AI一次做不完大專案怎麼辦?解密Matt Pocock「/wayfinder」工作流,畫好AI決策地圖再開工
AI一次做不完大專案怎麼辦?解密Matt Pocock「/wayfinder」工作流,畫好AI決策地圖再開工

為什麼 AI 專案一變大就失控?

Matt Pocock 最近用一套 AI 規劃工具在自家花園蓋辦公室:委託場勘、找廠商、把要決定的事一項項排出來。這套工具叫 /wayfinder,這意味著,這個 Skills 不只能用來做關於軟體的事情,它的本質是一個由 AI 生成的決策系統,蓋房子只是它可以拿來進行的任務之一。

Matt Pocock 曾任職於 Vercel,現在已轉為全職教 AI 工程,經營教學站 AI Hero;他開源的 mattpocock/skills 專案截至 2026 年 8 月 4 日累積約 20.2 萬顆星。/wayfinder 原本要解決的是 AI 寫程式的一個老問題。

你有一個很大的想法,比如「我要在應用裡加一整組新功能」。一般做法有兩種:整包丟給 AI 讓它開工,或者自己先切小塊、一塊塊餵。

Matt 在影片裡形容第二種的下場:你全程都在管 token、盡量不踩出模型的「聰明區間」,然後走到某個你答不出來的問題前面,就卡在霧裡了。

/wayfinder 的做法是同一個模糊念頭進來,先不動工,讓 AI 把「現在還不能決定的事」全部攤成一張地圖。他說這建立在軟體基本功上,是他「在 AI 之前當一個真正的開發者時」學到的規劃方法。

這套方法為什麼有效?

它針對的正是 AI 寫程式最常出事的環節:在你還沒決定的事情上先動手。等你發現方向不對,它已經照著錯的假設寫完三個檔案。

官方文件用三個概念把這件事變成可管理的:終點(destination)要最先命名,因為終點決定了每張票長什麼樣;**霧(fog of war)**是你已經預感到、但還講不清楚的決策;**前緣(frontier)**是現在就能處理的票,定義很嚴格:開著的、沒被其他票卡住的、還沒有人認領的。

解掉一張票,前緣就往前推一格,霧也跟著散掉一塊。

還有一條原則直接寫在規格檔裡:Plan, don't do。票以解決決策為主,預設不生產交付物。但規格明寫例外:Notes 區塊可以把執行工作納進地圖,原型票會做出粗略的東西讓人有反應,可能是大綱、粗稿或程式框架,雜務票則直接去完成卡住決策的前置作業。

地圖長什麼樣?

地圖是一張貼上 wayfinder:map 標籤的 issue,上面固定五塊:終點(Destination)用一兩行寫清楚、已決定的事(Decisions so far)只放一句摘要加連結、還沒講清楚的事(Not yet specified)就是前面說的霧,另外兩塊放領域背景與你的偏好(Notes),以及刻意排除的工作與理由(Out of scope)。

換句話說,地圖只是索引,決策內容都留在各自的票裡。

每個決策各自一張子票,上面寫著要決定什麼、屬於哪一型、誰認領,以及它卡在哪張票後面。四種票型分工如下:

票型 要真人參與嗎 這張票在做什麼
研究(research) 不用 交給子 agent 平行去查外部事實,查完回報
原型(prototype) 要 做出粗略的東西讓人有反應:大綱、粗稿、程式框架或介面
拷問(grilling) 要 用對話把某個實作細節或方向逼清楚
雜務(task) 兩者皆可 現實世界的前置作業,例如申請帳號、開通資源、搬資料

需要真人參與的那兩種票,規格明訂 agent 不得代替人回答。原型票也是這套流程不會變成紙上作業的原因:前期規劃再多,都要靠做出來的粗胚換真實回饋。

實際怎麼跑一輪?

Matt 在 7 月 30 日發布的影片裡示範的案例,是替自家應用加一組指令面板功能(圖示挑選器、跨圖搜尋、複製元件)。動線是這樣:

先講終點。 他叫出 /wayfinder 並描述想要什麼,它先探了一遍專案,接著用拷問 skill 反問他「完成長什麼樣、要不要一份規格書」,並主動建議產出規格書。

第一次只畫地圖。 這一輪開出 7 張票,但當下只有 3 張能動:圖示名稱從哪來、元件怎麼儲存(元件儲存結構)、面板資訊架構怎麼排。其餘要等前面的決策定了才解得開。官方流程寫明畫完地圖就停,不在同一輪繼續手動解票,但研究票是例外,它會在這時就派出子 agent 平行去查。

一票一場對話。 走某張票的方式,是開一場新對話、再叫一次 /wayfinder 並帶上票的名稱。比如要解剛剛三張能動票裡的「元件儲存結構」,官方文件沒有規定寫法,Matt 影片裡的做法是這樣:

/wayfinder 元件儲存結構(註:就是開出票的名稱)

規格要求用票名、不要用編號。官方成功指標寫得很白:除了研究票可以交給子 agent 平行跑,一場 session 最多解一張票。

解完寫回地圖。 答案以留言形式留在票上、關票,主地圖只補一行摘要與連結。原本在霧裡、現在夠清楚的問題,這時升級成新的票。

最後收成。 地圖走完後,在同一場對話裡打 /to-spec,它不吃參數,直接把對話中的地圖合成一份規格書(Matt 說他那份初稿長到超過 GitHub 的字數上限)。接著用 /to-tickets 切成可實作的票,這個可以另外帶上規格書的編號或網址。

規格書裡每個決策都連回原始的票,AI 之後有疑問可以回去看當時的討論。

怎麼裝?兩條路徑選一條

官方 README 講得很直接:兩種安裝方式代表兩種哲學,選一條就好,兩個都裝會讓每個 skill 出現兩次。

動手前先確認兩件事。走 skills.sh 那條路要先有 Node.js,npx 是它附帶的指令,沒裝就會直接報錯。之後如果選 GitHub 或 GitLab 存放 issue,要先裝好並登入 gh 或 glab;不想處理這些就選本機 Markdown。

Claude Code 使用者走官方 plugin,等於訂閱制,檔案是唯讀的、作者更新就自動更新:

claude plugins install mattpocock-skills

Codex 或其他 agent 使用者,以及想自己改內容的人,走 skills.sh 安裝器:

npx skills@latest add mattpocock/skills

這條路把 skill 當普通檔案寫進你的專案,你可以隨意改,代價是不會自動更新,要自己跑 npx skills update。安裝時會讓你勾選要裝哪些 skill,官方特別提醒務必勾上 setup-matt-pocock-skills。

裝完之後,每個專案跑一次 /setup-matt-pocock-skills,它會問你要把 issue 放在哪裡。內建三個選項:GitHub(透過 gh 指令)、GitLab(透過 glab 指令)、本機 Markdown(issue 變成專案裡 .scratch/ 底下的檔案)。想用 Jira、Linear 這類工具就選第四個選項,用一段話描述你的流程。如果你也裝了 triage skill,它會多問一句要不要保留預設的分類標籤。

要強調的是,/wayfinder 理想狀態需要一個支援卡關關係的 issue tracker,但沒有也能跑,它會退回本機 Markdown 地圖。所以不必為了試它先去辦一套 Jira。

這條路只需要一個資料夾:開一個新的空資料夾、在裡面啟動 agent 就能跑,地圖會變成 .scratch/ 底下的檔案,不必真的是一個程式專案。它也不會自己跳出來接手,要你自己打 /wayfinder。

哪些情境適合用,哪些不必?

適合的條件很明確:工作量大過一場對話,而且你只有大概方向、中間的路還看不清楚。Matt 自己的用法橫跨工程與非工程,除了功能開發,他也拿它規劃線上課程與蓋花園辦公室。地圖不綁定領域,這是它對沒有軟體背景的人也成立的原因。

不必用它的判準是他自己講的:如果這件事你在一場對話裡就規劃得完、路你已經知道,就別畫地圖,直接做。 官方文件也寫,工作已經清楚就直接用 /to-spec 或 /to-tickets。

有一個前提要先有心理準備:它產出的是決策,成品要等後面的實作票;原型票與拷問票還要你本人在場。省下的力氣在後面的重工,前期時間反而要多花。

規劃的價值從來不是把每一步都想清楚,而是先認出你現在還不能決定什麼。

延伸閱讀:
GitHub破19萬顆星!拆解AI大神開源工作流:一句「拷問我」提示詞,如何破解AI工作盲點?

資料來源:Matt Pocock「/wayfinder: Nothing is too big to plan anymore」影片、wayfinder SKILL.md、wayfinder 官方文件、setup-matt-pocock-skills SKILL.md、mattpocock/skills README、Matt Pocock 個人網站、AI Hero

本文初稿為AI編撰,整理.編輯/ 李先泰

關鍵字: #AI工具
往下滑看下一篇文章
AI 不只搶流量,下一步連交易都要拿走! iKala 程世嘉:AI 不認識你,廣告下再多都沒用
AI 不只搶流量,下一步連交易都要拿走! iKala 程世嘉:AI 不認識你,廣告下再多都沒用

下一個替你買東西的,可能不是你自己,而是 AI。當 AI 開始介入搜尋、比較與消費決策,品牌與消費者之間的入口也正在改變。iKala 共同創辦人暨董事長程世嘉認為,AI 競爭正進入下一階段,企業真正要面對的已不只是「如何導入 AI」,而是當消費者逐漸把選擇權交給 AI,品牌如何確保自己仍在 AI 的選擇名單中?

零點擊只是開始!Agentic Commerce 恐讓 AI 從「導購」變「代購」

過去,消費者透過搜尋引擎找到品牌、進入官網,再完成比較與購買;如今,愈來愈多搜尋與決策可以直接在 AI 中完成。程世嘉表示,「零點擊只是剛開始。」隨著 AI Agent 從提供答案進一步走向執行任務,下一步甚至可能替消費者選擇商品、完成交易,讓 Agentic Commerce 從「AI 幫你找」走向「AI 幫你買」。

Sega 側拍.jpg
程世嘉指出「零點擊只是剛開始」,AI Agent 正從「幫你找」進化到「幫你買」,加速 Agentic Commerce 時代到來。
圖/ iKala

這場變化真正改寫的,不只是流量入口,而是交易的主導權。當 AI 開始代表消費者採取行動,品牌未來面對的,可能不再只是「如何吸引消費者」,而是如何成為 AI 最終選擇的對象。

AI 不認識你,廣告下再多都沒用!SEO 下一戰:搶進 AI 的「推薦名單」

要被 AI 選中,第一步是先被 AI 認識。程世嘉直言:「如果 AI 連第一步都不認識你,那你在網路上下多少廣告都沒用。」這也讓品牌競爭從 SEO 進一步走向 GEO(Generative Engine Optimization):過去企業搶的是搜尋排名,現在更要掌握 AI 如何描述品牌、引用哪些來源,以及在什麼問題下會提到自己。

面對新的消費決策入口,iKala 將 AI Marketing 定位為協助品牌成長的全方位行銷服務,結合市場資料、自有 AI 產品與專業顧問團隊,提供從顧問診斷、策略規劃、專案落地到成效優化的一站式服務。從品牌定位、市場與競品分析,到 GEO 內容優化、創作者合作與媒體投放,iKala 不只提供數據分析工具,更協助品牌找出成長機會、制定行銷策略,並持續追蹤與優化執行成效。

iKala AI Marketing 總監許巧彤指出,品牌不只要「聽人」,也要「聽 AI」。透過 Ontix 掌握社群話題、消費者需求與市場趨勢,協助品牌發掘潛在商機;Kuroma 追蹤品牌在 AI 平台的能見度、推薦情境與引用來源,找出內容布局與 GEO 優化方向;Kolr 則結合創作者數據與行銷執行服務,協助品牌媒合合適的 KOL/KOC,規劃內容合作與媒體投放,將市場洞察轉化為實際行銷行動。

iKala
iKala AI Marketing 總監許巧彤分享,iKala 透過全方位行銷服務,搭配獨家產品賦能,協助品牌成長。
圖/ iKala

對內打通資料,對外洞察市場!程世嘉:老闆要懂 AI,AI 更要懂台灣

外部的搜尋與消費入口正在改變,企業內部也面臨另一場 AI 轉型。

企業 AI 為什麼推不動?程世嘉直指,第一個問題往往是「老闆自己不用 AI」。決策者若連 AI 能做什麼、不能做什麼都不清楚,再大的導入計畫也很難解決真正的企業痛點。iKala 提出「小步快跑、長期陪跑」的轉型策略,從關鍵場景快速驗證,再逐步擴大;同時以 AI Service、AI Marketing 雙軸出擊,讓 AI 不只改善內部工作效率,也能成為企業掌握商機、推動品牌成長的助力。

而當 AI 愈來愈深入企業決策、品牌溝通與消費者選擇,另一個問題也隨之浮現:AI 真的讀得懂台灣嗎?

對 AI 而言,語言相通,不等於真正讀懂一個市場。語言背後還有文化脈絡、在地知識,以及台灣人實際使用語言的方式。iKala 投入 TMMLU+,便是希望透過開源的繁體中文 AI 評測基準,檢驗模型對繁體中文與台灣知識的理解能力,讓「AI 到底懂不懂台灣」不再只是主觀感受,而有一套具體的評測依據。

TMMLU+.jpg
TMMLU+ 在九月全新推出 v1.1
圖/ iKala

從 Agentic Commerce、GEO 到企業 AI 落地,背後其實都回到同一件事:AI 應用最終仍建立在人與資料之上。正如許巧彤所說,「先有人才有 AI,因為 AI 終究是要讀資料。」人們創造內容、累積市場訊號,AI 從中學習、理解並影響消費決策,形成相互作用的循環。當 AI 逐漸從輔助工具走向決策與交易入口,企業競爭的關鍵將不再只是如何運用 AI,更在於如何讓 AI 理解企業、讓企業讀懂市場,進而掌握新的成長機會。

【關於iKala】

iKala 致力於透過將 AI 與數據嵌入企業經營核心,協助企業做出更精準、更快速的決策。我們透過引導組織從「數據累積」邁向「決策產出」來支援 AI 轉型,並提供完整的 AI 解決方案,將企業的自有數據與 iKala 基於全球數十億社群訊號所建立的智慧模型相結合。

iKala 總部位於台灣,足跡遍布全球,服務超過 1,000 家企業及 50,000 個品牌,版圖橫跨全球 190 多個國家,客戶群包含多家財星 500 強企業(Fortune 500)。

iKala 官方網站:https://ikala.ai
iKala AI Marketing 介紹:https://ikala.ai/zh-tw/ikala-ai-marketing/

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓