數位員工真正缺的，不是 Prompt，而是一個能工作的環境

喔！我好討厭現在 FB 建立貼文的方式，文字不在正中央，很不習慣誒！七月的五天數位員工班結束之後，今天下午把昨晚學員許願的功能都加一加，然後看著最後完成的系統，心裡其實有一種很奇怪的感覺，不是單純的開心，也不只是「終於做完了」的鬆一口氣，反而比較像是我原本只想帶學員走到半山腰，走著走著卻發現自己已經替他們把山上的基地也蓋好了。

一開始，這堂課真的沒有打算做到這麼大，原本想教的只是數位員工，讓學員不再只是打開 AI 輸入一段提示詞並得到一段答案，而是可以開始理解一個真正可以工作的 AI 員工，至少要有自己的角色、任務、資料來源、工具、工作規則與交付標準。

它不能每一次都等人從頭解釋，也不能只會生成一段看起來很厲害但沒人知道能不能使用的文字，所以最初的設計其實很單純。

我們先替 AI 建立一張員工身分卡，它是誰？它負責什麼？它可以讀哪些資料？它可以使用哪些工具？它最後應該交出什麼？哪些事情絕對不能自己決定？

這已經比一般的提示詞課程再往前了一步，但當我真的開始設計這門課的時候，我很快就發現另一個問題：如果只有一個 AI 員工，它仍然只是一個比較完整的聊天機器人。

真正的公司，不是靠一個全能員工運作的，公司之所以能運作，是因為有人研究、有人整理資料、有人規劃、有人撰寫、有人檢查，也有人負責最後決定，所以我開始把一個 Agent，變成一組 Agent。

研究員找到資料，知識員工整理公司的規則與背景，行銷員工負責內容策略，主筆完成初稿，校稿員檢查語氣、邏輯與錯誤，統籌員負責把前面的成果整合起來，做到這裡時已經不再是個別的 AI 員工，反而開始像一個 AI 團隊了。

但新的問題也立刻出現了，因為有一群員工不代表公司就會自動運作，如果每一個人都各做各的，最後還是需要一個真人，把前一個人的成果複製出來，再貼給下一個人。研究員做完貼給行銷，行銷做完貼給主筆，主筆做完再貼給校稿，這種做法表面上看起來已經很進階，本質上仍然是人類在替 AI 搬運工作。

AI 負責思考，人類負責當輸送帶，這不合理。

所以系統裡開始出現了 Workflow，把工作拆成一欄一欄的，每一位 AI 員工只需要讀取自己被允許讀取的前置成果，完成自己的工作，再把結果寫進自己的欄位。A 欄完成後交給 B 欄，B 欄完成後再交給 C 欄，每一步都留下紀錄，每一份成果都寫進資料庫，就算關掉瀏覽器，重新打開，工作仍然留在原來的位置。這樣 AI 才第一次不只是「回答問題」，而是可以開始執行工作。

但是我還是不滿意，因為固定流程雖然可以自動執行，卻仍然需要人先把流程設計好，你必須先決定要開幾個步驟、每一步找誰做、誰可以讀取誰的成果，這適合穩定、重複的工作。

但是現實中的工作，不會每一次都長得一樣，有時候你只是丟進一句話「這一季想提高回購率，幫我規劃要做什麼」，這種任務沒有現成表格，也沒有永遠固定的步驟。

所以我又往前推了一層：讓 Agent 自己排工。先理解目標，再決定這次需要哪些角色、需要拆成幾個階段、每一個階段應該讀取哪些前置資訊。

也就是說，AI 不只執行流程，它也開始參與流程設計，當然這裡不能毫無限制，所以我又替它加上護欄，最多只能拆成一定數量的步驟，後面的員工只能讀取前面已經完成的欄位，不允許形成循環。（但後面我又把不准形成循環改掉了，因為很多決策真的需要 Loop）

然後找不到適合的員工時，工作會退回專案主管，而不是憑空產生一個不存在的角色。

我一直認為，AI 系統真正困難的地方，從來不是讓 AI 更自由，而是要知道自由應該停在哪裡，因為完全沒有自由，AI 就只是一台自動填表機，如果完全沒有邊界，AI 就會變成一個無法預測、無法稽核也無法交付給企業使用的黑箱。

可用的架構永遠存在於兩者之間，它必須有足夠的空間完成任務，也必須留下足夠的結構，讓人知道它做了什麼。

這也是為什麼我沒有把工具呼叫藏起來，當 Agent 覺得自己需要查公司知識庫、閱讀前一欄、查看團隊分工、詢問另一位 Agent，或者抓取公開網頁時，它可以自己呼叫工具。

但是每一次工具呼叫都會留下軌跡！留痕很重要！留痕很重要！留痕很重要！它查了什麼？讀了哪一欄？問了哪一位同事？拿回了什麼結果？最後又如何形成答案？全部都可以展開查看。

在實作來說這件事非常重要，因為成功了你得知道為什麼成功，失敗了也要知道應該從哪裡修，當整個執行過程被紀錄，學員看到的就不再只是答案，而是可以看到 AI 如何取得資料、如何判斷缺少什麼、如何選擇下一步，這時候學員才有可能真正學會設計 Agent。

否則 Agent 課程，很容易只剩下兩件事：老師示範一個很漂亮的成功案例，結果學員回家之後不知道為什麼自己的版本做不起來。

所以我的教學順序刻意分成了三層：

第一層，手動交接：讓學員親手把一位員工的成果交給下一位員工。

第二層，自動接力：讓系統替人搬運資料，按照固定流程一站一站執行。

第三層，自主團隊：讓 Agent 根據目標，自己決定這次應該怎麼排工。

這個順序看起來學習比較慢，但可以讓學員理解每一層到底解決了什麼問題，如果直接從第三層開始，大家只會看到一個很厲害的結果，卻不會理解流程是怎麼形成的？資料是怎麼流動的？錯誤是在哪一個節點發生的？哪一個決定應該交給 AI？哪一個決定仍然必須留給人？

這也是我設計這套架構時，最在意的一件事，我沒有想把人拿掉，我想拿掉的只有人類不應該再做的搬運工作，例如重複複製資料，重複貼上背景，重複交代同樣的品牌規則，重複整理上一位同事已經完成的內容，重複確認某份產出到底存在哪裡。

這些工作很耗時間，卻不是人類最有價值的部分。但提案要不要接受？內容能不能發布？客服訊息能不能真正送出去？這些涉及品牌、風險與責任的決定，我仍然留給人。

所以在這套系統裡，AI 產出的內容會先進入提案區，人點頭按了之後才正式進入文案庫。

客服訊息可以由 AI 根據知識庫產生草稿，但一定要經過真人審核、編輯，再按下送出，AI 永遠不會自己回覆顧客。

這些邊界不是因為系統做不到，而是因為「做得到」和「應該這樣做」，本來就是兩個完全不同的問題。

我常常看到很多人在談 AI 自動化時，只問能不能全自動？

但我設計系統時問的是哪一段適合自動？哪一段需要可逆？哪一段必須留下紀錄？哪一段一定要有人負責？

企業系統不是自動化程度越高越好，關鍵的地方在於責任邊界必須越清楚越好。

後來，我又替它加入知識庫，因為一個沒有公司知識的數位員工，不管模型有多強，都只是一個聰明的外人，它不知道你的品牌怎麼說話，不知道退換貨規則，不知道哪些產品不能這樣描述，不知道過去做過哪些決策，不知道哪些內容已經被證明有效。

所以知識庫不是附加功能，它是數位員工真正進入公司的入口。

但有知識庫也還不夠，因為「查得到資料」不代表「交得出合格成果」，這是很多 AI 系統下一個會遇到的問題。

AI 可能引用了正確的資料，最後卻交出一份結構不完整的會議紀錄，它可能知道客服規則，卻漏掉案件摘要、處理建議或升級條件，它可能寫了一份行銷企劃，看起來很多字，卻少了真正可以執行的欄位。

所以我把 Skill 的契約層也搬進來，保留了角色原則、任務型態、必要區塊、禁語、待補標記與格式規則，讓 Agent 在交件之前，先把自己的草稿送去檢查，系統也會在成果真正寫入資料庫前，再驗一次。

這個檢查不會判斷文章好不好看，它也不能保證內容一定有洞察，但它至少可以先回答一個更底層的問題：這份東西，結構上能不能算是一份完整交付？

這也是我一直想讓學員理解的差別：

．提示詞是在告訴 AI「請你怎麼做」
．Skill 是在定義「這類工作應該如何完成」
．Workflow 是在決定「工作如何在不同角色之間流動」
．Knowledge 是在提供「工作需要依據哪些資訊」
．Contract 是在確認「什麼樣的結果才算完成」
．Human Review 是在負責「這個結果能不能真的進入現實世界」

當這些東西被放在一起時，那就不是一個個的功能，而是開始融合起來變成一套能力。

後來，系統又加入多品牌空間、使用者權限、不同模型供應商、客服管道、自動化事件、成本警戒、英文介面、一卡車行業範本......。

誒，我好像講了一堆流水帳XDDD

為什麼這樣設計？為什麼從 v1.0 一路變成了 v6.7，光是部署測試就做了八十幾次，因為我一直在回答每一個必然會出現的問題：學員有不只一個品牌，資料該怎麼隔離？團隊裡有不同的人，權限怎麼區分？不同任務適合不同模型，怎麼切換？成果做完之後，怎麼進入下一個工具？系統出了問題，怎麼知道卡在哪裡？學員部署之後，怎麼自己理解每一頁？企業真的開始使用之後，怎麼控制成本與風險？

架構不是先想像一個巨大的藍圖，再把功能塞進去，好的架構是你對每一個後續可能的問題都不敷衍，一個問題解完之後，再誠實地面對下一個問題。

弄到最後，原本的數位員工班，直接變成了一套 AI 作業系統，裡面有 53 個隨選即用的 Agent ，有 35 條 Workflow 範本，有知識庫、提案區、文案庫、客服中心、多品牌空間、權限系統、自動化串接與執行軌跡。

Agent 可以查資料、讀取其他欄位、詢問同事、抓取網頁，也可以根據一句話目標自主排工，每一步都有紀錄，每一份成果都能保存，每一個重要決定，都仍然可以回到人手上。

也就是說這次教的已經不是「怎麼做一個又一個 Agent」，更正確的說法是我在教怎麼替 AI 建立工作環境。

因為數位員工真正缺少的是職位、是公司資料、是工作流程、是交接制度、是品質標準、是權限、是稽核紀錄，也缺少一個清楚知道自己何時該介入的人類主管。

我們過去一直問 AI 會不會取代員工？但做完這套系統之後，我反而覺得，這個問題問得太早了，因為更現實的問題是你真的知道一個員工如何在你的公司裡完成工作的嗎？他需要哪些資料？他會且該跟誰合作？他在哪一個節點需要主管決策？什麼叫做完成？什麼情況下不能繼續？

如果這些事情從來都沒有被說清楚，那麼導入 AI 之後，AI 只是把原本混亂的工作做得更快。

這也是我這次教學最深的感受😍😍😍

那，8/1+8/2是 AI 數位員工的主管班，會搭配 Vibe Coding 一步步做企業總控喔，下週開始預訓練的 email 通知，請先把環境都搭好，後面才好一起進步喔！

本文原發表於 2026/07/25 的 Facebook 貼文，原文照登，僅調整網頁排版；文中提及的產品、價格與活動以當時為準。