每週合併量：我名下所有專案，九月每週 36 到 85 張，十月第一週 306 張、第二週 219 張，多出來的大多在上班時間外

點一下放大 每天的合併量：九月每天多在 0 到 30 張，十月起明顯變深，10/11 單日 168 張

增加的部分大多在我不在的時候。10 月 5 日到 18 日這兩週的 525 張裡，291 張落在早上 9 點前或晚上 6 點後，另外 106 張在週末和假日的白天，合計 397 張，佔 76%。

點一下放大 一天 24 小時的產能：10/5～10/18 共 525 張合併請求，291 張在早上 9 點前或晚上 6 點後

程式只是看得到的那一段。十月我把 SRE 和文件整理也放手交給團隊，後半夜它自己修基建、自己寫維運紀錄。這些工作不會出現在合併列車裡，用工作紀錄來算，九月每天 1.5 份，十月每天 18.6 份。疊在程式上，九月每天 9.0 項，十月每天 51.5 項，整體增加了 474%。

點一下放大 每天的總產出：九月每天 9.0 項（程式 7.5、程式以外 1.5），十月每天 51.5 項（程式 32.9、程式以外 18.6），增加 474%

日常工作的實作，我們早就 100% 交給 AI 代理。可是只做到這一步，天花板很低：上班族用生成式 AI，平均省下 5.4% 的工時（聖路易聯準銀行）；客服用 AI 輔助，每小時多解決 14% 的問題（NBER）；工程師用 AI 寫程式，多完成 21% 的任務。這些都是 AI 幫忙、人做決定。九月的我們也一樣，AI 動手，每一個決定還是等我。

十月，決策也交出去了。394 筆決策裡，248 筆由 AI 自己決定、事後寫進紀錄，佔 63%；再加上等我決定、AI 先照保守做法進行、到現在沒被推翻的，有效決策共 344 筆，佔 87%，九月是 0。產能從這裡換了一個維度：每天的總產出增加了 474%，而這個起點，是實作早就交給 AI 的九月。

點一下放大 誰在做決定：九月全部等我決定；十月 394 筆決策裡，AI 自己決定 63%、我決定 9%、等我決定 28%；事後被我改掉的留在原本那一段標成紅色；沒被改掉的拉出來，有效決策 344 筆，佔 87%

點一下放大 實作之外，再交出決策：有效決策的佔比從九月 0% 到十月 87%，每天的總產出從 9.0 項到 51.5 項

背後的體系

數字證明了產能。要讓這些產能值得信任，風險、價值、成本三件事，各由一套機制管住。

點一下放大 三個問題，三套機制：風險控管不足對應分層授權，價值說不清楚對應自動把關，成本失控對應預算控管

分層授權

AI 團隊依權責分成四層：決策、統籌、執行、檢查。執行層的角色會隨業務一直增加，但每一層能做什麼、不能做什麼都事先定義，誰加進來都一樣，任何一層都無法越權。

點一下放大 AI 團隊的四層權責：決策層 LEAD 不碰執行，統籌層 OWNER 不寫程式，執行層各角色不檢查自己，檢查層 QA 不動手改；權限往下授，證據往上交

分層授權的意義，在於把信任從模型身上移到結構上。公司報帳就是這樣設計的：申請的人不能自己核准，核准的人不能自己付款，付款的人不能自己記帳。沒有人需要特別誠實，出錯或作弊都會在下一關被看見。AI 團隊照同一套規矩走：做事的不檢查自己，檢查的不動手，決策的不碰執行；權限往下授，證據往上交。我不需要相信任何一個模型夠聰明，只需要相信這個結構。

自動把關

客人點餐不會說「煮好吃一點」，會說「小辣、不要香菜、少飯」。交給 AI 團隊的每件事也一樣，交接單要寫清楚目標、驗收條件、修改範圍、費用上限。驗收條件必須可量測、可判定，任何人檢查都會得到同一個結論。

光有標準還不夠。一道菜要穩定出餐，靠的是三道關卡：廚師的專業、出餐前的自我試味，以及主廚在出菜口逐項確認辣度、香菜、飯量。AI 團隊的自動把關，也是如此。

點一下放大 三道防線各擋下了什麼：檢查在壞掉的版本上也會過，被自醒與自省擋下；交接單把範圍寫寬、檢查全過按鈕卻沒反應、服務一叫就斷，被外部審核擋下；洞剛好對齊時會漏出去，採用後才發現的有 75 件裡 4 件

從通才變專才

AI 很強，但還可以更強。模型的注意力有上限，Anthropic 把它叫做注意力預算：塞進去的東西越多，每一樣分到的注意力就越少，資訊也越容易被漏掉（來源）。模型原本會的東西存在模型裡，不佔注意力；佔注意力的，是每次對話塞進去的規矩和資料。通才要背著所有角色的規矩上工，專才只帶自己那一份。

點一下放大 同一份注意力，分給多少東西：做同一件前端工作時，通才的對話裡裝了六個角色的規矩，真正用得上的只有六分之一；專才只裝前端的規矩和 skill，裝的幾乎都用得上；模型本來就會的東西不佔這個空間

所以每個角色都是量身訂做的。它有明確的身分和責任範圍，開工時只載入跟這個身分有關的技能，這一行的規矩和常犯的錯，也直接寫進角色裡。前端只帶前端的規矩，基建只帶基建的規矩，各自在獨立的對話裡工作，誰也不會把別人的東西帶進來。領域內的工作，系統不准派沒有身分的通用角色去做。

專才的效果有數字。Anthropic 的研究系統由一個主導模型帶多個專職的子代理，在內部評測上比單一模型高出 90.2%；代價是用量比一般對話多了大約 15 倍，所以只適合用在值得的事情上（來源）。

你說，這些知識通才原本沒有嗎？當然有。只是現在，它有機會慢慢變成你喜歡的樣子，更符合你工作上的流程和規範，並且是發自內心的、主動的。

專才也有失誤的時候，怎麼自醒與自省

自醒是當下的。會忘的事都改成了自動檢查，每個動作前後自動跑一次，沒通過就擋下來。檢查之前，先寫下預期的結果，查完再對照。晚上只有一條規則：每做一步就拿交接單檢查一次，沒通過或沒辦法檢查，就把原因記下來，然後停止。

自省是事後的。每段工作結束，挑出估得最不準的一件，寫一行反省，下次開工自動帶回最近五行。同一個問題出現第二次，就不再重做，直接改規則，下一張單自動套用。

盲點中的外部審核點

自己檢查自己，總有看不到的地方，所以最後交給局外人。負責審核的是另一個模型，在乾淨的環境裡重新檢查；畫面則交給一個沒讀過需求的角色，只看畫面上的字從頭走一遍。

檢查也要被檢查

有了交接單，團隊會自己檢查自己做的東西。可是檢查本身也會騙人。我自己就寫過一條，連要測的東西名字打錯了，它還是回報通過。

所以現在每一個「通過」，都要證明兩件事：做對了，檢查會過；故意把它弄壞，檢查就要失敗。弄壞了還會過的檢查，等於沒在檢查，直接打回去。

再來是誰來檢查。做事的人檢查自己，會順著自己的想法走，看不到盲點。所以檢查交給另一個模型，在乾淨的環境裡、只照雙方事先講好的條件來查，不准自己加碼。

它抓到的第一個錯，是我的。我把範圍寫得比當初講好的還寬，它照我寫的去查，當然過不了。洞在我的交接單上，被它抓到，算它贏。

三輪抽查，7 件、20 條條件，真正漏掉的是 0。通過檢查、已經採用的 75 件裡，有 4 件是交出去之後才發現問題，約 5%。

最後一道才是我。早上我只讀一份報告，每條驗收條件標上通過或沒通過，附上證據。最上面是我一定要看的，停在哪、要我決定什麼；下面是可以直接採用的。

預算控管

專才不是免費的。前面提到，Anthropic 的多代理系統，用量比一般對話多了約 15 倍；我的團隊也一樣，角色越多，每件事經手的 AI 就越多。所以每結案一件花多少錢，我天天看。

點一下放大 每件成本的變化：動手改程式的工作，10/13 夜每件 37.2 美元，10/14 整天 11.4，10/15 夜 6.3；虛線是另一種只做驗收的交接單，同一晚每件 1.2

10/13 那一晚，每結案一件要 37 美元；隔天 10/14 降到 11，10/15 晚上再降到 6.3。同一種工作，交接單切得更小、寫得更清楚，團隊少走冤枉路。除了把交接單切小，把檢查拆成獨立的交接單也能省：只做驗收、不動手改的單，一件 1.2 美元，因為不用從頭弄懂整件事；這是另一種工作，所以圖上用虛線分開。

每張交接單都有費用上限。碰到上限先放慢，再停下，把做到哪、還差什麼寫進交接，往上報。

放慢、停下，就夠了嗎？

單張的上限只能保證錢不失控，保證不了錢花在對的地方。預算真正要管的是三件事：分給誰、留多少、什麼時候花。額度是一層一層切的。LEAD 先把一週的額度切成每天一份，留一點當緩衝；每天那一份，再照當天的排程分給各條線。

點一下放大 額度怎麼切：週額度先切成每天約 13%、留 10% 緩衝；以週日那份為例，再分給微服務 49%、SRE 37%、管理 9%、其他三條線 5%

切好之後，LEAD 盯的是當天燒的速度。太快，先把那條線的上限減半，再不降就只准收尾；太慢，就把用不完的額度移給還在排隊的線。目標是當天結束前剛好用完。

點一下放大 一天的花費節奏：當天那份額度的使用進度沿著理想進度走；衝太快時先減半上限、再不降就只准收尾；跑太慢時把沒用完的額度移給排隊的線；當天結束前用到 98%

LEAD 每天在做的事

LEAD 是我在管理職上的分身，等於一位專職的 PM 兼 COO。我平常負責的管理工作，現在由它每天執行：

• 以收工時間倒推當天排程，決定各條線的先後順序與完成點。
• 把工作指派給對應的負責人，LEAD 只負責調度，不親自執行。
• 每天分配預算，依花費速度即時調整：超速時收緊，落後時把額度移給排隊中的工作。
• 用限制理論找出流程的瓶頸，先消除瓶頸上的重工，再評估要不要增加資源。
• 可逆的決策自行裁定並留下紀錄；涉及預算、客戶看得到、不可逆或高安全級別的事項，整理成附建議的選項交給我決定。
• 追蹤每項承諾的完成時間，同一項第二次延期時，重新評估是否值得繼續。
• 只回報需要我決策的事項，並照我的格式產出週報。

點一下放大 LEAD 的一天：排計畫、撥額度、派工、盯燒速、找瓶頸、做決定、追承諾、回報，每天轉一圈；只有不可逆的事項和高安全級別事件，整理成附建議的選擇題送到我面前

LEAD 本身同樣受預算約束。我保留的，是方向，以及不可逆的決策。

結語

以下幾個主題，會在後續文章中完整說明並實際演示：

• 成本優化的 AI 工程做法：model 分配、skill 按需載入、index 強化、hook 閘門。
• 怎麼訓練 LEAD，讓它做出的決定是我要的。
• 不同職務怎麼建立自己的守門 QA：抽象化檢驗規則來達成覆蓋率。

一個月前，團隊一天能做多少，取決於我一天在幾個小時。現在實作全交出去了，決策也交出去八成多。

照 LEAD 找瓶頸的方法算，整條線最慢的那一站，現在是我。下一步要優化的，就是這一站。