美國開源公司HashiCorp創辦人米切爾·橋本（Mitchell Hashimoto）近期分享使用 AI 的心路歷程，描述他如何摸索AI代理工具，並藉此改變了高品質的工作流程。
他將這段轉型歷程拆解為6個具體步驟，為想要提升效率的開發者提供了一份實用指南。
第一步：捨棄聊天機器人
橋本指出，若要將 AI 真正整合進開發流程，第一步必須捨棄如ChatGPT、Gemini 等的聊天機器人。這類對話式AI在處理複雜任務時，因缺乏對專案全貌的理解，開發者需耗費大量時間手動複製程式碼，並反覆糾正 AI 錯誤，效率極低。
實際做法
橋本建議， 開發者應轉向使用具備讀取檔案、執行終端機指令及發送 HTTP 請求能力三項基本工具的AI代理（AI Agent）， 才能在真實開發環境中發揮實質作用，而非僅止於文字生成。
第二步：重啟手動工作
進入實作層面後，必須分辨出 AI 什麼時候會瞎掰回答，因此需要實際手動的刻意練習，摸索出 AI 代理的能力邊界
橋本提出了一套獨特的訓練與排程策略，他強迫自己先手動完成編碼，再要求AI代理在沒有提示的情況下重現相同結果，藉此精準掌握 AI 的能力邊界並學會拆解任務。
實際做法：
- 先手動完成一個功能或修復一個 Bug
- 再要求 AI 代理從零開始做一遍同樣的任務（不給它看答案）
- 比對結果：如果AI 代理失敗，找出原因（是指令不清？還是任務太難？）
- 建立直覺：學習到如何將模糊需求拆解為「規劃」與「執行」兩個階段，並提供驗證機制讓 AI 自我修正
第三步：下班前的AI代理排程
利用每天下班前的 30 分鐘啟動 AI 代理，讓它在你休息時進行非同步作業持續產出。
實際做法：
- 下班前 30 分鐘：啟動長時運行的任務，指派AI去做耗時且不需要即時回應的任務，例如深度市場調研、平行測試多種實作方案、GitHub PR 預審等
- 隔日暖啟動：隔天上班直接閱讀整理好的報告，跳過啟動成本，直接進入工作狀態
第四步：外包穩贏的任務
當你對AI代理的成功率累積足夠經驗後，將那些 AI 幾乎不會失手的瑣事完全交給它。
在此階段中，橋本特別強調要關閉 AI 的桌面通知，以防止大腦在不同任務間切換所消耗的「情境切換」成本。他認為，應該由人主動掌控檢查進度的節奏，而非被動地被 AI 的訊息中斷思考。
實際做法：
- 每天早上篩選出AI代理能獨立完成的任務，丟給它跑。
關鍵tip： 關閉 AI代理的桌面通知 ，在背景執行 AI 的同時，應該在自己工作的段落空檔主動去檢查AI代理，而不是被 AI 代理的通知打斷深度思考。
第五步：建立測試框架工程
為了長期的穩定性，橋本進一步發展出第五步：當 AI 代理犯錯時，不要只修正程式碼，要修正像AGENTS.md的行為手冊或編寫輔助工具，確保 AI 具備感知環境的能力，且不再重蹈覆轍。
實際做法：
- 更新 AGENTS.md：將 AI 犯過的錯誤寫入提示指令集，如果 AI 經常引用錯誤資訊，就在文件裡明確禁止。（範例請點我）
- 開發輔助工具：例如寫一段腳本幫 AI 截圖或跑測試，加強 AI 的驗證能力。
第六步：維持 AI 代理穩定運行
這也是橋本目前的最終目標：隨時檢視是否有任務可以交給 AI。
他期望將 AI 轉化為背景程式，在開發者專注於解決難題的同時，後台始終有一位勤奮的助理在處理低階產出。這種「人機並行」的心流模式，讓人們能從繁複雜務中解脫，將專注力回歸到解決難題與享受創造的樂趣。
實際做法：
- 隨時自問：「現在有沒有什麼事是 AI 可以幫我做的？」
- 目標狀態：即使 AI 效率不如你，只要它能獨立完成 10-20% 的工作，你的總產出就會顯著提升。
最後，橋本檢視自己使用AI的過程，他特別提出 「不要為了用 AI 而用 AI」 。AI代理的目的必須是為了完成真正有幫助的任務。
他指出，要達成高效率的自動化有個前提，就是開發者必須先最佳化自身的工作流程與工具鏈。即便不使用 AI，改善工作流乘本身就是極具價值的投資，這才是讓 AI 能順利接手的基礎。
延伸閱讀：微軟推出免費課！教你從零開始打造AI Agent，1小時就能看完
本文初稿為AI編撰，整理．編輯/ 蘇柔瑋
