大家這幾天有沒有被 Claude Fable 5 的能耐驚艷到？我這幾天看到 One Useful Thing 分享的一個實驗任務——製作等時線地圖——是真的被嚇到了。

收到指令的 Fable Agent，自己去爬了機場、火車、步行、駕駛各種交通方式的實際數據，然後才依照蒐集到的情報來動手繪製。成果非常精美（本期延伸閱讀的〈What it feels like to work with Mythos〉裡有動態地圖可以親自體驗）。

但讓我真正停下來想的，不是它做得多漂亮，而是另一件事：當 AI 強到可以把一整個任務黑盒子地接走，那我這個人，到底還剩下什麼價值？

我這陣子越來越確信一個有點違反直覺的答案——這個答案不在任何新技術裡，而在那些我們「早就知道很重要、卻一直不太在意」的老概念上。比方說「以終為始」這種被講到爛的常談：行動之前先想清楚要的是什麼。聽起來像廢話，但你問自己一句——有多少人在把任務丟給 AI 之前，真的做到了？

又比方說我們過往做工程、做研究時的那種「嚴謹」，到了 AI 全自動的時代，是不是就不需要了？

本期分享的東西，幾乎都在回答這兩個問題。主文是我自己跑過的一次實驗，延伸閱讀和速報則從不同角度補上拼圖。我會建議你一個一個點進去看——因為真正能讓你在這個時代長治久安的，不是 AI 技術本身，而是這些被我們忽略掉的核心概念。

📌 本週精選主文｜當 AI 能自己幹活，你的嚴謹度要搬到哪裡去？

接著主編的話那個問題往下走：Agent 越來越能自己把事做完，那「我」該守的是什麼？

這陣子我一直在忙著設計近期企業內訓的最後一堂課，最後決定鎖定多數企業最常遇到的 - 知識傳承問題的解決方案。

每個資深工作者腦袋裡都有幾百條不成文的判斷規則。資深業務知道「這個客戶最在意交期」；老外科醫生知道哪種病人的描述代表狀況比表面嚴重；PI 知道哪種數據異常值得追、哪種只是雜訊。這些判斷從不被寫下來——不是他們不願意，而是「坐下來寫文件」這件事，從來不會發生。

我透過幾個模擬的業務案例，自己從頭把整套萃取、整合以及驗證流程進行連貫的設計、並且再實際測試跑通——這套流程後來也成了我最近一堂課的教材。

設計過程讓我想清楚三件事：隱性判斷要能被 AI 用，得先拆成「場景條件 → 判斷依據 → 建議動作」，不是丟更多資料；業務隨手記的碎片筆記不必先整理，它本身就是最好的原料；而且驗收標準要足夠全面且切中重點，讓 AI 在完整任務之後，自動幫我們做最後確認，不通過就再次自行運作一次。

最後為了讓整個體驗有一個完整的閉環，所以我最後再追加一個流程，將 AI 生成出來的【業務成交教學卡】，更進一步透過提示詞，自動做成一個業務成交知識儀表板，所以整個流程就可以變成：業務把隨手記的成交筆記丟進去，系統歸檔成案例、再跨案例歸納出「成交模式」（例如「先用獎項和數據建立信任、再談價」這類反覆出現的手法），最後再建立一個讓主管總覽歷年成交知識的儀表板。

而這個整個運作過程可以如此順暢，一路從業的隨手成交筆記，毫無意外的一路進行到生成業務成交知識儀表板。它靠的不是 AI 聰明，而是我事先把「一筆案例、一個模式該長什麼樣」定義清楚——這就是嚴謹度移轉。它最後要長成一個「主管一頁看懂、新人直接照用」的儀錶板，是我動手前就定好的終點——這就是以終為始。少了這兩件事，我得到的不會是知識資產，只會是一坨漂亮的 AI 垃圾。

然後，它逼我想清楚兩件比工具更底層的事

這套流程能不能跑起來，其實取決於兩個前提——而我認為，這兩個前提正是「Agent 越自主、人越該守住的東西」的答案。

一是嚴謹度移轉。 現在一句話就能叫 Agent 跑完一段流程，很多人因此誤會自己的工作變輕鬆了。但工作沒有消失，是嚴謹度搬家了：以前你得在「執行每一個步驟」時保持嚴謹，現在中間的執行可以交給 Agent，但你必須在兩個地方變得更嚴謹——規格的定義，和驗收標準的明確。我那條「新人下週正式上戰場前閱讀，能夠理解嗎？」的驗收標準之所以關鍵，正是因為這個。

二是以終為始。 在你把任何任務交給 AI 之前，你得先想清楚這件事做完要長什麼樣子——你才知道怎麼描述它，也才知道拿到結果時怎麼判斷它是不是你要的。規格和驗收，都是從「想清楚終點」長出來的。

老實說，這套流程我目前是用模擬案例設計、自己跑通的，真正的實戰還沒開始——我預計一兩週後把它帶進課堂，正式拿真實的人、真實的判斷去檢驗。

等實戰跑過、踩完坑，我會在後面幾期接著報告進展。如果你也有類似的隱性知識萃取場景，或已經自己試過、踩過坑，很歡迎直接回信告訴我你的狀況——這正是我接下來最想對照的。

📚 延伸閱讀

這兩篇，我刻意一篇給你「感受」，一篇給你「答案」。

🔗 What it feels like to work with Mythos​
這篇讓你親眼看見主編的話講的那個震撼。Ethan Mollick 親測 Claude Fable 跑了好幾個小時的複雜任務，成果驚人，但他也老實說了不安的那一面：你的主控感變得非常小。讀完主文再看這篇，你會更具體地感受到「嚴謹度移轉」是什麼意思——當 AI 真的能做事，你的定義和驗收標準，幾乎就是你能掌握的全部了。

🔗 Relocating Rigor - The Phoenix Architecture​
這篇給的是理智上的答案。它的核心論點和本期主文高度呼應：「嚴謹度沒有消失，只是搬家了。」作者用 Extreme Programming 的歷史說明一個反覆出現的現象——每次工具升級，總有人誤以為限制被取消了，其實只是工作的重心換了位置。讀它，你會更清楚我在課上講的「以終為始」和「驗收要明確」，背後更深的那個道理。

⚡ 本週 AI 速報

這期三則速報，其實都在講同一件事的不同切面：Agent 越強，瓶頸就越不在「怎麼做」，而在「做之前有沒有對齊、想清楚」。

🔗 One Developer, Two Dozen Agents, Zero Alignment（Maggie Appleton, 2026-04）
一個人指揮二十幾個 Agent，產能暴增，卻在「對齊」上崩盤。作者用「九個女人一個月生不出一個嬰兒」來戳破一個迷思：個人產能放大，不等於組織任務完成能力放大。當實作成本趨近於零，真正的成本變成了「機會成本」——你到底該做什麼、不該做什麼。這正是主文「以終為始」在團隊層次的版本。

🔗 【文思不藏私】以終為始的概念​
如果主文讓你認同「以終為始」很重要，這篇幫你把它從口號變成可執行的東西——它不只說清楚什麼是以終為始，還整合了「先問為什麼」「影響地圖」等多個相關框架，告訴你怎麼真的落地。

🔗 A harness for every task: dynamic workflows in Claude Code​
想看「自助式 Agent 的最前沿到哪了」，看這篇。它介紹 Claude Code 的 dynamic workflow——能依任務動態建立合適的多 Agent 協作架構。看完你會更理解：當 Agent 的執行能力衝到這個程度，人的工作確實只剩下「定義任務邊界」這一端了。

🎓 研究者特報

最後分享一個未來的動態。我們計劃在七月份的執行階段結束後，把這幾個月探索的「AI 虛擬助理必修內容」重新整理，推出一個陪跑形式的工作坊。

如果你正在考慮培訓自己的 AI 工作流，或想把組織內的隱性知識系統化——這正是本期主文在做的事——很歡迎找我們聊聊。

• Facebook：
  ​https://www.facebook.com/ted.aigc​
• Line：
  ​https://lin.ee/Da2vS9D​
• 或直接 Email 我也可以。

我們下期見。

— Ted