從提示詞到可控的 AI Agent：用五步迴圈建立自我修正工作流

許多團隊開始用 AI 後，工作並沒有立刻變輕鬆。初稿產出速度確實快，但內容常少了關鍵資訊、格式不符，或把不確定的資料寫得像事實。最後仍要花時間補資料、重整結構、逐句校對。

問題通常不在工具，而在任務設定。只交代「寫一封信」「整理會議重點」時，AI 會完成一次回覆；對它來說，任務已經結束。企業工作卻還有下一段：確認資料、核對要求、修正缺漏，再交給下一位同事或客戶。

因此，AI 講師在企業 AI 教學中，應先帶團隊建立一套可驗收的工作協議。任務要有目標、可檢查的完成條件，以及未達標時的處理方式。這樣的設定，能把對話工具從「快速寫初稿」推進到「協助完成一份可審核的工作成果」。

Anthropic 在 Agent 設計指南中提出 evaluator-optimizer workflow：模型先產出內容，再依既定標準評估與修正。工程團隊會把這個流程寫進系統；一般使用者也能先把相同概念放進自訂指令或專案設定。

Loop 的實務意義：讓任務有檢查與修正的下一步

「沒有 Loop 的 Agent，充其量只是包裝過的 Prompt」這句話適合用來理解差異，但企業使用時可看得更務實一些。

一段提示詞能描述角色、任務與輸出格式；它通常只處理一輪生成。Loop 則會多問三件事：資料夠不夠？結果是否符合標準？沒有符合時要修哪一項？

例如，請 AI 撰寫客戶信時，一次性交辦可能只寫「請用專業語氣回覆」。加入 Loop 後，任務會變成：先確認客戶問題與可提供的資料；再草擬回覆；檢查是否說明處理方式、時程與負責窗口；若資料不足，標示待確認，不自行補寫。

這套做法把資深同事交件前常做的基本檢查，轉成團隊可共用、可持續調整的流程。

五步迴圈：從接到任務到交付成果

➊ 探索（DISCOVER）｜先確認任務與資料

先讓 Agent 檢視任務、可用資料、限制與風險。客群、截止日、資料來源、核准者等關鍵資訊若未提供，應先提問；若任務需要先往下做，必須清楚列出假設。

這一步適合用在提案、採購詢價、月報與客訴回覆。資料缺口提早被看見，後續就少一次返工。

➋ 規劃（PLAN）｜列出步驟，也列出驗收點

要求 Agent 用 3 至 5 個步驟說明做法，並標示每一步要產出什麼、如何檢查。例如：整理本月銷售異常、找出前三項可能原因、提出三項可執行建議、檢查建議是否有資料依據。

主管在這一段能掌握任務範圍，也能決定哪些環節要人工確認。對報價、合約或對外回覆等工作，核准點應在執行前先寫清楚。

➌ 執行（EXECUTE）｜依範圍完成工作

Agent 可整理文件、分析表格、撰寫草稿或查詢已授權的資料。資料來源與可執行動作要先界定，尤其涉及企業內部文件、客戶個資、財務資訊時，更不能只靠一句「請小心處理」。

中小企業的第一批任務，建議選擇高頻、低風險、結果容易檢查的工作，例如會議摘要、客服回覆初稿、週報整理、商品資料標準化。流程跑順後，再擴大應用範圍。

➍ 驗證（VERIFY）｜逐條檢查成功標準

驗證是整個流程最容易被省略，也最值得保留的一步。成功標準要具體，避免使用「專業」「有吸引力」這類每個人理解不同的詞。

可改成以下條件：

1. 字數介於 100 至 120 字。
2. 必須包含三項指定重點。
3. 僅依據提供資料，不新增數字、承諾或事實。
4. 檢查日期、專有名詞、連結與格式是否完整。

當標準明確，AI 才有可依循的檢查表；主管也能快速判斷結果是否可用。

➎ 迭代（ITERATE）｜針對缺漏修正，再決定是否交付

驗證未通過時，Agent 要指出未通過的項目，完成修正後再檢查一次。建議設定停止條件，例如最多修訂兩輪；仍無法完成時，列出卡點與需要決策的問題，交由人員判斷。

這個限制能避免流程無止盡地重跑，也能保留人員的決策責任。對外發信、付款、報價、合約、刪除資料與重大判斷，最終確認仍應由人員完成。

可直接套用的輕量 Agent 設定範本

以下內容可放入 ChatGPT、Claude 或其他支援自訂指令的工具，再依部門工作替換方括號：

角色：你是「[任務名稱] 協作 Agent」。

任務：完成「[任務]」，交付可供人員審核的成果。

成功標準：

1. [可量化條件，例如：120 字內，且包含三個指定重點]。
2. [正確性條件，例如：僅依提供資料，不得補造事實]。
3. [格式條件，例如：先摘要，再列行動項目]。

執行流程：

1. 探索（DISCOVER）：確認任務、資料、限制與缺口。缺少關鍵資料時，先提問或列出假設。
2. 規劃（PLAN）：列出執行步驟與檢查點。
3. 執行（EXECUTE）：依計畫完成任務，不執行未授權動作。
4. 驗證（VERIFY）：逐條檢查成功標準，列出未通過項目。
5. 迭代（ITERATE）：修正未通過項目後再驗證，最多 [2] 輪。仍未達標時，停止並說明原因與需要的人員決策。

最終輸出順序：成果、驗證結果、待確認事項。

會後行動清單：一個可立即測試的場景

業務主管常需要把會議紀錄轉成行動清單。若只下「請整理會議重點」，通常得到的是摘要；任務若改為下列規格，產出會更貼近後續管理需要：

➊ 僅根據會議紀錄，不補造承諾、數字或結論。

➋ 每項行動需包含負責人、截止日與下一步；缺漏處標示「待確認」。

➌ 依緊急度分為本週、下週與持續追蹤。

➍ 最後核對是否遺漏客戶、專案與風險事項。

這份輸出仍需要主管確認責任歸屬與優先順序，但整理與核對工作已有一致的做法。團隊日後調整標準時，也有明確的修改位置。

主管導入時，先守住三個控制點

➊ 資料邊界：明確定義可讀取與不可讀取的資料。客戶個資、報價與財務資訊，不能因為方便就直接貼入公開模型。

➋ 成功標準：每個任務至少設定一項正確性條件與一項格式條件。這是品質檢查的依據，也是後續優化的基礎。

➌ 人員核准：Agent 可以整理資訊、提出選項與完成草稿；涉及對外承諾與重大決策時，保留人工最終確認。

企業不需要一開始就建置多智能體系統。挑一個高頻、低風險、可量化的任務，將五步流程寫成團隊共用的協議，先觀察輸出品質與修正次數。能穩定交付後，再評估資料串接與跨部門流程。

AI 能省下整理與初稿的時間；驗證與核准機制，才能讓節省下來的時間真正留在團隊手上。