從會用 AI 到能駕馭 AI，是三個不同的能力階段

暑假八月的三門 AI 課，今天是早鳥優惠的最後一天喔！但我想先說清楚 Harness Engineering 到底可以用在哪裡？最近很多人問我八月這三堂課到底有什麼不同？也有人直接問已經會用 ChatGPT 了還需要上課嗎？Google 那堂是不是只是在教幾個工具？Harness Engineering Framework 到底是什麼？聽起來好像很工程師，跟一般工作者有關嗎？

我覺得會有這些問題很正常，而且非常好！因為現在 AI 課程太多了，每一堂都在講效率、自動化、工作流、Agent、Prompt，聽到最後好像每一堂都差不多。

所以我這次八月安排的三堂課，並不是把三組 AI 工具分開教，它們其實是一條完整的能力路徑！

第一堂讓你改變工作的起點與思維方式。

第二堂讓 AI 真正進入你每天使用的工作環境。

第三堂讓你具備設計、控制、檢查一套 AI 工作系統的能力。

所以它們不是三堂彼此無關的課，而是從「我會用 AI」，一路走到「我有能力駕馭 AI 工作」的三個階段。

今天，2026 年 7 月 31 日，是三堂課的早鳥最後一天。

原本我可以很簡單地寫早鳥最後一天，大家趕快報名喔喔喔！但這樣還是不會回答大家真正的問題，尤其是第三堂 Harness Engineering Framework。

看到這個名稱可能第一個反應就是這是不是工程師才需要學的東西？

其實剛好相反，工程師本來就比較習慣處理規格、版本、測試、限制與錯誤，容易被 AI 成果「看起來很完整」所迷惑的，反而是沒有工程背景、又正在大量使用 AI 工作的人。

所以這一篇，我想好好說明三堂課的關係，也特別談談 Harness Engineering 到底可以用在哪裡。

先從第一堂開始。

第一堂：AI Native 工作法

如果你還在用 2024 年的工作方式「使用 AI」，那？？？其實就只是把原本的工作方式原封不動搬進 ChatGPT，以前自己寫一篇文，現在叫 ChatGPT 寫；
以前自己整理會議紀錄，現在把逐字稿貼進去整理；以前自己回信，現在叫 AI 幫忙草擬；這些都有幫助，但本質上它們仍然是一個任務、一個指令、一個答案。

你還是那個站在所有工作中間，不斷負責提問、複製、貼上、整理、檢查、重新交代背景的人，所以你用了 AI 卻不一定真的比較早下班，因為你只是把工作的一部分交給 AI，並沒有重新設計整個工作方法。

AI Native 工作法要處理的就是這個問題！

什麼叫 AI Native？不是每件事情都問 AI，也不是看到新工具就立刻註冊，而是你在面對一件工作時會先思考這件事真正要產生的是什麼成果？哪些資訊已經存在？哪些步驟需要人的判斷？哪些步驟可以交給 AI？這個成果之後還會被誰使用？要怎麼讓它可以重複，而不是每次重新來過？

這堂課的重點不是讓你多學十個提示詞，而是讓你重新看待工作，因為很多人用不好 AI 的根本原因是已經來到 2026 年，工作的設計方式卻還停留在 AI 出現之前。

第二堂：ChatGPT 很強，但真正讓你下班的是 Google

這一堂處理的是很多人每天都會遇到的斷裂，ChatGPT 很會想，但是你的工作資料在哪裡？可能在 Gmail、Google Drive、Google Docs、Google Sheets、Google Calendar、Google Forms、在簡報、表單、試算表、會議邀請與一封又一封的信件裡。

GPT 可以讀雲端，但寫不進去啊！所以很多人的工作流程就變成這樣：先去信箱找資料、下載附件、打開雲端文件、把內容複製到 ChatGPT、取得結果之後，再複製回 Google 文件，接著整理成試算表、再寫一封信通知同事，最後自己去行事曆排時間。

ChatGPT 的確幫你省下了一部分思考時間，但資料搬運、格式整理、通知、追蹤與歸檔，仍然全部由你完成。

所以我才會說ChatGPT 很強，但真正讓你下班的很可能是 Google。不是因為 Google 比 ChatGPT 聰明，而是因為 Google 本來就在你的工作現場裡，當 AI 可以進入你原本的信件、文件、試算表、表單與行事曆，工作才不需要一直在不同視窗之間搬來搬去。

你會發現，真正拖慢工作的很多時候不是「不會寫」，而是資料散落、資訊重複整理、交接不清楚，以及做完之後還要人工搬到下一個地方。

這堂課就是要把 AI 從聊天視窗帶進真實工作環境裡。

但走到這裡，下一個問題就會出現，當 AI 開始讀取資料、整理文件、執行工作流，甚至替你完成一連串任務時，你要怎麼知道它做得對不對？

這就是第三堂課，也是我覺得接下來最重要的一堂課。

第三堂：Harness Engineering Framework

學會駕馭 AI，而不是一直追著 AI 跑！

先說 Harness 這個字，它原本有駕馭、控制、套上可控裝置的意思。不是壓制 AI，也不是限制到什麼都不能做，而是當 AI 的能力愈來愈強、可以處理的任務愈來愈複雜時，我們需要一套方法，讓它可以穩定地完成工作。

很多人現在使用 AI 的方法是先寫一段 Prompt，結果不好就把 Prompt 寫得更長，還是不穩定就再加更多規則，AI 漏掉某個部分就補一句「請務必包含」，AI 格式跑掉就再加一段輸出格式，AI 引用錯誤就提醒它不可以亂編。

最後一段 Prompt 長到自己都不想讀，但問題可能根本不在 Prompt！所以 Harness Engineering 不是「更高階的提示詞技巧」，它是在處理一個更成熟的問題：當 AI 不再只回答一個問題，而是開始參與整個工作流程時，我們要如何設計它的工作環境？它可以用在哪裡？

Harness Engineering 的做法不是叫你寫一段萬用 Prompt，而是把這件事拆成一個可控制的系統，先確定唯一真相，再定義這一波內容的核心觀點。

Harness Engineering Framework 可以用在哪些案例呢？HEF 最適合的不是「請 AI 幫我回答一個問題」，而是這類情境：AI 要反覆執行工作，而且結果必須穩定、可檢查、可追蹤、可交接，所以只要一件工作開始涉及資料來源、流程、角色、工具、驗收標準與風險邊界，就已經進入 Harness Engineering 的範圍。

像是：
① 內容生產系統：不是「生成很多篇文章」，而是建立一條可重複使用的內容產線。

② 品牌語氣與文章品質控制：把語感、結構與事實邊界變成一套品質護欄。

③ 市場與競品情報：可以持續更新、比較與驗證的情報系統。

④ 客服回覆與案件分流：不只讓 AI 會回答，設計它在什麼範圍內回答、何時停止，以及誰負責最後決定。

還有很多很多應用場景，寫不完，真的寫不完！

Prompt 解決的是這一次怎麼回答，Harness 解決的是這類工作以後要怎麼穩定完成，這也是 Harness Engineering 最實際的用途，它不是只用在開發大型系統，而是只要你開始做下面任何一件事，它就已經跟你有關：

① 你經常使用 AI 完成固定工作

② 你需要多人共用同一套 AI 工作方式

③ 你正在建立內容流程、客服流程或研究流程

④ 你希望 AI 可以使用公司的資料

⑤ 你想讓不同工具彼此串接

⑥ 你正在做 Agent、Skill、Workflow 或自動化

⑦ 你發現同一段提示詞，每次結果都不一樣

⑧ 你已經不能只靠自己「感覺這個結果應該可以」

那你需要的就不只是 Prompt，而是一套可以設計、觀察、測試與修正 AI 工作的方法。

所以八月這三堂課，我其實是在處理三種不同的卡點

第一種人還把 AI 當成一個問答工具，你需要的是 AI Native 工作法。

第二種人已經會用 AI，但工作仍然散落在信箱、雲端硬碟、文件、表單與試算表之間，你需要的是讓 ChatGPT 與 Google 工作環境真正連起來。

第三種人已經開始做自動化、工作流、Agent 或數位員工，但系統不穩、成果難以驗收，出了錯也不知道怎麼修，那你需要的是 Harness Engineering Framework。

這三堂課不是在教你追逐三個新的名詞，它們想解決的是同一件事：當 AI 的能力快速增加，我們的工作方法、工具環境與管理能力，能不能一起跟上？

因為新工具大家很快都會知道，操作教學也很快就會出現，因此能不能把 AI 放進自己的工作裡，不是偶爾成功一次，而是可以重複、可以交接、可以檢查、可以修正、可以知道出了什麼問題，也可以決定哪些事情永遠不該完全交給 AI，這些能力才是你可以一直使用的技能。

今天是 7 月 31 日，也是八月三堂課的早鳥最後一天，超早鳥名額早就已經額滿，早鳥也只到今天。

三堂課可以依照你現在的階段選擇，也可以把它們當成一條完整的能力路徑。

你不一定要成為工程師，但當 AI 開始替你工作，你好歹要有能力看懂它怎麼工作。

你不一定要自己開發一套龐大的系統，但你好歹要知道怎麼把任務拆清楚、把資料接正確、把邊界留明白，也把人的判斷放在真正重要的位置。

會下指令是使用 AI，能設計 AI 如何工作才是接下來真正有價值的能力。

今天早鳥最後一天，這一次不是再多學幾個工具，是把你使用 AI 的方式，升級成一套真正能工作的系統。

本文原發表於 2026/07/31 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。