Hello, 各位 iT 邦幫忙 的粉絲們大家好~~~

這系列文源自這幾年在團隊裡導入 AI Coding 之後，一路踩雷、修正、再踩雷的真實過程。把這些收斂出來的方法整理成文，也許對正在煩惱同樣問題的你會有些幫助。

就當作是一份邊做邊記的工程筆記吧！

本篇是 當 AI 加入團隊：打造可審查、可驗證、會自我改善的 AI 開發工作流 系列文的 EP26。

文件寫得再仔細，只要是純靠人眼檢查連結有沒有斷掉、格式有沒有寫對，遲早會漏掉。

所以我們加入了幾個機器可以檢查的機制，讓這套工具箱從「文件集合」進化成「有契約的工具箱」：

• JSON 輸出與 JSON Schema：讓工作流、代理設定用固定的 schema 驗證格式是否正確。
• 一致性檢查腳本：跑一次就能檢查 manifest 裡登記的每個路徑是否存在、每份 workflow/agent 設定是否符合 schema、知識路由連到的檔案是否都真的存在。
• CI 整合：這些檢查會在提交變更時自動跑一次，而不是等到有人手動想起來才做。

pwsh ./scripts/Test-AIWorkflowConsistency.ps1 -Json

{
  "manifest_valid": true,
  "broken_links": [],
  "schema_violations": [],
  "warnings": ["某知識條目缺少 last_verified 標記"]
}

這件事的價值不在於抓到多少 bug，而在於它把原本只能靠人「感覺有沒有寫對」的東西，變成了一個可以重複執行、結果穩定的檢查。

manifest 裡登記的路徑、workflow 與 agent 的設定格式、知識文件之間的交叉連結，都能被離線檢查一次——AI 也可以直接讀這個機器可解析的結果，而不必從一堆人類語言的提示文字裡自己猜「現在到底有沒有問題」。

這加起來其實就一句話：把「感覺有沒有寫對」變成可重複執行、結果穩定的機器檢查。

規則能被機器檢查了，但還有一個更根本的問題：「完成」這兩個字，到底該怎麼被驗證，才不會淪為 AI 自己說了算？

下一篇來談這個。