大家好，我是 leopardracer！每週光是想出好的內容點子，就要花上好幾個小時。一個分頁開著 Reddit，另一個開新聞，第三個開 arXiv，還有一個 Obsidian 筆記，用來貼上所有東西，然後試著記住它們之間的關聯。每次 AI 搜尋只要幾秒鐘，但剩下的時間，我都在扮演串聯一切的黏合劑。
更糟的是，光是在不同分頁和對話之間切換，就耗費了大量的注意力。每次切換都在消耗專注力，每次重設都讓工作感覺比實際上更沉重。
我那時候不明白，與其過度優化我的提示詞，不如直接建立一個工作流程。我花了一些時間才找出最佳方式，現在我準備好分享我如何將提示詞轉換為工作流程。
本文重點：
- 為什麼提示詞習慣在規模擴大時會失效
- 如何找出你的第一個工作流程候選任務
- 如何在長對話中找出「斷點」
- 能讓上下文向前傳遞的交接模式
如果你還在 AI 對話分頁之間複製貼上輸出結果，那你正在做本該由 AI 處理的協調工作。解決方法是將你的提示詞轉換成一個工作流程，讓每個步驟都能寫入一個檔案，而下一步驟再讀取它。這樣上下文就能自動向前傳遞，不用你手動搬運。你只需要在真正需要做出決定時停下來。
當提示詞不再有效時
幾乎所有人一開始使用 AI 的方式都一樣。你輸入一個問題，得到一個答案，然後複製貼到某處，重複這個循環。我使用 AI 的第一年就是這樣度過的。我懂，這感覺起來很有生產力，因為每一次互動都給你一些具體的成果。
然後你會發現，你花在管理 AI 的時間，比 AI 幫你節省的時間還要多。你變成了在步驟之間複製貼上的那個人。你變成了需要記住步驟三需要從步驟一取得什麼的那個人。
2025 年 10 月一篇 發表在 arXiv 上的研究 發現，當相關資訊被嵌入較長的上下文中時，即使所有不相干的 Token 都被屏蔽，LLM 的準確率仍會顯著下降。
提示詞工程的部落格文章和課程仍在推銷一種觀念，認為只要用對詞語就能解決一切。他們在優化錯誤的層面。你正試圖透過一個聊天視窗來運行一條處理管線，再怎麼精雕細琢用詞也無法改變這個事實。
遇到提示詞的瓶頸，意味你遇到了架構問題。
如何找出你的第一個 AI 工作流程
在我們繼續深入之前，先試試這個。想想你上次用 AI 執行的重複性任務。那個花了 45 分鐘，讓你在第 30 分鐘就快抓狂的任務。然後問問自己：
- 我是不是在步驟之間複製貼上？
- 我是不是同時打開好幾個對話視窗，因為上下文老是被污染？
- 我是不是需要記得步驟三需要步驟一的什麼東西？
- AI 在每個步驟的輸出都很好，但最終結果卻很平庸？
如果你對任何一個問題回答了「是」，那麼你手上已經有一個工作流程的候選任務了。你一直在手動做那些協調工作。
這裡有一個你可以馬上使用的提示詞。在你下次執行完一個任務後，把這個提示詞貼到長篇 AI 對話的結尾：
1回顧我們剛才的這段對話。我接下來會貼上我一開始使用的初始提示詞。請你分析這個任務是否可以轉換成一個可重複使用的技能或工作流程。23具體來說：41. 我剛才執行的步驟，是否可以結構化成一個序列，讓每個步驟產生的輸出成為下一步驟所需的輸入？52. 是否有需要將上下文向前傳遞的交接點？63. 這個任務是否更適合拆解成多個擁有清晰上下文的獨立步驟，而不是在一個超長對話中完成？74. 如果這個任務變成一個工作流程，它的輸入、指令、輸出和檢查點會是什麼樣子？89這是我一開始使用的提示詞：[貼上你的初始提示詞]1011請告訴我這是否是一個適合建立工作流程的任務，如果是的話，請大致描繪出各個步驟的樣子。
在你下一次執行重複性任務後，跑一下這個提示詞。你可能會發現，你一直在手動執行那些其實是工作流程形式的工作。
無論你使用 Hermes、Claude Code、Codex、Cowork 或任何其他 AI 對話工具，這個方法都有效。模式是一樣的。工具不重要，結構才是關鍵。
如何在一段長對話中找出斷點
將一段長對話轉換成工作流程，首先要看出你當前流程中的斷點在哪裡。
當你有一場很長的 AI 對話時，留意那些你轉換方向的時刻。當你說「好，現在我們來做 X」，然後開始一個新的心理上下文時。當你從對話較早的部分複製某些內容，然後貼到一個新的請求中時。當你必須提醒 AI 你正在做什麼，因為它已經忘記了時。那些就是斷點，也就是範圍蔓延發生的地方。
那些就是你的斷點。每一個斷點都可能是工作流程中的一個潛在步驟。
我的臨界點是在一次內容構思專案中到來的。我需要為電子報文章找到有趣的切入角度，這需要從多個來源擷取資料。Reddit 討論串會提到對特定問題的抱怨，新聞文章會報導新興工具，而 arXiv 論文則暗示了新的可能性。
我開始手動進行，把 Reddit 的貼文複製貼到文件裡，抓取新聞標題，執行 arXiv 搜尋並儲存摘要。每個來源都在獨立的對話視窗中進行，因為上下文視窗老是會互相污染。等我處理完 Reddit，我已經忘了在新聞搜尋中找到什麼。
接著，我為每個來源建立了個別的技能。一個技能專門研究 Reddit，另一個負責新聞擷取，第三個用來處理 arXiv 論文。每個技能單獨運作都沒問題，但我仍然是那個負責協調它們的人。我會執行 Reddit 技能，儲存輸出；接著跑新聞技能，儲存輸出；然後跑 arXiv 技能，儲存輸出。最後，我再手動將這三份資料結合成最終的點子清單。
我正手動做著本該由 Agent 來處理的協調工作。AI 可以把每個步驟都做得很好。問題出在交接。我就是那個中間層。
如何正確地將上下文向前傳遞
工作流程是一連串的步驟，每個步驟會產出下一步所需的東西。工作流程與一般提示詞的差別在於，上下文會自動向前傳遞，而不是由你手動搬運。
Anthropic 於 2024 年 12 月發表、並被廣泛引用為權威資源的「建立有效 Agent」指南，對兩者做出了清晰的劃分。工作流程是透過預先定義的程式碼路徑來編排 LLM 和工具運作的系統。Agent 則是 LLM 能動態地指導自身處理流程的系統。
對於非程式開發者來說，工作流程是最佳選擇。你定義路徑，AI 在每個站點完成工作。
Anthropic 描述了五種工作流程模式。用白話來說：
提示詞鏈結 就像一條組裝線。步驟一的輸出變成步驟二的輸入。每個步驟都保持簡單且目標明確。
路由 則是將不同的輸入導向不同的路徑。就像郵件分類機，將信件送到正確的郵遞區號。
平行化 同時執行多個任務。就像同時擁有三個研究員一樣。
編排器-工作者 使用一個主 Agent 來分解工作，並將其委派給多個工作者 Agent。
評估器-優化器 讓一個 Agent 負責執行，另一個 Agent 負責檢查。第一個 Agent 再根據回饋進行修正。
我將負責串聯整個流程的檔案稱為「交接檔案」。每個步驟把自己的工作成果寫下來，這樣下一個步驟就不用靠猜測了。格式不如原則重要。可以是 Markdown 檔案、Google 文件或結構化的文字區塊。重點是每個步驟都要產出下一個步驟能讀取的東西。
我試過各種方法來在步驟之間保存上下文。記憶體中的變數在對話結束後就消失了；資料庫條目需要設定和維護；共享狀態檔案則會在兩個步驟同時寫入時損毀。
最後我選擇了 Obsidian 中的 Markdown 檔案，因為它樸實無華又可靠。
工作流程中的每個步驟都將其輸出寫入一個 Markdown 檔案，而下一步則讀取該檔案。這些檔案存放在一個能反映工作流程結構的資料夾中。當出錯時，我打開檔案就能確切看到步驟三產生了什麼。我可以沿著鏈條回溯問題。
這也帶給我一項意想不到的好處。我可以追蹤每個子 Agent 或步驟做了什麼，並附上指向其產生檔案的連結。當最終輸出聽起來有點怪時，我就打開中間檔案，找出偏離是從哪裡開始的。
Markdown 還有實際的優勢。純文字隨處可用。檔案在系統間移動無需轉換。變更可隨時間進行版本控制。所有內容在 Obsidian 中渲染得非常漂亮，而我本來就用它來記筆記。
將上下文儲存在資料庫或共享狀態機制的做法增加了複雜度，需要設定，還會產出相依性。Markdown 檔案除了資料夾和文字編輯器之外，什麼都不需要。
每個步驟把自己的工作成果寫下來。下一步驟讀取上一步驟寫下的內容。上下文透過檔案向前傳遞，而不是靠記憶。
一步步建立 AI 工作流程
讓我用一個實際的例子來說明。我將以我的內容構思工作流程為例，但這個結構適用於任何重複性任務。
這個工作流程由四個步驟組成。每個步驟都會讀取上一步驟的輸出檔案，並寫入自己的輸出檔案。
第一步驟：Reddit 研究
輸入：一個主題或關鍵字進行搜尋。
工作內容：在 Reddit 上搜尋與該主題相關的抱怨討論串。
輸出：reddit-findings.md，包含討論串標題、網址和主要的抱怨點。
第二步驟：新聞蒐集
輸入：相同的主題。
工作內容：搜尋新聞來源，找出與該主題相關的新興工具或趨勢報導。
輸出：news-findings.md，包含新聞標題、網址和摘要。
第三步驟：arXiv 搜尋
輸入：相同的主題。
工作內容：在 arXiv 上搜尋暗示與該主題相關的新功能的論文。
輸出：arxiv-findings.md，包含論文標題、摘要和相關性備註。
第四步驟：綜合分析
輸入：第一到第三步驟產生的三個檔案。
工作內容：讀取所有三個檔案，並將它們整合成一份文章切入角度的點子清單。
輸出：idea-angles.md，包含 5 到 10 個潛在的文章主題，每個主題都有研究資料作為基礎。
每個步驟都獲得一個乾淨的上下文，裡面只包含它需要的東西。沒有東西被埋沒，也沒有東西被遺忘。
我對這個工作流程的第一次嘗試非常粗糙。檔案存放在桌面上，檢查清單在筆記應用程式裡，中間穿插大量的複製貼上。但它是有結構的。每個步驟都有清晰的輸入和輸出。Agent 不需要記住三個步驟前的東西，因為我給了它需要的所有資訊。
最後，我建立了一個統一的技能來處理整個流程。它會依序從 Reddit、新聞來源和 arXiv 擷取資料，將每一批結果寫入各自的 Markdown 檔案，然後將三者整合成最終的點子清單。這個技能可以從頭到尾自動執行，我不需要在步驟之間複製任何東西。
提示詞 vs. 工作流程：同一個任務
內容構思這個任務，用提示詞的方式和用工作流程的方式來做，結果天差地遠。
提示詞的方式： 你打開一個對話，要求 AI 搜尋 Reddit 上關於某個特定主題的抱怨。它給了你一份清單。你把清單複製到文件裡。你打開一個新對話，要求它蒐集關於同一個主題的新聞文章。它給了你新聞標題和摘要。你把這些也複製到文件裡。你再打開另一個對話，要求它搜尋 arXiv 上相關的論文。它給了你摘要。你也把它們複製過去。
當你完成這些，你的文件裡有了三大段文字。現在你需要將它們綜合成文章切入點。你把所有內容貼進一個新對話，要求它產生點子。AI 產出了一份清單，但很籠統。它遺失了 Reddit 抱怨中的細微差別，因為那些細節被淹沒在組合起來的文字中。它也錯過了 arXiv 的發現，因為它們位在 5000 字提示詞的最下方。
工作流程的方式： 你執行一個技能，它會搜尋 Reddit 並將結果寫入一個名為 reddit-findings.md 的檔案。接著，這個技能會搜尋新聞來源，並將結果寫入 news-findings.md。然後搜尋 arXiv，寫入 arxiv-findings.md。每個檔案都乾淨且聚焦。
最後一個步驟會讀取所有三個檔案，並將它們綜合成 idea-angles.md。每個步驟都獲得一個只包含它所需資訊的乾淨上下文。沒有東西被埋沒或遺忘。
Clare Liguori 在 AWS 的研究 測試了五種引導 Agent 行為的方法，進行了 3,000 次評估運行。簡單的提示詞指令達到了 82.5% 的準確率，這意味著大約每五次互動就有一次失敗。當她加入了結構化的回饋迴路（她稱之為「引導鉤」）後，準確率在 600 次運行中達到了 100%。
更好的結構造成了差異，而不是更好的提示詞。
我自己在比較不同模型如何處理真實的 Hermes 工作流程時也驗證了這一點。那些在基準測試中表現亮眼的模型，在處理結構化的工作流程時卻常常失敗，因為它們會過度思考簡單的步驟，或忽略格式限制。結構比原始能力更重要。
人類何時需要介入檢查
每個工作流程都需要檢查點，但不是每個步驟都需要。到處都設審查點會讓工作流程變成一連串的中斷。
我使用的是「決策關卡」。你只需要在真正需要做出選擇的地方停下來。要追求哪個切入角度。要優先使用哪個來源。是否要刪除一個不合適的章節。
如果輸出結果沒問題，而且不需要決策，你就不需要停下來。工作流程會一直執行，直到遇到一個沒有你的判斷就無法繼續的關卡。
決策關卡會檢查輸出結果是否符合你的意圖。AI 可能會產生語法正確、研究紮實，但方向完全錯誤的內容。決策關卡可以在下一步驟基於錯誤的假設繼續構建之前，就攔截這個問題。
我在我的 Telegram 頻道上寫了一篇關於如何為 Hermes 工作流程加入批准關卡的完整指南，如果你想要了解技術細節，可以去看看。這些關卡能保護你的聲譽（未經你許可禁止對外行動）、保護你的資料（要求確認後才能更改系統設定），並保護你的錢包（未經批准禁止超過一定門檻的花費）。
對於大多數工作流程，你只需要一個關卡，在輸出結果即將公開或變得不可逆的時候設置。內容產出工作流程可能在產生大綱之後、最終草稿發布之前設一個關卡。研究工作流程可能在綜合分析完成後、實際應用研究發現之前設一個關卡。
決策關卡讓你在 AI 負責執行任務的同時，能持續掌控方向。
從哪裡開始你的第一個工作流程
挑選一個重複性任務。不要挑最複雜的那個。挑你每週都做、會花 45 分鐘、讓你在第 30 分鐘就快抓狂的那個任務。這就是你的第一個工作流程。
我的第一個工作流程是一個早晨簡報，會在喝咖啡前幫我整理好任務和文章。只有兩個步驟。從 Asana 讀取資料，格式化輸出，然後傳送出去。簡單到可以在一個下午內建立完成，實用到我從建立之後每個工作日都在用它。
如果你是 Hermes 的新手，建議先從像這樣只有兩個步驟的工作流程開始，再嘗試複雜的東西。
最低可行的工作流程包含四個部分：輸入（輸入什麼）、指令（Agent 做什麼）、輸出（產出什麼）、檢查點（你在哪裡驗證）。你不需要軟體，不需要程式碼。你只需要一個裡面有檔案的資料夾。
Anthropic 在「建立有效 Agent」指南中的建議也是從簡單開始，只在必要時才增加複雜度。他們明確警告不要一開始就使用框架或複雜的架構。從兩個步驟開始。讓它們穩定可靠。然後再加入第三個步驟。
Confluent 關於 AI 工作流程的指引 也提出了相同的觀點。簡單的方案通常是最好的起點。從簡單的提示詞工程開始可能不完美，但作為第一版已經足夠好。當你遇到瓶頸時，再加入結構。不要預先加入結構。
樸實無華勝過花俏聰明。你的第一個工作流程應該要簡單到令人不好意思。一個兩個步驟的流程，加上一個檔案交接和一次人工檢查。就這樣。那些從 AI 工作流程中獲得價值的人，都是建立了一個樸實無華的流程，然後執行它 50 次，而不是建立一個令人驚豔的流程，只跑了兩次。
大多數 AI 生產力建議都在告訴你要寫更好的提示詞。但設計更好的交接點才是真正能帶來回報之處。只要每個步驟接收到的上下文是乾淨的，就算提示詞本身很普通也沒關係。一個在臃腫對話線程中的絕妙提示詞，仍然會產出平庸的結果。
意識到你何時在做本該由 AI 處理的協調工作，是整個思維轉變的核心。一旦你看清了這個模式，你就無法忽視它。每一個重複性任務都變成了值得建立結構的候選對象。每一次手動交接都變成了一個設計問題。
遇到提示詞的瓶頸，意味你遇到了架構問題。建立好你的處理管線。讓上下文自然流動。把你的雙手，放在那些真正重要的決策上。
如果這篇文章改變了你對 AI 工作流程的看法，請追蹤 @leopardracer 以獲得更多類似內容，並加入我的 Telegram 頻道： https://t.me/+ygATQAt9sUM1N2U6
