> ## Content Index
> Fetch the complete content index at: https://growthhackers.tw/llms.txt
> Use this file to discover other available public pages before exploring further.

# 你的 AI 不是不夠聰明，是你管太多：Code with Claude London Day 2 全 13 場，給電商老闆的三條 AI 治理
- URL: https://growthhackers.tw/blog/code-with-claude-london-2026-day2-recap/
- Published: 2026-06-03T15:51:58.000Z
- Updated: 2026-06-03T15:51:58.000Z
- Author: Lewis wang
- Tags: Claude, AI, Claude Code, AI agent, 電商經營

你有沒有過這種經驗。

剛開始用某個 AI 工具的時候，它意外地好用。然後你想讓它更好，於是多寫了一條規則。又遇到一個漏洞，再補一條。再來一個例外狀況，又補一條。三個月後，你回頭看那段 prompt，已經長到自己都不想讀，而 AI 呢？反而越來越笨，越來越常給你莫名其妙的答案。

如果你問我，這幾乎是每個認真用 AI 的人都會踩的坑。

Anthropic 前陣子把開發者大會「Code with Claude」開到了倫敦。我之前把第一天的 24 場演講整理成一篇導覽，那是「現況盤點」，台上的人在講模型進化到哪、產業瓶頸移到哪，比較像產業 keynote。想補課的可以先看[那篇 Day 1 全 24 場筆記](https://growthhackers.tw/blog/code-with-claude-london-2026-recap/)。

這篇要講的是**第二天，跟 Day 1 不同天**。

第二天不一樣。Day 2 是 13 場 hands-on workshop，工程師捲起袖子、打開電腦，現場一行一行示範「我們到底怎麼把 agent 真的做上線」。我把這 13 場全部看完，本來以為會是 13 個不相干的 demo：有人做庫存、有人做簡報、有人查洗錢、有人寫專利、有人篩履歷，甚至還有一場是在 Minecraft 裡挖鑽石。

結果把它們疊在一起看，浮出了三條反覆出現的母題。

而這三條，剛好就是現在每個中小電商老闆、行銷主管最需要的「AI 治理」。我把它整理成三句話，等下一條一條拆給你看：

- **母題 A：少即是多，別過度約束。** 你的 AI 會壞，多半是你「加太多」。
- **母題 B：Evals 跟 Traces，是 agent 的 TDD。** 別憑感覺，要憑指標跟軌跡。
- **母題 C：高風險的事要「協作」，不要「全自動委派」。** 人要留在迴路裡、過程要可溯源。

![Code with Claude London 2026 Day 2 三大母題地圖：13 場 hands-on workshop 收束成母題 A 少即是多、母題 B 看指標不看感覺、母題 C 協作不委派](https://growthhackers.tw/content/images/2026/06/d2recap-inline-three-themes-map-v1.png)

Code with Claude London 2026 Day 2 三大母題地圖：13 場 hands-on workshop 收束成母題 A 少即是多、母題 B 看指標不看感覺、母題 C 協作不委派

你遇到 AI 不靈的時候，本能反應通常是三件事：再加規則、憑感覺驗收、想全自動省人力。

這三件事，Day 2 第一線的人，反覆在做相反的。

## 母題 A：少即是多，你的 AI 會壞多半是你加太多

先講最打臉的一個案例，因為它有數字。

Anthropic 應用 AI 工程師 Will 在「Tool, skill, or subagent?」這場，拆解了一個叫「StockPilot」的庫存管理 agent。這東西一開始只為解決一個小問題，但你知道後來怎麼了。業務需求一直加，這裡要管促銷、那裡要算庫存、又要接報表，於是它的 system prompt 一路膨脹到 **400 行**，掛了 **12 個工具**，其中還有 3 個是「包成工具的子 agent」。

結果它越來越不可靠。最離譜的一次，prompt 裡有兩條政策互相打架，模型在算促銷的時候，把正確的 **3.1 倍**係數算成了 **13.5 倍**。

Will 做了一件很反骨的事：砍掉重練。system prompt 從 400 行砍到 **15 行**，工具從 12 個砍到 **3 個**（就是最基本的 bash、read、write），原本塞在 prompt 裡的一大堆業務邏輯，全部改用「Skills（技能包）」按需載入。

砍完之後，這個 agent 的 eval（評估通過率，等於它答對的比例）從 **62% 一路衝到 92%**，連 token 用量跟成本都一起降下來。

![StockPilot AI agent 砍前砍後對比：system prompt 從 400 行砍到 15 行、工具 12 砍到 3，eval 通過率從 62% 提升到 92%](https://growthhackers.tw/content/images/2026/06/d2recap-inline-stockpilot-before-after-v1.png)

StockPilot AI agent 砍前砍後對比：system prompt 從 400 行砍到 15 行、工具 12 砍到 3，eval 通過率從 62% 提升到 92%

我得先把話講清楚：這個 62% 到 92% 是 StockPilot 這**一個**案子的數字，不是每個 agent 砍完都會這樣。別拿這個去打包票。

但它揭開的那個機制，值得每個天天用 AI 的人記在心裡。剛剛那個 3.1 被算成 13.5 的烏龍，有個專有名詞叫「上下文污染（context pollution）」：你的 prompt 寫越長，裡面互相矛盾的指令就越多，而你自己往往沒發現，模型就被這堆雜訊搞糊塗了。

這就像你請了一個新人，工作守則發給他厚厚 400 條，裡面第 38 條跟第 211 條還互相衝突。你覺得他會做得更好，還是更不敢動手？守則砍到一頁核心，人反而動得起來。AI 一模一樣。**prompt 就是 AI 的工作守則。**

而且不只 StockPilot 這一場在講「砍」。Day 2 至少有五場，從不同角度撞上同一件事：

**Managed Agents 在做「解耦」。** Anthropic 的 Isabella 在「Ship your first Managed Agent」示範，把一個 agent 的「大腦」（Agent Loop，負責推理）跟「雙手」（Environment，負責執行工具）拆開來。光是這個解耦，P95 首字延遲（TTFT，你按下送出到它吐第一個字的時間）就降了超過九成。少把兩件事黏在一起，反而更快。

**Arna 在講「別過度約束」。** Anthropic 架構師 Arna 在「How we Claude Code」這場講了一個我很認同的觀念：模型越強，你越不該把規格事先寫死，而是讓 Claude 主動反問你、自己去萃取需求。硬把每個細節都框死，反而是在綁住一個比你想像中更會自己想的工具。這呼應了 AI 圈那個有名的「苦澀的教訓（Bitter Lesson）」：別老想用人工規則去教模型，給它空間它做得更好。

**Omni 在做「整合大腦」。** 數據分析平台 Omni 的 CTO 在「Building the best agentic analytics harness」分享了他們的分析 agent「Blobby」。它原本一個外層 agent 規劃、再派一個 SQL 子 agent 去寫查詢，兩顆腦分開。聽起來很合理對吧，分工嘛。結果這個分工造成一堆無法預測的失敗，他自嘲是「分裂大腦（split brain）」。後來做了一輪重構，名字取得很傳神叫「Blobotomies（大腦手術）」，核心動作就是把腦「整合回去（consolidate the brain）」，讓單一一個 agent 同時掌握所有資訊跟工具，這才穩定下來。子 agent 不是越多越好，多一層分工，就多一層溝通會斷掉的風險。

**Warp 在用「原則」取代「規則」。** Warp 的 Petra 在「Teaching agents to learn from your team」介紹他們的 agent「Buzz」，講了一個關鍵：別用「僵硬規則（Rules）」，要用「原則（Principles）」。規則很脆，遇到一個你沒定義過的新狀況就當機；原則給的是一套判斷邏輯，反而走得遠。

**Metaview 把規則丟了，改寫一頁畫像。** Metaview 的 Nick Mayhew 在做履歷篩選，原本想用一堆規則、加權、流程圖去定義「好候選人」，後來全部放棄，改用一頁自然語言的 Markdown 寫「理想候選人畫像（ICP）」。一頁白話文，比一張複雜流程圖好用。

你發現了嗎，這六場講的是同一件事。

少即是多。先把雜訊清乾淨，再談要不要加東西。

那「砍掉的東西去哪了」？這就帶到 Day 2 反覆出現的另一個觀念，**漸進式揭露（progressive disclosure）**。意思是：別把所有資訊都常駐塞在 prompt 裡，而是需要用到的時候才把它拉進來。Anthropic 在 2025 年底把「Agent Skills」做成開放標準，後來 OpenAI、Google、GitHub、Cursor 都跟進。根據 [Anthropic 的工程說明](https://www.anthropic.com/engineering/equipping-agents-for-the-real-world-with-agent-skills?ref=growthhackers.tw)，這套機制有個很驚人的數字：17 個 skill 合計只占大約 1,700 個 token，讓一個 agent「知道」有幾十個技能可以用的成本，比啟用其中單一一個還低。

換句話說，與其把一份肥到 400 行的 prompt 整天扛在身上，不如讓它平常輕裝上陣，遇到特定任務再去翻對應的那一頁。又省又準。

## 母題 B：別憑感覺，Evals 跟 Traces 是 agent 的 TDD

砍完之後問題來了：你怎麼知道砍對了？

這就是 Day 2 第二條母題。一句話：**別再憑「感覺它好像變好了」做決定。**

寫過程式的人都知道 TDD（測試驅動開發）：先寫好測試，定義「怎樣算對」，再來寫程式。Day 2 好幾場不約而同把這套搬到 agent 上。

「Evals for taste」這場最直接，講的是一個投影片生成 agent。投影片好不好看很主觀對吧？講者偏要把這種「感覺怪怪的」變成可以量化、可以一題一題打勾的指標。他還提了一個我覺得很重要的細節：評分的時候，別讓 AI 先給分數，因為一旦給了分，它後面就會替自己那個分數辯護（這叫錨定效應）。正確做法是先把正反論點都列出來，最後才打分。另外他也驗證了一件事：強模型配簡單提示，往往比弱模型配大量調校還好。

StockPilot 那場 Will 用的方法叫「hill-climbing on evals（在評估上爬坡）」：先建一個基準分數，動一下架構，重跑一次評估，看分數有沒有往上爬。不是憑直覺改，是看著數字改。

更狠的是反洗錢那場。Quanto FinTech 的 Stefano Amorelli 在「Fighting financial crime with Claude Cowork」直接講了一句：「Evals = TDD」。他們做的是用 AI 當查洗錢的「第二道防線」，這種事錯不得，所以專案一開始就先建好量化指標：工具有沒有呼叫對、推理過程對不對、結果可不可以溯源。先定義對錯，再開工。

而 Omni 那位 CTO 補了一句我最喜歡的話：「我最看重的不是分數，是完整的 traces（追蹤軌跡）。」分數只告訴你考幾分，traces 告訴你它「為什麼」這樣答，你才找得到根因去修。

連最好玩的一場都是這個道理。「Agent Battle」是現場辦的競賽，45 分鐘內調你的 agent 設定，去 Minecraft 裡挖最多鑽石，平手的話比誰 token 效率高。聽起來像玩遊戲，但那個「設定、跑、看結果、再調」的迴圈，跟你在生產環境裡做 AI 開發是一模一樣的。

翻成老闆聽得懂的話就一句：

**先講清楚「怎樣才算做得好」，再來談調。**

## 母題 C：越貴、越不可逆的事，越不能全自動委派

第三條母題，是 Day 2 我覺得最該講給老闆聽、但最容易被忽略的一條。

很多人想用 AI 的終極幻想是「全自動」，丟給它、人就不用管了。Day 2 第一線做高風險場景的人，全都在踩煞車。

寫專利的 Solintelligence，Olly Cobb 在「Where code meets court」講得最白：高風險的決策，需要的是「協作（collaboration）」，不是「委派（delegation）」。專利寫錯，可能好幾年後在法庭上才爆，這種事你不可能全交給 AI 跑完就算。所以他們把「引用來源（citations）」當成一等公民，模型給你建議的同時，必須附上明確的出處讓律師審，人保留最終裁量權。

反洗錢那場也一樣，AI 是「第二道防線」不是唯一防線，目標是從 human-in-the-loop（人在迴路裡）慢慢走到 human-on-the-loop（人在迴路上監督），而且全程可溯源、不能有幻覺。

做科學研究工具的 Elicit，James Brady 在「Making agentic workflows trustworthy」講了一句我很喜歡的話：「機制決定信任。」你要信任 AI 的產出，得先看得懂它是「怎麼」生出來的。他們乾脆自己造了一套叫 AshPL 的小語言，刻意設計成「不能亂跑」（圖靈不完備、純函數、不准偷改狀態），讓 agent 每一步檢索、過濾、推理都攤在陽光下，人看得懂、別的 agent 也驗得了。翻成白話就是：別讓 AI 在一個你看不進去的黑盒裡幫你做高風險決策，過程要能攤開、能重播，你才敢信它。

履歷篩選的 Metaview 講得更傳神：AI 在這裡的角色是「學徒（apprentice）」，不是決策者。它可以根據面試官的行為自動去迭代那份候選人畫像，但**調整後的版本一定要人確認過才算數**。

連 Warp 都是。Buzz 這個 agent 自己學會了一個改進，它不會偷偷就改下去，而是把改進**包成一個 PR（程式碼變更請求）交給人審核**。

你看出共通點了嗎。

**越貴、越不可逆的事，越不能全自動委派。** 金流、法務、對外溝通這種錯一次就回不來的事，AI 可以當你的學徒、你的第二道防線、你的草稿手，但那支簽核的筆，要留在人手上。

## 順帶一提：你的 agent 會從團隊身上學

Day 2 還有一條暗線，原本我沒打算單獨講，但它對未來太重要，補一小段。

Anthropic 的 Kevin 在「Agents that remember」示範了兩個東西。一個叫「Memory Store（記憶庫）」，是類似檔案系統的持久記憶，掛載進對話，讓 agent 可以自由讀寫、把這次學到的東西留給下次。另一個叫「Dreaming（作夢）」，是讓 agent 在離線的時候，非同步地把記憶庫整理、去重、查核、融會貫通一次。

Kevin 提到這個作夢流程的快取命中率（cache hit）約 95%，並且**未來有可能**比照批次 API 給折扣。注意，這是「未來可能」，不是現在已經拍板的政策，別當定論。

但方向很清楚：agent 不再是每次對話都從零開始的金魚腦，它會記得、會整理、會從你跟團隊的互動裡慢慢長出自己的判斷。前面 Warp 的 emoji 回饋、Metaview 的自動迭代，講的都是同一件事的不同切面。

## 行銷人的重頭戲：AirOps 怎麼把這三條母題用在內容行銷上

前面那些聽起來都很工程。我知道你想問：我一個賣東西、做行銷的，這跟我有什麼關係？

Day 2 有一場是專門講給你聽的。

AirOps 在「How AirOps chases friction」示範了一套 AI 內容行銷工作流，從「發現主題 → 研究 → 撰稿 → SEO/AEO」一條龍。注意，它不是按一個鍵就生出整篇文章那種，而是在每個關鍵節點都插了 human-in-the-loop（讓人介入），該你拍板的地方它會停下來等你。

而且他們做的每一個設計，剛好把上面三條母題全用上了：

**母題 A（少即是多）的應用。** 他們用一個「自然語言 Playbook 建構器」，讓行銷人用寫文件的方式去定義工作流，不用會寫程式，又保有每個節點的透明度。同時他們很怕「上下文污染」，所以設計了一個「品牌知識庫子代理」：流程一開始就先把品牌資訊抓好、存成一份 Artifact（產出物），後面所有步驟都讀這一份，避免主代理每一步都重新呼叫一次、結果不同步驟拿到版本不一樣的品牌調性。把「合規檢查」跟「內容撰寫」拆給各自專注的子代理之後，token 用量降了**大約 8%**，原本要 20 次工具呼叫的事變成 1 個入口。（這個 −8% 是 AirOps 這個案子的數字，不是通用保證。）

![AirOps AI 內容行銷工作流：發現主題→研究→撰稿→人工審核→SEO/AEO，在關鍵節點留人把關，品牌知識庫避免上下文污染](https://growthhackers.tw/content/images/2026/06/d2recap-inline-airops-workflow-v1.png)

AirOps AI 內容行銷工作流：發現主題→研究→撰稿→人工審核→SEO/AEO，在關鍵節點留人把關，品牌知識庫避免上下文污染

**母題 C（協作不委派）的應用。** 整套流程不是讓 AI 全自動發文，關鍵節點都留人審。他們的 beta 有 10 家企業客戶，兩週內就開始自主發布。團隊的心法很妙，叫「持續追逐摩擦點（chase friction）」：哪裡卡卡的、哪裡讓人不爽，就去那裡優化。

這裡面有個詞你要記住：**AEO（答案引擎優化，Answer Engine Optimization）**。

以前你做內容，目標是讓 Google 把你排到搜尋結果第一頁（這是 SEO）。

現在多了一層：要讓 ChatGPT、讓 AI 摘要在回答使用者問題的時候，**直接引用你的內容**。這就是 AEO。消費者越來越習慣直接問 AI「哪個牌子的除濕機好」，而不是自己滑十個連結。你的內容能不能被 AI 挑去當答案，正在變成新的流量入口。

那台灣電商怎麼開始？把母題 A、B、C 套上去就好：

別想著買一套號稱「全自動產出 100 篇 SEO 文」的工具就一勞永逸（母題 A，那只會生出一堆 AI 味的垃圾稀釋你的品牌）。先建一份「怎樣算一篇好文」的驗收標準，每篇生成完拿它對一遍（母題 B）。然後品牌調性、產品數據、要不要發布這種事，留人把關，AI 負責把草稿跟資料準備到八成（母題 C）。

## 台灣電商老闆，今天就能動手的三件事

看完別只是點頭。三條母題，對應三個你今天就能試的動作：

► **動作一（對應母題 A，先砍）：把你最常用的那個 AI prompt 叫出來，刪掉一半「以防萬一」的規則。** 就是那些你當初為了某個極端狀況補上、後來再也沒用到的條款。在你想接第二個 AI 工具之前，先花十分鐘盤點現在這套：它的指示有幾條、有幾條是「以防萬一」、你在 Shopline 或 91APP 後台串了幾個自動化但其實沒人在看。你那個越寫越長的客服 GPT，十之八九不是不夠強，是被你塞爆了。先用乾淨，再談擴張。怕的話，動手前先複製一份備份。

► **動作二（對應母題 B，看數據）：幫你的 AI 任務建一個小小的「驗收標準」。** 不用搞得多專業，挑 5 到 10 個你真實會遇到的問題，每次調完 prompt 就拿這幾題跑一遍對答案。這就是 Day 2 那些 Evals 場講的精神：別再憑「感覺它好像變好了」做決定，用看得到的結果來判斷。對 prompt 還沒安全感的人，可以搭我之前寫的[給天天用 AI 的人 4 個 Prompt 技巧](https://growthhackers.tw/blog/claude-anxiety-prompt-tips/)一起看。

► **動作三（對應母題 C，留把關）：把你的 AI 任務分成兩堆。** 一堆是「錯了也沒差、改回來很快」的（寫商品文案草稿、整理客服常見問題），這種可以放手讓 AI 多跑。另一堆是「錯一次就回不來」的（金流設定、退款決策、對外的公開聲明、法務相關），這種一定要留人簽核、留得下軌跡。越貴、越不可逆，越不能全自動委派。

講個我自己的故事，因為這三件事我都用慘痛換來過。

早年超愛寫 SOP。每次出包就補一條規則，每次有人問就再寫一段說明，那份投放準則越長越厚，我還很得意，覺得自己把 know-how 都沉澱下來了。結果咧？沒人照著做。新人翻兩頁就放棄，老手嫌綁手綁腳，連我自己要查一件事都得滾半天滑鼠。那份「完整」的 SOP，最後變成一份沒人看的裝飾品。

後來我心一橫，把它砍到一頁，只留真正會影響成敗的那幾條判斷原則，其他全刪。

團隊反而動起來了。

以前我以為，把規則寫得越多越細，團隊就越不會犯錯。現在我才懂，過量的規則本身就是一種雜訊，它會把真正重要的那幾條淹沒。你給 AI 的 prompt，跟你給團隊的工作守則，犯的是同一種錯。

這也跟我之前在[王董週刊談「Coding is Solved 之後」](https://growthhackers.tw/blog/weekly-2-coding-is-solved/)的主軸接得上：當「執行」越來越不值錢，你的價值會壓到「判斷」這一格上。判斷什麼該留、什麼該砍、什麼能放手、什麼要留把關，正是這種能力。

## 最後

這年頭大家都在比誰加得多。誰串的工具多、誰的 prompt 寫得長、誰又接了一個更新更強的模型。

但 Code with Claude 第二天，那 13 場真正在第一線把 agent 做上線的人，反覆在做的卻是相反的事。

他們在砍。他們在量。他們把刀留在自己手上。

模型會一直變強，這不用你操心。該你操心的是，當你的 AI 不聽話的時候，你的第一個念頭是「再加一條規則」，還是「我是不是塞太多了」。

換個念頭，差很多。

## 常見問題 FAQ

**Q1：Code with Claude London 2026 Day 2 跟 Day 1 差在哪？**  
Day 1 偏「現況盤點」，是 24 場比較像產業 keynote 的演講，講模型進化到哪、產業瓶頸移到哪。Day 2 是 13 場 hands-on workshop，工程師現場示範「怎麼把 agent 真的做上線」，更實作、更具體。兩天主題零重疊，想看 Day 1 全 24 場整理可以看我[另一篇導覽](https://growthhackers.tw/blog/code-with-claude-london-2026-recap/)。

**Q2：為什麼我的 prompt 寫越長，AI 反而越笨？**  
最常見的原因是「上下文污染（context pollution）」：指令一多，裡面常有你沒察覺的互相矛盾，模型會被搞糊塗。Day 2 的 StockPilot 案例就是 prompt 內兩條政策打架，導致它把促銷係數 3.1 算成 13.5。把 prompt 砍精簡、把矛盾清掉，通常比再補規則有效。提醒一下，那場 StockPilot 砍完後 eval 從 62% 升到 92% 是「單一案子」的數字，不保證你砍完也是這個幅度，但方向是對的。

**Q3：Skill、工具（tool）、子 agent（subagent）差在哪，什麼時候用哪個？**  
簡單分：工具是 agent 的基本動作（讀檔、執行、搜尋）；skill 是「需要時才載入」的知識包，平常不占空間；子 agent 是另開一顆腦去處理特定任務。Day 2 的建議是別過早動用子 agent，它只在「需要大量平行運算」或「需要全新視角去審查另一個 agent」時才划算，否則容易出現 Omni 講的那種「分裂大腦」溝通斷層。

**Q4：我沒有工程團隊，這場開發者大會的東西用得上嗎？**  
用得上的是「思維」，不是工具本身。Skills、Managed Agents 這些對中小電商導入門檻還是高，但這三條母題你今天就能用：先砍不先加、憑指標不憑感覺、高風險留人把關。套在你的客服 GPT、後台自動化、prompt 設計上，完全不需要寫程式。

**Q5：什麼是 AEO（答案引擎優化）？我做電商行銷要怎麼開始？**  
AEO（Answer Engine Optimization，答案引擎優化）是讓 ChatGPT、AI 搜尋摘要在回答使用者問題時，直接引用你的內容，跟傳統「衝 Google 排名」的 SEO 是不同層。要開始，可以參考 Day 2 的 AirOps 思路：建一條「發現主題 → 研究 → 撰稿 → SEO/AEO」的內容工作流，但在每個關鍵節點留人審核，並且先把品牌資訊整理成一份固定的「品牌知識庫」給 AI 讀，避免每次生成的調性都飄掉。

**Q6：我怎麼判斷哪個 AI 任務可以放手自動化、哪個一定要人把關？**  
用一個很簡單的標準：問自己「這件事錯了，改回來有多痛？」。錯了沒差、改回來很快的（生商品文案草稿、整理客服常見問答、初步分類訂單），可以放手讓 AI 多跑，頂多事後抽查。錯一次就回不來、或牽涉錢與信任的（金流設定、退款決策、對外公開聲明、法務合約），一定要留人簽核，而且要留得下軌跡（可溯源）。這就是 Day 2 母題 C 講的「越貴、越不可逆，越不能全自動委派」，不用會寫程式也能直接套。

---

**協作聲明與免責**

這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 `[來源名稱](URL)` 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。

內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。