AI 員工怎樣訓練？用五格框架「聘請」一個替你上班的 AI

簡單答案：訓練 AI 員工的重點，不是寫出更厲害的指令，而是像請人一樣交代五件事：它甚麼時候開工、做甚麼、可以用甚麼工具、做完交到哪裏，以及你甚麼時候檢查。五件事講清楚，AI 才會由「你用的工具」變成「替你上班的員工」。

這篇文章整理自 2026 年 9 月 19 日的免費分享會《HIRE AI. NOT USE AI.》。分享會的核心觀念只有一句：AI 從來不會主動。沒有輸入，就沒有輸出。它不是懶，而是被設計成「被叫才動」。

你現在請的是哪一種「AI 打工仔」？

大部分人用 AI 的方式，其實是以下三種之一：

• 傳令兵：你問一句，它答一句，然後你繼續自己做。
• 校對員：它生成一份，你逐次修改，改到第十次還是不對。
• 監工：它在運行，但你每一步都要盯着，一離開它就停下來。

三種的共通點是：真正在做事的人，還是你。要讓 AI 成為員工，就要給它一個被喚醒的時機，以及一份清楚的職責。

如果你仍然停留在「傳令兵」階段，先把日常指令寫好是最實際的一步，可以參考10 條辦公室即用的 ChatGPT 指令範例，熟練之後再進入下面的五格框架。

AI 員工五格框架

請人要講清楚的事，請 AI 也一樣。少了任何一格，它就跑不起來。

根據 Gartner 的預測，到 2027 年底，超過四成的 Agentic AI 項目會被取消，原因包括成本上升、商業價值不清晰和風險控制不足（資料來源：Gartner 新聞稿，2025 年 6 月 25 日，2026 年 10 月查閱）。「價值不清晰」很多時正是因為 JOB 和 OUTPUT 兩格沒有寫好：沒講清楚要它做甚麼，也沒講清楚做完交給誰。

一個實際例子

• TRIGGER：逢星期一早上九時零七分。
• JOB：檢查電郵，只找指定寄件人的郵件，把重點整理成三行。
• ACCESS：電郵連接器。
• OUTPUT：寫進一個檔案，而不是發訊息。訊息會被滑走，檔案會累積。
• REVIEW：每星期五自己看一次。

為甚麼是九時零七分而不是九時正？因為部分排程系統會為整點的任務加入隨機延遲，避開整點和半點，時間會更準。排程還有幾條容易被忽略的規矩，例如錯過的任務不一定會補跑，設定之前值得先了解清楚。

想看更多可以直接交給 AI 動手做的任務例子，我另外整理了AI Agent 新手教學：10 條即用 Prompt，每條都可以套進五格框架的 JOB 一格。

訓練 AI 員工的第一課：管好它讀的東西

很多人以為 AI 的成本只是訂閱費，但真正影響表現的，是它每次回答之前要讀多少東西。

這裏要分清兩個概念：

• Prompt（指令）：你打出來的那一段字。
• Context（上下文）：AI 每次回答前實際讀進去的全部內容，包括系統指示、工具說明、對話紀錄、外部資料和記憶檔案。

Anthropic 的工程文章指出，Context 對 AI Agent 來說是重要但有限的資源；而當 Context 的 token 數量增加，模型準確回想其中資訊的能力會下降（資料來源：Anthropic〈Effective context engineering for AI agents〉，2026 年 10 月查閱）。換句話說，塞給 AI 員工的東西越多，它反而越容易出錯。

最常見的三個錯誤：

1. 重新生成：只想改一個字，卻叫 AI 整份重寫。
2. Context 臃腫：裝了十個工具，只用到兩個。
3. 盲目開到最高推理強度：簡單的改寫和翻譯，也用最高級別的推理模式。

一條可以即時試的 AI 員工指令

想知道你的 AI 把資源花在哪裏，可以直接問它：

把這次對話按 token 消耗排序，告訴我哪一段最消耗資源，並解釋為甚麼，再告訴我哪些是可以避免的。

你可能會發現，原來一份 PDF 佔了大部分內容，或者一個從來沒用過的工具說明每次都被讀一遍。

一個 AI 員工不要做十件事：子代理

工作量大的時候，可以把任務分給「子代理」（subagent）。每個子代理都有自己一份乾淨的 Context，可以花大量 token 去探索和查資料，做完只把一份濃縮摘要交回主 AI（通常只有一千至二千 token）。這樣主 AI 讀的東西不會越積越多，分開做反而又便宜又準。

推理強度怎樣選？先預判，後校準

推理強度（reasoning effort）不是 AI 的智商，而是它可以投入多少思考去探索問題。級數越高不一定越好，簡單的任務開到最高，有時反而因為想太多而變差。

「不夠用才往上加」有一個矛盾：發現不夠用的時候，任務已經做完了。比較好的做法是事前預判任務需要多少推理，事後再用少量代表性任務校準自己的預設值。

這是我自己的建議起點，不是官方分級標準；不同模型提供的級數也不一樣。

送出之前，問自己四條

我會用四個變數評分：複雜度、模糊程度、錯誤代價、驗證難度，每項 0 至 2 分。總分 0 至 2 用 Low，3 至 4 用 Medium，5 至 6 用 High，7 用 xHigh，8 用 Max。

例如付費推廣前的盡職調查，四項都是 2 分，就值得開到最高；「幫我把這段文字改得自然一點」四項都是 0 分，開最高也沒有額外空間可以探索。

看到這些訊號，才升一級

• 明顯漏掉你提供的條件
• 前後推理自相矛盾
• 太快選定答案，沒有探索其他可能
• 多個來源的資料互相矛盾，卻沒有處理
• 數字推導有跳步
• 同一條問題重跑一次，結論大幅改變

另外有三種情況，升級也救不了：資料不足、指令本身不清楚，以及 AI 根本沒有檔案或網站的權限。升級之前，先確認這三樣到位。

用真實任務校準

每星期挑五至十個有代表性的任務，同一條指令、同一份資料，分別用 Medium、High、xHigh 各運行一次，比較有沒有找到不同問題、有沒有減少遺漏、差別值不值得多等。最重要的規則是測試期間不要改指令，否則分不清進步來自推理強度還是指令本身。

叫 AI 改，不要叫它重做

你說「改一下」，AI 很多時聽成「重做」：它不知道你只想動一個地方，於是整份重新生成，順便改掉你滿意的部分。三個招式可以避免這種情況：

1. 先在瀏覽器裏試：做網頁時，在頁面按右鍵選「檢查」，在 Styles 面板直接改數值，改到滿意再告訴 AI 一個確定的數字。試的過程不花任何用量。
2. 一開始就把數值抽成變數：間距、字體大小、顏色等定義成變數，之後只改一個數字，全份一起變。
3. 用「會改檔案」的工具：例如 Claude Code、Cursor，它們會先讀你的檔案，只動指定的一段，而不是每次從零輸出。

背後的精神是：把「要改的」和「不用改的」分開，把「試」這個動作搬到不收費的地方。

指令要落在中間

寫得太死，AI 遇到沒寫到的情況就會卡住；寫得太含糊，它只能自由發揮。好的指令是指定範圍，但不規定每個數值。例如不要說「幫我改一下 layout」，而是說「只輸出 .chart-container 這一段的 CSS，其他不要動」。

兩個加分做法：一頁一個獨立區塊，要改哪一頁就只重新生成那一頁；以及先叫 AI 把你的要求寫成完整指示，再開一個新對話執行，人手寫很容易漏掉重要字眼。

讓 AI 員工定時上班

五格之中，TRIGGER 是最多人漏掉的一格。現在主流 AI 工具都開始提供排程功能，例如 Google Gemini 的付費方案（Google AI Pro 或 Ultra）提供「排定動作」，可以設定 AI 在指定時間自動執行任務（資料來源：Google 官方網誌 blog.google，2026 年 10 月查閱）。

AI 要連接外部工具時，最常用的方式是 MCP（Model Context Protocol）。它像 AI 的萬用插頭，只要雙方都支援就可以接上。Anthropic 已把 MCP 捐贈予 Linux Foundation 旗下的 Agentic AI Foundation，ChatGPT、Gemini、Microsoft Copilot 等產品均已採用（資料來源：Anthropic 官方公告，2026 年 10 月查閱）。不過不要一次裝十個，每一個的說明書，AI 在動手之前都要先讀一遍。

ChatGPT、Gemini 的排程都在雲端運行，適合做資訊整理、監察和提醒；如果要處理你電腦裏的檔案，就要用可以在本機運行的工具，例如 Claude Code 的桌面排程。

如果你想 AI 員工不只替你一個人工作，而是和同事一起在群組裏接任務，可以參考Kylon 團隊 AI Agent 工作區上手教學；它的「自動化」功能正好對應五格裏的 TRIGGER，例如每天下午五點自動問大家進度。

整套系統怎樣分工？三層結構

AI 員工多了之後，最常見的問題是十個工具平放在同一層，互相不知道對方存在。我自己會把它們分成三層：

重點不是用了多少工具，而是三層之間有分工：思考層定方向，執行層按時做事，創作層負責出品。

零門檻三步：聘請你的第一個 AI 員工

1. 找出你這星期重複做了三次以上的事，只選一件。
2. 用五格填一次：TRIGGER、JOB、ACCESS、OUTPUT、REVIEW。填不出來的那一格，就是你會失敗的地方。
3. 先做最簡單的一個，運行穩定之後才加第二個。

常見問題

Q：AI 員工和一般用 ChatGPT 有甚麼分別？ A：一般使用是你問一句、它答一句；AI 員工則有固定的觸發點、職責和交付位置，可以在你不在場時按時完成工作，你只需要定期覆核。

Q：訓練 AI 員工需要懂寫程式嗎？ A：不一定。很多排程和連接功能已經內置在 AI 工具之中，用文字設定即可。最重要的是先把五格框架填清楚。

Q：AI 員工適合做甚麼工作？ A：適合漏做一次也不會造成嚴重後果的工作，例如每日資訊整理、行業新聞監察、電郵分類和數據週報。涉及金錢、合約或必須準時完成的工作，仍然要由人負責。

Q：AI 員工的推理強度應該開到最高嗎？ A：不一定。簡單的改寫、翻譯和摘要用低推理強度已經足夠，開到最高有時反而因為想太多而變差；複雜分析或錯誤代價高的任務，才值得調高。

Q：AI 員工的指令應該寫得多詳細？ A：要落在中間。寫得太死，它遇到沒寫到的情況就會卡住；寫得太含糊，它只能自由發揮。指定範圍和交付格式，但不需要規定每一個細節。

---

由零開始，學會讓 AI 替你工作

聘請 AI 員工之前，先要懂得怎樣跟 AI 溝通。START AI 新手線上課程用十集廣東話短片，由寫指令、追問修改到查證答案，一步一步教你把 AI 用在日常工作。

• 免費試看第一集
• 了解課程內容
• AI 新手應該怎樣開始？

本文資料更新日期：2026 年 10 月 24 日。

---

五格之中最容易出錯的是觸發點：三個平台的排程功能各有限制，錯過的任務也不一定會補跑。三平台排程比較、三條排程規矩和一張空白五格填寫表，已整理成一份 PDF，設定第一個 AI 員工時可以對照着填。