嗨，大家好。

上一期我跟大家分享了我們內部決定的管理架構：用 ISO 的骨架收納文件，用 BPM 的血液驅動工作，用 ACM 的精神管理專案。沒想到這個話題讓不少朋友起了共鳴，也有讀者特別寫信來問：「為什麼是 BPM？那句『把價值順利遞交給客戶』，到底是什麼意思？」

今天就用我們最近遇到的一個真實案例來回答這個問題。

最近我們的 AI 論文輔助事業正在規劃第二期（有興趣當朋友可以參考文後研究者特報，有我們計劃的消息），我發現有一篇文章陷入了一個「三不管地帶」——它同時是內容產製（知識中心的職責）、招生行銷工具（總經理室負責），而原始素材卻存在課程設計的資料庫裡。三個邊界，沒有一個地方是它的「正式歸宿」。

這種感覺你一定不陌生：明明事情要做，但就是不知道放哪裡、誰來主責、要不要現在建立一套流程。

後來解開這個結的，是我們之前在流程文件裡寫的一句話：「規模有限、還沒正式切割的責任範圍，先用身兼方式處理。」

這句話的背後，正是 BPM 最核心的哲學：消除浪費，只標準化值得標準化的事。

BPM 有一個很實用的判斷標準——如果一個流程步驟對「把價值遞交給客戶」沒有直接貢獻，那它就是浪費，應該砍掉或簡化。更精準的說法是：

很多人（包括我自己過去）容易犯的錯，是一開始就想把流程設計得很完整、很嚴密。但太早建立的流程，只是用今天的邏輯限制未來的可能性。等真正的痛點浮現，你才能用最低成本、在最對的地方建立最有價值的規則。

今天的主文也有相似的底層邏輯——關於什麼時候該給 AI 加框架，什麼時候讓它自由發揮。希望讀完之後，你會有一個不一樣的感受。

Ted

本週知識萃取 🧠

你以為在幫 AI 熱機，其實你在干擾它思考

你有沒有這個習慣——每次打開 AI，第一行就寫：

我也以為這是個好習慣。直到南加大的研究團隊在 2026 年 3 月發表了一個讓人頭皮發麻的實驗結果：

給 AI 設定「專家角色」，在某些任務上會讓它的表現變差——而且不是差一點，是系統性地變差。

更諷刺的是：你越認真寫角色設定，它在特定任務上就掉得越慘。

這篇電子報要告訴你一個簡單的判斷規則，讓你知道什麼時候該給 AI 穿上專家西裝，什麼時候讓它素顏上陣就好。

核心觀念萃取

原則一：AI 的大腦有兩個分區，角色設定只對其中一個有效

AI 模型的能力大致分成兩塊：一塊是它「天生就會的」（訓練時記住的事實、數學邏輯、程式語法）；另一塊是它「後天被訓練成的」（寫作風格、遵守格式、語氣調整）。角色設定屬於「指令遵從」的訊號，它能激活後天訓練的那塊，卻會干擾先天知識的提取。就像叫一個廚師「扮演米其林主廚」，他的擺盤可能更精緻，但如果你問他食譜配比，他反而可能因為太入戲而出錯。

原則二：角色設定的長度，決定干擾程度

實驗發現，角色設定寫得越長越詳細，對需要精確知識的任務傷害越大；越短（甚至只有一句話），副作用越小。這意味著：如果你不確定要不要加角色，寧可寫短一點，而不是洋洋灑灑寫一大段「你擁有 20 年經驗的……」。

原則三：「對的任務配對對的角色」比「加上角色一定更好」更準確

許多人以為角色設定是萬用提升藥，但研究告訴我們，它其實是一個精準工具——用對地方效果顯著，用錯地方適得其反。真正的高手不是「每次都加角色」，而是「知道什麼時候加、什麼時候不加」。

雙場景落地實戰

💼 企業職場場景

假設你是行銷企劃，今天要用 AI 完成兩件事：

• 任務 A：分析一份競品的財報數字，找出關鍵指標的變化趨勢
• 任務 B：用這份分析寫一份給主管看的簡報摘要

按照這篇研究的結論，任務 A 要讓 AI「素顏」回答（直接問數字，不要加「你是資深財務分析師」），任務 B 才是加角色的好時機（「請以簡潔有力的商業寫作風格，幫我整理成三個重點……」）。

兩個動作拆開，效果比你一路都加著角色設定要好得多。

🎓 深度研究場景

碩博士生做文獻回顧時，最常見的 AI 使用情境也有兩種：

• 任務 A：「幫我整理這十篇文獻的研究方法和核心發現」（需要精確提取事實）
• 任務 B：「幫我把這些發現整合成一段符合學術語氣的文獻回顧段落」（需要寫作風格）

前者不要加角色（AI 需要老老實實提取內容，加了角色反而會讓它開始「詮釋」而非「提取」）；後者加上「你是一位嚴謹的學術寫作者」則會明顯提升段落的結構品質。

本週實戰小禮物

▌決策框架：要不要給 AI 設角色？30 秒判斷表

在下 Prompt 之前，先問自己這個任務屬於哪一類：

任務類型例子建議需要準確事實或數字摘要文章、查找數據、計算、邏輯推理❌ 不加角色，直接問需要好的格式或語氣寫報告、調整語氣、改寫摘要、做簡報文案✅ 加角色，且描述越具體越好需要安全過濾或嚴格邊界審核敏感內容、法律合規文字把關✅ 加「安全把關者」角色，效果顯著不確定屬於哪類—先不加角色跑一次，再視結果決定

5. 延伸閱讀

Expert Personas Improve LLM Alignment but Damage Accuracy: Bootstrapping Intent-Based Persona Routing with PRISM​
Zizhao Hu, Mohammad Rostami, Jesse Thomason｜University of Southern California, 2026
📎 arXiv:2603.18507​

AI 速報 ⚡

本週三則值得你花五分鐘看的 AI 動態——

🔗 STADLER reshapes knowledge work at a 230-year-old company

• 🎯 解決什麼痛點： 老企業全員導入 AI，看起來遙不可及？
• 💡 核心亮點： 230 年傳統製造業讓 650 名員工全面使用 ChatGPT，初稿速度提升 2.5 倍，每日活躍率突破 85%。
• 👀 誰該看這篇： 正在規劃企業 AI 轉型的管理者

🔗 閱讀原文​

🔗 Measuring progress toward AGI: A cognitive framework

• 🎯 解決什麼痛點： AGI 人人在聊，但到底該怎麼量？
• 💡 核心亮點： DeepMind 用認知科學拆解出 10 大智能維度，首創可量化的 AGI 進展評估框架，並附 20 萬美元社群競賽。
• 👀 誰該看這篇： 關注 AI 能力評估與發展路徑的從業者

🔗 閱讀原文​

🔗 AgentDS Technical Report: Benchmarking Human-AI Collaboration in Domain-Specific Data Science

• 🎯 解決什麼痛點： AI Agent 到底能不能取代人類專家做決策？
• 💡 核心亮點： 跨 6 大產業實測：純 AI 表現僅落在中位數，最強解法全是人機協作。
• 👀 誰該看這篇： 評估或建構 AI Agent 工作流的從業者

🔗 閱讀原文​

研究者特報 🔬

【正式公告】AI 深度研究學術夥伴計劃 — 第二期開放報名

第一期【AI 深度研究｜實戰共學營】圓滿結束了。

在這個過程中，我們建立了一套核心的方法論框架——從「模糊直覺」到「精準提案」，從「深度研究」到「微型計畫書 × 戰略聚焦單」的雙軌流程。第一期的最後，我們更開始嘗試把這套方法論轉化為 Agent Skill，讓 AI 不只是工具，而是能夠按照嚴謹學術框架自動執行任務的「代理人」。

第二期，我們要更進一步——把這套框架，升級成一個會動的系統。

第二期藍圖的核心包含：

• 現有流程的「虛擬助理化」——讓作業流程更一致、可重複、高品質
• 加入文獻庫的深度分析能力——不只找文獻，更能分析領域現況與理論分布
• Scoping Review 視覺化——讓你「看到」文獻全局，而不只是「讀到」方向
• 建立微計劃書的動態更新機制——讓它隨研究進展持續自我精進

⚠️ 名額限制：本期僅開放 3 個名額

為確保每位學員都能得到足夠的關注與服務品質，本期名額嚴格控制。

⏰ 報名截止：2026 年 4 月 12 日（額滿提早關閉）

如有興趣，歡迎點擊下方連結登記訪談：

👉 填寫訪談登記表​

感謝你讀到這裡，我們下期見。

— Ted 的 AI 學術顧問所