昨天說明了為什麼手動維護的手冊總是會過期，也提到這個 AI 自動化工具大致的樣子應該是：

提供足夠的資訊給 AI Agent 後，由 AI 建立出使用手冊。

那就趕快開工... 嗎？

在開始動手之前，還有一步非常重要的事情必須先做，那就是「確認使用手冊規格」！

我知道通常會很直覺會想先去找「有哪些好用的截圖工具」「哪個框架能操作 產品」，但順序反了。工具是拿來滿足規格的，規格都還沒定，工具選得再好也可能選錯方向。

因此，必須要先確認規格，這個十分模糊的自動化工具的樣子才能逐步地被我們具現化出來。而「確認規格」這件事其實也可以再拆成三個步驟。

1. 釐清使用手冊需求

首先第一步，「確認使用手冊規格」，基本上需要請熟悉產品的人或是相關負責人來決定。這邊我列幾個值得思考的項目：

• 要有截圖嗎？
• 需要標註截圖嗎？
• 截圖中有資訊需要遮起來或是打馬賽克的嗎？
• 檔案格式有限定嗎？
• 有固定的模板嗎？

這幾個問題看起來很簡單，但答案會直接決定後面的技術選擇範圍。

2. 規劃使用手冊製作步驟

接下來，是從原本的手工製作流程中，反推這個自動化流程該長什麼樣。人工做一份使用手冊，通常是這樣的步驟：

1. 打開應用程式 (或網頁)，切換到要介紹的頁面
2. 截圖
3. 標註截圖 (e.g. 畫紅框、標編號)
4. 撰寫說明
5. 重複 2-4 步驟，直到所有功能都完成

把這五步驟收斂成產線該有的樣子，會變成三個階段：

1. 取得圖片

   包含了操作應用程式、截圖、標註圖片。

2. 撰寫文字說明

   以文字為主，圖片為輔，說明該功能或步驟。

3. 把圖片與文字套入模板

   將前兩階段的成果放入模板中對應位置，並輸出成交付的格式。

這個收斂中包含了一個很重要的觀察：步驟 1、3 都可以轉成腳本，只有步驟 2 需要 LLM。操作、截圖、標註、套模板，這些都是「照著 SOP 走」的事， 可以找工讀生來做就好， 可以寫成固定、可重複執行的程式。只有「看著畫面寫出說明文字」這件事，很難用單純的程式邏輯來完成，需要交給 LLM。

這邊我想特別提一件事：雖然 AI 很強大，但為了增加穩定性，我們應該要盡量減少 AI 處理的部分 (聽起來有點矛盾XD)，能夠轉成某個自動化腳本的步驟，就必須要轉。就算明確列步驟出來，難免還是有意外，永遠無法 100% 避免 LLM 的產出會是正常的。此外，為了固定最終輸出的使用手冊樣式，也需要一個模板，而不是請 AI Agent 去參考過去的樣式。

也因此，這個工具會有多個腳本 (i.e. 系列文主題中的「產線」) 和模板。

3. 確認步驟能獨立執行

雖然這個主流程有三個階段，但其實也不是每一次都必須要從頭到尾執行一遍，有可能只需要修改手冊部分內容就好。例如：只是調整介面樣式 (e.g. 配色、Logo、文字)，只要把截圖更新就好。因此，會期許這個工具的每個步驟都是可以獨立執行的。步驟與步驟之間，只需要透過檔案 (e.g. 圖片、文字檔) 來傳遞資訊就好。

也因此，在面對新的使用手冊製作需求時，要思考的問題變成：

• 要重新截圖嗎？
• 截圖規則要調整嗎？
• 文字說明要調整嗎？
• 模板要調整嗎？

當然，這些問題之後也交由 AI Agent 去煩惱就好了XD

有了以上這些想法之後，接下來就是面對真實的使用情境，並進行工具的挑選了，這部分就留到明天再繼續了~