開始使用 Hermes 之後，我們慢慢可以把一些比較基本的工作交給它。一開始不太會遇到什麼問題，像是整理資料、搜尋資訊、協助整理想法，這些事情只要把需求描述清楚，Hermes 通常都可以完成。

但當你開始把比較複雜的工作交給 Agent 時，問題開始出現：有些任務並不是「做不做得到」的問題，而是「應該怎麼做」這件事情，本身就需要先討論。如果沒有先跟 Agent 對齊方向，它可能會非常認真地完成一件事情，但最後得到的結果，卻不是我們真正需要的。

接著就會進入一個很熟悉的循環：我看結果 → 發現方向不太對 → 補充更多限制 → 請它修改 → 修改完後，又發現另一個地方需要調整。原本希望 AI 幫我節省時間，結果大量時間花在來回修正。

同一個需求，可能有很多種解法

例如，公司想導入 AI 客服。主管給了一個很簡單的需求：「我們想導入 AI 客服，幫忙降低客服人員的工作量，研究一下怎麼做。」如果直接把這個需求交給 AI，它其實可以很快產生一份導入方案，裡面可能包含：

• AI 客服架構
• 使用情境
• 導入流程
• 預期效益

看起來很完整，但問題是：這份方案到底是不是公司真正需要的？因為「導入 AI 客服」這件事情，其實有很多不同方向。

第一種做法，是建立 FAQ 型客服，整理常見問題，讓 AI 根據固定內容回答。優點是快速、容易控制，但缺點是只能處理比較固定的問題。

第二種做法，是建立企業知識庫 AI 助理，讓 AI 可以讀取產品文件、使用手冊、內部資料，再根據公司的知識回答。回答能力更強，但前期需要整理資料，也需要處理權限問題。

第三種做法，是讓 AI Agent 直接參與客服流程，例如：

• 查詢訂單狀態
• 建立客服工單
• 修改部分資料

自動化程度最高，但同時也需要更嚴格的權限控制。這三種方式都有合理性，問題是：哪一種才適合這家公司？

如果公司的目標只是減少客服回答重複問題，那第一種可能已經足夠；如果希望讓客服人員更快找到資訊，第二種可能比較適合；如果希望大幅改變客服流程，第三種才有價值。

所以真正困難的地方，不是 AI 能不能提出方案，而是在提出方案之前，它有沒有理解：

我們到底想解決什麼問題？他決定採什麼方法達到

這也是為什麼許多 AI Agent 開始加入 Plan 這類工作模式。

Plan：先確認方向，再開始執行

Plan 並不是 Hermes 才有的功能，目前許多 AI Agent 都開始提供類似的工作方式。它解決的是一個很實際的問題：當任務複雜、選擇很多，而且錯誤方向的成本很高時，不要讓 Agent 收到需求後馬上衝出去，先讓它提出：「我打算怎麼完成這件事。」

以 Hermes 來說，可以使用：

/plan 幫我規劃公司導入 AI 客服的方案

這時 Hermes 的角色不是直接執行，而是先協助整理：

• 需要確認哪些需求
• 可以有哪些方案
• 各方案的優缺點
• 執行步驟
• 可能遇到的風險

人可以先檢查這份計畫。例如看到方案後發現：「我們目前沒有打算讓 AI 修改訂單，所以先不要考慮 Agent 操作系統。」或者：「第一階段只需要處理 FAQ，不需要一開始就做完整 AI Agent。」調整完成後，再讓 Agent 開始執行。

Plan 指令不只是讓 Agent 幫你列一份它即將要去做的待辦清單，而是在真正投入Token 與時間資源之前，先確認：

你 (Agent) 理解的目標與要即將做的事，跟我想的是一樣的。

同一件事情，也可以選擇另一種工作方式

不過，並不是每一件事情都需要先產生計畫。有些任務的問題不是「怎麼做比較好」，而是「我已經知道想要什麼結果，希望 Agent 幫我持續完成」。這時候就比較適合 Goal。

Goal：設定目標，讓 Agent 持續推進

Goal 的概念也不是 Hermes 獨有，而是 AI Agent 常見的一種工作模式。它和 Plan 最大的差異，在於關注的事情不同。

Plan 關注：「這件事情應該怎麼做？」

Goal 關注：「最後我要達成什麼結果？」

例如，今天產品已經完成開發，接下來需要進行完整測試。

目標非常明確：

執行所有測試案例，確認功能是否符合預期，並產出測試報告。

這時候，比起每一步都先討論，更重要的是讓 Agent 持續朝目標推進。

在 Hermes 中，可以設定：

/goal 執行所有 test case，確認測試結果，並產出完整測試報告

接下來 Agent 可以持續處理：

• 讀取測試案例
• 執行測試流程
• 記錄測試結果
• 找出失敗項目
• 整理測試紀錄
• 產出測試報告

直到達成目標。

這時候，人不需要一直告訴它：「下一個測試案例是什麼。」

而是負責確認：「最後產出的測試結果與報告，是否符合我的需求。」

用一個實際例子比較 Plan 與 Goal

假設今天不是 AI 客服，而是另一個更日常的工作：整理多年累積的工作資料夾。裡面可能有：

• 舊專案文件
• 報告版本
• 會議紀錄
• 截圖
• 暫存檔案

看起來只是一件整理工作，但實際上也存在很多判斷。例如：這些檔案應該怎麼分類？是要按照專案、按照年份，還是按照文件類型？哪些檔案可能重複？哪些舊資料其實不能刪？

如果我還沒有想清楚自己的整理規則，這時候適合使用 Plan。輸入：

/plan 幫我整理這個工作資料夾的內容  

(貼上資料夾路徑)

小技巧：在 mac 環境中，選取一個資料夾或檔案，按 Command + Alt + C，可直接復製路徑到剪貼簿中

下好指令後，Hermes 會先分析目前資料夾結構，然後產出一個計畫任務檔，裡面會有詳細的執行計畫，例如：

1. 遞回掃描資料夾，找出重複檔案與可能過期文件
2. 根據專案建立分類架構，將以「檔案類型」做分類
3. 簡查後，執行檔案搬移整理

看到這份計畫後如果覺得方向不對，我們可以直接在對話中要求 Agent 進行調整。

例如：「不要依照檔案類型分類，我習慣按照專案分類。」「不要刪除任何檔案，只標記可能重複的項目。」

確認方向後，Agent 就會開始依我們調整的方向執行。

但如果我不太在意過程方法，且很確定目標只要能夠：

把這個資料夾整理好，所有文件依照年度及專案分類，無法判斷用途的檔案放到待確認資料夾。

那就比較適合 Goal，因為我關心的是最後狀態：

• 文件是否整理完成？
• 分類是否符合要求？
• 是否留下需要人工確認的項目？

此時直接輸入以下提示詞就好了：

/goal 整理資料夾內容 ，所有文件依年度及專案分類好，無法判斷的就放到待確認資料夾。

(貼上資料夾路徑)

至於中間過程怎麼處理，可以讓 Agent 自己規劃，邊執行邊自主調整。

Plan 與 Goal 的差別

當我開始使用 AI Agent 後，慢慢發現一件事情：不是所有工作，都適合用同一種方式交辦。有些工作，我希望 Agent 先跟我討論做法，因為我還不確定哪一條路比較適合；有些工作，我已經很清楚最後想得到什麼，只希望 Agent 幫我持續推進。這就是 Plan 與 Goal 的差異。

這兩種模式並不是 Hermes 獨有的功能，而是許多 AI Agent 都開始採用的工作方式。Hermes 提供這兩種模式，讓使用者可以依照任務特性，調整 Agent 的自主程度。

簡單來說，Plan 比較像：「先跟我討論你的想法。」

Goal 比較像：「我告訴你我要去哪裡，你負責想辦法到達。」

實務舉例，何時用 Plan？何時用 Goal？

實際使用時，可以用一個簡單判斷：如果你現在想的是「好像有蠻多不同做法，想跟 Agent 先對齊一下」，使用 Plan；如果你想的是「我不太在乎做法，只知道我要的結果，希望 Agent 幫我搞定」，使用 Goal。

適合使用 Plan 的情境

一、系統重構

例如：

幫我改善這套舊系統。

這句話看似明確，但實際上有很多選擇：

• 修改部分模組？
• 重新設計架構？
• 保留舊系統相容？
• 分階段遷移？

不同選擇會導向完全不同結果，因此比較適合先 Plan。

二、新功能開發

例如：

幫我設計會員推薦功能。

可以有：

• 規則式推薦
• 資料分析推薦
• AI 推薦系統

每一種方案都有不同成本與效果。先確認方向，比直接開發更重要。

三、工作流程改善

例如：

幫我改善公司的報銷流程。

需要先了解：

• 現有流程
• 角色分工
• 哪些步驟可以自動化

適合先規劃。

適合使用 Goal 的情境

一、修復明確問題

例如：

修復所有測試錯誤，直到測試全部通過。

完成條件非常明確。

二、完成固定產出

例如：

依照研究流程及規範，完成一份市場分析報告。

目標：

• 有完整報告
• 符合格式
• 包含指定分析內容

Agent 可以自行安排中間步驟。

三、建立自動化流程

例如：

建立每週自動產生 AI 新聞整理，寄到信箱

最終目標是流程可以穩定運作，中間如何處理，可以讓 Agent 決定。

不要把 Goal 當成 Plan 的進階版

最後要注意一件事：Goal 並不是比 Plan 更高級，它們只是適合不同階段。如果方向還不清楚，直接使用 Goal，可能只是讓 Agent 更「有效率地完成錯誤方向」；如果目標已經非常明確，卻每次都要求 Plan，也可能增加不必要的來回溝通成本及 token。

真正重要的是：

知道什麼時候需要一起規劃，知道什麼時候可以放心交付。

這也是使用 AI Agent 後，人需要學習的新工作方式。