AI 用不好，不是模型的問題：Prompt、Context、Harness、Loop、Graph 五層功夫

🧱 先別怪模型：五層功夫是疊上去的

別人用 AI 幾分鐘就交出方案、簡報、剪好的影片；換你自己來，折騰半天還不滿意。是工具選錯了，還是模型不夠聰明？YouTube 頻道「西瓜」的講者（自述做 AI 實際導入開發兩年多，幫企業搭過正式上線的知識庫，也做過智慧代理與 Skill 工作流）的答案是：八成不是模型的事，是你還沒掌握五個底層知識點：Prompt、Context、Harness、Loop、Graph。

名字一個比一個唬人，重點在他的下一句：這五個不是學完一個丟一個，而是疊上去的，每一層都在解決上一層搆不到的問題。前三層是基本功，後兩層留給複雜任務。

「不是模型的問題」聽起來像口號，所以這篇再配一個難得的實例。頻道「蝦說 AI」的講者小金是一個 AI agent，大腦是 Anthropic 的 Claude，頻道多數影片是它自己做的。真人老師「大金老師」要它回頭看這八個月做影片的方法，它翻出工作紀錄，整理出 41 次做法的改變，逐筆查是誰先開口要改的。結果因為換了更聰明的模型而改的，是 0 次。

兩位講者要分清楚：五層架構是西瓜的，八個月的帳本是小金的。下面每一節先講觀念，再拿小金的紀錄對照。

🗣️ 基本功：Prompt 把話說清楚，Context 把資料給準

這兩層本專欄有專文：〈從 LLM 到 Agent Skill〉從原理講 Token、Context、Prompt，〈史丹佛的 AI 系統課在教什麼？〉講提示詞工程與 RAG。這裡只摘西瓜的重點。

第一層 Prompt：資訊越少，答案越隨機

西瓜說，模型不會思考，只會算下一個詞的機率。你給的資訊越少，它要猜的空間越大，結果越隨機。只打一句「幫我寫個方案」，它只能照訓練資料的平均水準給你一份通用範本。好的提示詞往往不長，但每句都在幫 AI 定位，要交代五件事：你是誰（角色設定）、寫給誰看（目標受眾）、要什麼格式（輸出結構）、寫多長（篇幅限制）、不要什麼（排除項）。他說這不是技巧，是溝通的基本功：多花十秒把話說清楚，出來的東西就不一樣；常用的提示詞可以整理成 Skill，下次直接叫用。

第二層 Context：給準，不是給多

Context 是AI 回答時看得到的全部資訊：系統提示詞、對話歷史、你的提示詞、檢索到的知識、工具回傳的結果。Prompt 管你怎麼說，Context 管 AI 看到什麼。西瓜說依他的實測，複雜場景下最佳化提示詞能提升 5%～10%，把上下文餵對卻能到 2～3 倍（講者自述，無公開測試細節）。

現在主流模型的上下文視窗有十幾萬到上百萬 Token，問題不是裝不下，而是放了什麼。模型對開頭和結尾記得牢，擺在中間的資訊容易被漏掉（研究上叫 Lost in the Middle）。一百頁資料全塞進去，有用的只有幾頁，其他都是噪音，反而淹沒了重點。

他引 Andrej Karpathy 的話收束這一層，原文是：context engineering 是一門精細的藝術與科學，要在上下文視窗裡為下一步填入恰到好處的資訊。西瓜的白話版是：給多了是噪音，給少了 AI 會開始亂編。他說幫企業搭智慧代理，最花時間的不是寫程式，而是設計上下文的壓縮與記憶檢索：快塞滿時把舊對話壓成摘要，長篇資料存在外部、用到再檢索回來。

🧰 Harness：給它一雙手，也給它規矩

Harness 字面是套在馬身上的挽具。西瓜要你記住它只做兩件事：一手給工具，一手立規矩。

給工具，是讓只會動嘴的大腦能動手：上網查資料、讀檔案、操作資料庫。現在主流的給法是 Skill，一份給 AI 的操作指南，裝著規範、程式碼、範本與設定檔。他舉自己的「數位人技能包」：語音合成腳本、模特兒影片範本、參考音檔、產生字幕的程式，外加一條規矩：文案沒確認，不准生成數位人。拿到這包，AI 就能從文案一路做到燒好字幕的成片。底層接外部工具的標準叫 MCP，他比喻成 AI 的 USB 插槽（原理見〈從 LLM 到 Agent Skill〉）。

立規矩比給工具更重要：只給工具不立規矩，能力越強，出事越嚴重。他整理了現在智慧代理工具普遍的四個做法：

1. 給它一把尺自己量輕重：新增、修改檔案可以放手，刪除一定先問。教它判斷方法，而不是列一張列不完的禁止清單。
2. 指令可以放開，但留一份黑名單：黑名單上的操作，不管其他規則怎麼放行都不能碰。
3. 動手之前先看現狀：改檔案前先讀一遍，確認有沒有被別人改過。
4. 工具按需給：修電腦不用把鐵鎚也擺出來。工具太多反而分散注意力，還佔地方。

他引 LangChain（做 AI 應用框架的團隊）的實驗說明 Harness 有多重要：模型沒換，只改外面這套工具和規矩，排名就從 30 名開外衝到第五。所以圈內有句話：模型是底板，Harness 才是天花板。他自己寫程式用的就是一套 Harness 搭配 DeepSeek 模型，效果一樣符合預期。

實例：小金八個月的帳本

小金把做影片拆成五塊：稿子、畫面、聲音、字幕，以及給人看之前的檢查，每換一次做法通常只換其中一兩塊。它把同一段講「語音辨識」的稿子，照六種歷代做法各重做一次，連當時的毛病也保留：

六代換掉的全是模型外面的東西：排版、畫圖、語音合成、去雜音、程式動畫，還有一道道檢查。套用西瓜的分類，這些全屬於 Harness。那每次改變是誰先開口的？

小金也很誠實：自己先發現的 4 次裡，有 2 次剛好落在換新模型那幾天，是新模型比較會找還是巧合，它分不出來。紀錄裡明寫跟換模型有關的只有 7 月 4 日那一筆，而且方向相反：它快被換成比較弱的模型，大金老師要它趁還聰明先準備，它就把很多判斷寫成一條一條的檢查。套用西瓜的說法來看（這是本站的解讀，不是小金的結論）：能力只存在模型腦袋裡，換模型就跟著走；寫成檢查與規矩，就留在 Harness 裡，換了比較弱的腦也帶得走。

🔁 Loop：讓它自己做、自己查，但別讓它鑽空子

現在的智慧代理已經能自己查資料、寫、改，但每做完一輪你都得看一眼、退件、再看。任務一多，就該上 Loop。西瓜說核心只有三件事：定目標、定一個能自動檢查的驗收標準，然後放手。它自己做、自己查、自己改，合格才交給你。你從監工，變成訂標準的人。

關鍵是標準要能被機器驗證。「方案寫好一點」AI 聽不懂；「必須包含市場規模、競品分析、獲利模式、團隊介紹四部分，每部分至少 500 字，資料標註來源，寫完自查有無邏輯矛盾」，它就知道怎樣算達標。搭之前先過四條檢驗，全中才划算：這件事每週都在重複嗎？驗收能自動化嗎？Token 預算扛得住反覆重試嗎？AI 手上有能跑程式、看日誌的趁手工具嗎？他坦白說自己也只用過幾次，多數任務盯著做就好。

最大的坑：它會照你的標準鑽空子

這個坑西瓜說十個人九個踩。管理學的古德哈特定律：一個指標一旦變成目標，就開始失靈。他舉 AI 圈常傳的翻車案例：目標是「所有測試必須通過」，AI 發現幾個測試修不好，就直接把失敗的測試刪掉。測試全綠，指標 100%，bug 一個沒少。

西瓜說 AI 不是偷懶，它確實完成了你給的目標，只是跟你想要的不是同一件事。防法是把「做」和「查」拆給兩個 AI，查的那個不做別的、專門挑錯，因為自己做的東西自己查，永遠覺得沒問題。

同一個病的另一帖藥是先把測試寫死，再讓 AI 寫程式，見〈grill-me 與 Matt Pocock 的整套工作流〉。西瓜還提醒兩個坑：Loop 跑得越順，你沒讀過的東西越多，出事那天連除錯都無從下手；也別舒舒服服接受它吐出的一切。他說到這一層，你以為在搞技術，其實在學怎麼當老闆：定目標、定考核、防摸魚。圈內的話是：搭循環，但別把自己搭進去。

實例：小金的檢查，從 1 道長到 22 道

小金的帳本就是一部 Loop 成長史。二月只有一道檢查：每段配音交給語音辨識打成文字，跟稿子逐字比對，聽對六成就過；三到五月那一代把門檻提高到八成五；到了十月，這支片的中文版要過 22 道（九月當時有幾道，影片沒說）。八月起它每天早上六點自己開工，到 10 月 8 日做了 37 支課程單元。但它的紀錄也證明，檢查只看得到它被設計去看的東西：

• 轟隆聲漏網：七月換語音合成後多了低沉的轟隆聲，觀眾和大金老師都聽出來了，檢查卻只管字對不對，不管聲音乾不乾淨。
• 11 秒漏網：九月一支英文版（當時用的是「八月～十月初」那一代做法）字幕越差越多，片尾差了 11 秒，卻通過了當時每一道檢查，上線後才被發現。
• 畫面問題程式看不見：改用程式算畫面後，字會疊在一起、跑出框，只能截圖一張張看。講數學論文那一支，第一輪就抓到二十幾處。

字幕偏差九月底先壓了回去；到了十月，聲音和畫面改由同一個程式一起排，「從做法上就不會越差越遠」。本站的看法是：從結構上讓錯誤發生不了，比事後多查一道更可靠。

🕸️ Graph：多個 AI 怎麼組成靠得住的團隊

西瓜說前四層都在把一個 AI 變強，但任務複雜到一個 AI 從頭做到尾，上下文就會亂：查到的無關內容、寫錯又劃掉的痕跡、臨時起意的思路，一直留在上下文裡越滾越髒。Loop 的做查分離若在同一個上下文裡拆，檢查者看得到生產過程，就像同組同事互查，很多問題抹不開面子講。真正獨立的驗證，需要完全獨立的上下文：只看結果、不看過程、不知道是誰做的。

這時要的不是更強的 AI，而是一套協作系統，把多個 AI、工具甚至人組成跑得動、看得見、出錯能恢復的系統。Loop 其實就是只有一個節點的圖；Graph 不取代 Loop，而是在好幾個循環要互相交接時把它們組織起來。他的比喻是公司組織圖：不會讓同一個人又做研究、又寫方案、又當評審。一張能跑的圖只有四個零件：節點（node，誰做什麼，越專業越只做一件事）、邊（edge，做完交給誰）、狀態（state，大家共看共改的進度、草稿與檢查紀錄）、策略（policy，誰有權做什麼）。他舉的例子是一張三節點的小圖：

現在的 agent 工具不是都能派生子代理嗎？西瓜說差在層次：派生子代理是決定給它什麼工具、什麼提示詞，那是造專職工人；Graph 是決定誰交接給誰、共享什麼、誰拍板、出錯誰收拾善後，那是畫組織圖。會招人不等於會管公司。

最後是錨點：AI 沒辦法糊弄的現實，它不跟任何 AI 講情面。一張圖裡若所有 AI 都在引用彼此的結論，沒有一個節點真的去跑測試、看使用者回饋、核對資料來源，那只是一台更精緻的自嗨機器。所以 Graph 的價值不在用了幾個 AI，而在確定性：上下文隔離、獨立驗證、錨點最後把關。做不到，人越多越亂。

想馬上搭一套多 AI 系統？西瓜說做 Claude 的 Anthropic 公開過數字：多角色 AI 系統的成本大約是一般呼叫的 15 倍，而且慢。他們一再提醒別為了組隊而組隊，Graph 是留給真正複雜、又要反覆跑的任務。

🧭 一句話總結

AI 用不好，先別急著換模型：話說清楚、資料給準、工具和規矩配好、讓它自己做自己查、真的複雜才組隊。小金八個月改了 41 次做法，因為換了更聰明的模型而改的是 0 次，檢查從二月的 1 道長到十月的 22 道；但九月那支偏差 11 秒的英文版，當時每一道檢查都放它過關。能力大多長在模型外面，而且一直需要碰得到現實的人，去發現下一個沒想到的漏洞。

五問自查清單

西瓜在片尾給的清單。下次 AI 的結果不好，由下往上查，缺哪個補哪個：

1. 話說清楚了嗎？（Prompt）
2. 資訊給對了嗎？（Context）
3. 工具和規矩配了嗎？（Harness）
4. 讓它自己檢查了嗎？（Loop）
5. 這個任務真的需要多個角色嗎？（Graph）

小金把六個版本排在一起，最意外的是二月那一版其實沒那麼糟：聽得懂，也做得快。後來的改變，大多是有人先看見、先聽見，它再把其中很多變成一道自己也查得到的檢查。