前端三分鐘 X 要轉職養豬還是做被取代的工程師?用 Google AI 打造我的 AI 雙刀流自動化工作流系列
你有沒有過這種經驗?
開了一整天長達 4 小時的跨部門會議,雖然你人坐在會議室裡,但到了後半段大腦早已一片空白,早上的決策細節全忘光;或者在 IDE 裡跟 LLM 對話太久,聊到第 50 輪時,AI 開始遺忘最一開始訂好的 TypeScript 型別規範,甚至開始胡言亂語、憑空捏造不存在的 API?
這不是你的錯,也不是 AI 太笨。這是人類大腦與 LLM 共同面臨的物理極限——「情境腐敗 (Context Rot)」與認知過載。
丹尼爾.高曼 (Daniel Goleman) 在《專注的力量》中指出:專注力 (Attention) 是一種類似肌肉、可以被鍛鍊的認知資產。
在數位雜訊與 Token 洪流爆發的時代,工程師最核心的競爭力不再是「吸收多少資訊」,而是如何透過注意力管理與上下文工程 (Context Engineering),同時提升自己與 LLM 的輸出品質!
在規模化養豬場裡,生產高峰期一天常常有上百隻小豬接連出生。
豬農在現場只有兩隻手、一雙眼睛,如果既要盯著每隻母豬的產程、手動幫小豬擦拭黏液,還要提防剛出生的弱小仔豬被龐大的母豬翻身壓死,大腦瞬間就會被焦慮與雜訊淹沒。
現代科技養殖是如何透過「注意力管理」與「自動化工具」來過濾雜訊的?
這就是關鍵所在:運用先進工具過濾干擾,讓你把寶貴的專注力,投注在目前最該解決的核心問題上!
大腦與 LLM 在處理資訊的極限上,有著令人驚訝的對稱性:
| 認知/運算維度 | 人類大腦 (Brain) | 大型語言模型 (LLM) | 專案治理與工程實踐 (GEMINI.md) |
|---|---|---|---|
| 運算極限 | 喬治.米勒 7 ± 2 法則:工作記憶一次只能處理約 7 個資訊單元。 | Lost in the Middle:輸入過長時,模型只記得開頭與結尾,中間資訊丟失。 | 檔案塞滿暫時性 Debug 指令與瑣碎規則,導致 AI 代理人注意力偏移。 |
| 內部威脅 | 杏仁核情緒挾持:面臨壓力焦慮時失去理智,陷入「自動駕駛」。 | Prompt Hijack & 幻覺:被發散或惡意輸入帶偏,開始胡言亂語。 | 沒有明確引導時,AI 只會按最大機率生成「表面好看但缺乏深度」的垃圾程式碼。 |
| 破局策略 | 正念與先進工具:排除表皮干擾,觀想「骨幹邏輯」。 | Context Engineering (上下文工程):動態 RAG、MCP 語意篩選高密度資訊。 | 運用 System Prompt + RAG 進行動態剪枝,只餵給 AI 最純粹的核心結構。 |
高曼在書中指出,大腦為了應對 7±2 的極限,會透過「選擇性專注」過濾雜訊,只將最重要的資訊送入工作記憶。
在 AI 領域,這就叫做 上下文工程 (Context Engineering)。
如果你只是隨手把數千行的原始碼與 50 輪對話紀錄塞給 AI,就像讓豬農徒手處理上百隻小豬的接生與紀錄,AI 的 Attention 機制必然會被龐大的無效 Token 稀釋。
我們必須主動幫 AI 作「認知重構」:透過檢索增強生成 (RAG)、模型上下文協定 (MCP) 以及語意篩選,動態地將高密度、最相關的「大石頭」資訊餵給模型,主動幫 AI 過濾掉無用的背景雜音。這就是 AI 版本的正念練習——排除雜訊,留下純粹的注意力焦點!
不論是人類還是 AI,當發生以下「情境腐敗」徵兆時——AI 開始遺忘初始型別規範、答非所問;或是人類大腦過載、無法聚焦核心架構——你必須主動採取 Context 防禦手段:
對話進行到一定長度後,主動要求 AI 進行 Compact:將前 20 輪的長對話精簡為「已完成的事項」與「當前架構狀態」的極簡摘要。清空冗長的思考過程,只保留高濃度的 context 續航。
在開發複雜功能時,維護一份 PLAN.md。每當完成一個階段任務,就把已完成的繁瑣步驟劃掉(Prune),只提煉出「下一步產出物規範」,並將此計畫當作精簡後的 Handover 檔,傳遞給下一階段的作業。
根據首因效應與近因效應(LLM 對開頭與結尾最敏感),將最重要的 System Spec、DoD 驗收標準與型別定義放在 Prompt 的最開頭與最末尾,防禦「Lost in the Middle」的物理限制。
當 Context 已經充斥著錯誤嘗試的 Error Log 或亂七八糟的廢話時,千萬不要試圖在壞掉的 Context 裡補救。最好的策略是直接按下 Reset,開啟一個乾淨的新 Session,載入精簡後的 Handover 摘要重新開始!
在情境腐敗盛行的時代,專注力的最高境界不再是「容納更多資訊」,而是具備「篩選、剪枝與捨棄」的智慧,並善用 Context Engineering 幫自己與 AI 抵禦雜訊。
當你學會透過正念奪回大腦主導權,並透過動態 Compact、Plan Pruning 與乾淨 Session 為 AI 建立清晰高密度的 Context 時,你就能從 Token 的洪流中萃取出真正的骨幹邏輯,將時間買回來去做更有價值的事情。
你的下一個 15 分鐘,是任由大腦與 AI 在雜亂的 Context 中「自動駕駛」,還是開啟一個乾淨的 Session,集中注意力解鎖今天的核心任務?明天 Day 07,我們會來看看 AI 御三家!