iT邦幫忙

2026 iThome 鐵人賽

DAY 2
0
Claude AI

AI 要即時:AI X AI產品開發的敏捷工程實驗系列 第 2

[我要成為 Claude Code 大師] 02 AI莎,Let It Go:讓開發減少一點「是否繼續?」

  • 分享至 

  • xImage
  •  

AI莎,Let It Go:先讓AI搞清楚什麼時候需要我

上一篇寫的是:AI 開發太快,常常還沒把需求想清楚,就急著往下做。

但實際使用Claude Agents平行開發後,發現另一個問題也很致命:

AI 有時候不是太急,而是太常停下來問。

「第一階段已完成,是否繼續?」
「接下來建議補上測試,需要我執行嗎?」
「方案 A、B 都可行,您偏好哪一個?」

看起來很謹慎,但累積起來其實有不少成本。

第一個是過於忙碌

本來想把一段工作交給 AI,結果自己反而一直被拉回來回答問題。Session 開得越多,注意力越容易被切碎。

第二個是思考負擔

很多問題其實不是非我不可,只是 AI 不知道自己有沒有權限決定。最後變成每個小決策都丟回來,逼人一直切換上下文。

第三個是Token 消耗

每多一次「要不要繼續?」就多一次來回。當任務本來就很長,這些中斷不只浪費時間,也讓 Context 越堆越厚。

所以這篇想接著上一篇往下走。

上一篇處理的是:

AI 有沒有真的理解「要做什麼」?

這一篇處理的是:

理解之後,到底可以讓它自己做到哪裡?


我現在固定先問四件事

只要是比較大的開發任務,我會先問 AI:

  1. 目標是什麼?
  2. 測試路徑是什麼?
  3. 預期成果是什麼?
  4. 下一個必須由我參與的里程碑是什麼?

前三個問題是在確認:

你知不知道自己要去哪裡,以及怎麼證明自己到了?

第四個問題才是我現在最在意的:

你可以自己走多遠,什麼時候才需要我重新加入?

我會搭配 Graph Skill,把這段路徑先畫出來:

Goal
↓
Implementation
↓
Test
↓
Validation
↓
Expected Outcome
↓
Human Milestone

如果中間測試失敗,可以自行修正、重試。

但如果:

  • 需求互相衝突
  • 超出原本範圍
  • 會踩到禁止條件
  • 重試幾次還是失敗
  • 要執行不可逆的對外動作

這時候才回來找我。


Human Milestone 才是真正的授權邊界

以前很容易變成:

我提出需求
↓
AI 做一步
↓
AI 問我
↓
AI 再做一步
↓
AI 又問我

人一直卡在 Critical Path 上。

現在我比較希望變成:

我確認 Goal
↓
確認 Test Path
↓
確認 Expected Outcome
↓
確認 Next Human Milestone
↓
AI 自己做
↓
我在里程碑重新加入

例如我跟 AI 約定:

下一個 Human Milestone 是「PR 已建立、測試通過、等待我 Review」。

那在這之前:

  • 改哪些檔案
  • 怎麼實作
  • 要補哪些測試
  • 測試失敗後怎麼修

這些都不用再問我:

「是否繼續?」


Graph 的價值不是畫圖

對我來說,Graph Skill 最重要的不是圖畫得多完整。

而是它會先把三件事講清楚:

  • 要做到哪裡
  • 怎麼證明完成
  • 什麼時候人才要回來

所以 Let It Go 不是:

「AI,你全部自己看著辦。」

而是:

「我們先講好你要去哪裡、怎麼證明你到了,以及下一次什麼時候需要我。這中間,你自己走。」

上一篇是在避免 AI 太快開始做

這一篇是在避免 AI 做兩步就回頭問一次

一個是先想清楚再做。

另一個是想清楚之後,就讓它把該走的路走完。

最後是精簡版的Graph-Gov-Skill

---
name: flow-graph-govern
description: 用圖規範開發的目標、過程與成果。先定義完成條件與禁止事項,再讓 AI 沿著線性主幹自主推進;只有遇到需求衝突、超出範圍、重試失敗或不可逆動作時才回來找人。
---

# Graph-Govern

在寫碼前,先把開發畫成三張圖:

## 1. Goal:完成長什麼樣?

定義:
- 這次要解決什麼?
- 完成條件是什麼?
- 哪些事情一定不能發生?
- 哪些事情不在這次 Scope?

禁止條件盡量對應到可驗證的測試或檢查。

---

## 2. Process:怎麼走到完成?

流程以「線性主幹」為主:

設計 → 實作 → 測試 → 驗證 → 交付 → Review

失敗可以回頭修正,但回邊必須有次數上限。

超過重試上限,代表原本假設可能有問題,再升級給人處理。

不要每完成一步就詢問是否繼續。

---

## 3. Outcome:怎麼證明完成?

每個成果都要綁定證據,例如:

- Code → Integration Test
- Safety Rule → 自動檢查
- Validation → 實際操作結果
- Guardrail → 故意違規時真的會失敗
- Delivery → PR + 驗收方式

「全部綠燈」不等於檢查有效;
最好能證明違規時真的會亮紅燈。

---

## 執行原則

開始前先回答四件事:

1. Goal 是什麼?
2. Test Path 是什麼?
3. Expected Outcome 是什麼?
4. Next Human Milestone 是什麼?

抵達下一個 Human Milestone 前,自主推進。

只有以下情況提前找人:

- 需求互相衝突
- 必須超出原本 Scope
- 會違反禁止條件
- 重試到上限仍失敗
- 要執行不可逆的對外動作

其他實作決策採用「推薦方案 + 一句理由」後直接執行,不逐項等待確認。

---

## 交付回報

完成後只回報五件事:

1. 需求目標
2. 關鍵過程
3. 最終結果
4. 驗收路徑
5. 對系統的影響

不要寫工具操作流水帳。

圖是規範手段,不是終點。

**定義好邊界之後,就一路做到下一個真正需要 Human Review 的節點。**

上一篇
[我要成為 Claude Code 大師] 01 AI琳娜,回來吧:從過於急促的工程開發,回歸產品本質
下一篇
[我要成為 Claude Code 大師] 03 什麼卡住了?讓 PM 和工程師看同一張規劃圖
系列文
AI 要即時:AI X AI產品開發的敏捷工程實驗3
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言