文科生不寫程式，也能讓 AI 接手工作：設計自己的 Agent 框架｜江江教練

這篇在講什麼

工程師用 AI 看起來特別厲害，很多人以為那是因為他們懂程式。其實關鍵在別的地方：程式碼是已經被高度結構化的文本，AI 讀起來特別順。這件事反過來就是文科生的機會：只要把文件與知識整理得像程式碼一樣有結構，AI 就能很好地讀取與應用。而整理的工具你早就會了：資料夾負責分類，文件用自然語言把規則寫清楚，AI 拿到就照著演。這篇整理一堂通識課的完整內容，從駕馭工程講到 LLM Wiki 和 Tag Wiki。

適合誰

· 內容工作者、老師、顧問、大量文書工作者
· 想讓 AI 接手工作，但一看到「工程」兩個字就想關掉頁面的人
· 已經在用 ChatGPT 或 Claude，想往 Agent 和個人工作系統走的人

你會得到什麼

· 駕馭工程裡非工程師能做的三件事
· 讓 AI 讀懂你文件關係的三個具體寫法（時間戳、連結語法、跨系統參照）
· 個人設定檔、擬人化技能包、三種日記的實作方法

整堂課的核心一句話AI 工具現在很聰明了，讓它來學你，用不著你那麼累去學它。建立一份寫清楚自己系統、流程、思考方式的文件讓 AI 讀，今天哪家 AI 來，就讓哪家 AI 讀。

駕馭工程：非工程師能做的三件事

Harness 是韁繩的意思，我把 Harness Engineering 翻成「駕馭工程」，本質就是駕馭 AI。OpenAI 在 2026 年給 Agent 下的定義可以簡化成一個公式：Agent 等於 AI 模型（大腦）加上我們控制這顆大腦的工程（駕馭工程）。

大腦是哪家的，你我決定不了，也追不完。駕馭這一半，才是我們能做的。而它的大部分工作根本用不到程式碼：

第一件設計環境

規劃資料夾結構、文件放置邏輯，讓 AI 一進來就知道東西在哪。

第二件定義意圖

用文件寫清楚每個資料夾的用途、每個流程的規則和禁區。

第三件建立迴圈

讓 AI 照著寫好的路徑自動跑，跑完檢查、回寫規則。

用寫劇本來理解最快：設計環境是搭場景，定義意圖是寫劇本，建立迴圈是讓演員照劇本連戲。文科生平常就在做這些訓練：閱讀、分類、詮釋、把脈絡整理清楚。差別只是以前寫給人看，現在多寫一份給 AI 看。

要記得一個底層事實：你不告訴 AI 特殊邏輯，它一定照預設走。三份文件 A、B、C，AI 預設按 ABC 順序讀；如果你的實際流程是 A 完接 C、C 完才回 B，就要事先寫下來，它才會照 ACB 跑。AI 會越來越聰明，但你的特殊邏輯，永遠要你自己定義。

迴圈工程：做一次、檢查、回寫規則

駕馭工程處理的是「怎麼讓 AI 在可控範圍內做事」，迴圈工程處理的是「怎麼讓它一次比一次做得好」（完整方法在什麼是迴圈工程那篇；兩者怎麼接在一起，看迴圈護欄）。做一次、檢查、把經驗回寫成規則、下次少犯，長期工作靠的是這個循環，單次提示詞撐不起來。

回寫規則最實際的工具是三種日記。其他資料都可以叫 AI 整理，日記只能你自己留，因為 AI 沒辦法讀心。

工作日誌：每次完成一個流程，尤其是來回多輪才搞定的，下一句指令「把剛剛的過程寫成工作日誌」。下次做類似的事，先叫 AI 讀上一份。就算這次 AI 一次做對，也照寫，因為 AI 有隨機性，這次順不代表下次順。
觀點日記：發現跨系統、跨文件的洞察時，獨立寫成一份，別塞進原本的文件裡。查原系統時邏輯乾淨，要跨系統比對時也有地方查。
心情日記：記錄情緒狀態、內耗點、卡住的地方。情緒成本也是成本，特別推薦一人公司的創辦者。

工作日誌範例：
本來以為流程是 ABC，這次遇到突發狀況，實際變成 ACB。
以後遇到這種情況，記得流程是 ACB。

（AI 下次讀到，就知道怎麼處理，不用重新教。）

LLM Wiki：給模型讀的知識地圖

Karpathy 提出的 LLM Wiki，核心是讓知識庫可以持續累積、自動連結、自動更新。AI 需要可讀、可引用、可追溯的知識結構，才知道什麼是核心概念、什麼是相關概念、不同頁面怎麼連在一起。

落到個人知識庫，有三個具體寫法：

1. 時間戳（提示）：
檔名加 YYYY-MM-DD-HHMM，AI 看到時間就知道先後。

2. 連結語法（指定，比時間戳精確）：
在文件裡直接寫「A 完之後接 C」。

3. 跨系統參照：
在 B 文件開頭寫
「請參照另一個系統裡的丙，底層邏輯幾乎相同，
可作為系統間的參照。」

好習慣是時間戳和連結語法兩種都寫。丟新文件進知識庫時，AI 可以自動判斷關聯建立連結，特殊案例再手動補。這就是知識圖譜：文件之間有方向性的連結，讓知識庫可以規模化，同時保留人工介入的空間。

Tag Wiki：個人的工作語義系統

LLM Wiki 管文件之間的連結，我自己的 Tag Wiki 則更偏個人工作語義：用標籤把資料分類、任務場景、角色、流程與輸出形式連起來。標籤定義清楚，AI 就知道某份筆記該進哪個工作流。

新手的最小起點是先定義幾個常用標籤，例如資料、流程、任務、成品、待處理。標籤穩定之後，Agent 才有辦法幫你整理與召回。

兩個馬上能做的配件：個人設定檔與擬人化技能包

個人設定檔：給 AI 看的履歷

個人設定檔是一份讓任何 AI 快速了解你的文件。AI 讀完這一份就懂你，用不著每次爬你幾百份文件。做法很簡單，打開你最常用的 AI，下這個指令：

幫我分析我們最近談話的內容，
整理我的工作模式、興趣、喜好、流程。

檢視草稿、補上缺漏，存成一份固定文件，內容涵蓋品牌核心、想服務誰、工作邏輯與策略、個人喜好與流程。重點是這份檔案要能給任何一家 AI 讀，不綁定平台，並且隨工作方式變化定期更新。

擬人化技能包：記人比記工具容易

工具一多，你會忘記哪個功能放在哪裡。解法是把技能包擬人化：幫每個技能包取名字、寫一段人設，說清楚這個角色負責什麼、什麼情境叫他。像我的「春總編」負責寫文案、行銷、內容創作，只要跟寫文案有關的事，直接叫春總編。Agent 團隊越大，擬人化越必要，人設要具體到「什麼情境該找他」。

新工具的安裝節奏熱門工具剛爆紅時 Bug 最多，先聽不動；過一週確認下載數持續上升、沒人說是詐騙；再過一兩週官方或社群有了 Bug 解法再開始學。權限越大的桌面 Agent，前置調查越要仔細，安裝前先請既有的 AI 幫你查風險和解除方式。而且從新工具裡拿走最厲害的概念吸收進自己的系統就好，整套搬家永遠學不完。

你可以怎麼練習：寫一張 Agent 規則卡

文科生設計 Agent 框架的起點，是一張規則卡。它把駕馭工程的三件事濃縮在一頁裡。

我有哪些資料：列出你的主要資料夾和每個資料夾的用途。
我常做哪些任務：挑三個重複出現的工作，各用三五句話寫下你的做法。
哪些事不能自動做：對外送出、刪除檔案、碰敏感資料，先劃出禁區。
做完怎麼驗收：每個任務寫一條「做完的標準」，讓 AI 自己對答案。

這張卡就是你個人 Agent 系統的起點。之後每跑一輪工作，用工作日誌把經驗寫回來，規則卡會自己長大。流水的 AI，鐵打的知識：工具會一直換，這套你整理出來的系統，才是留得下來的資產。

Agent 框架駕馭工程迴圈工程LLM WikiTag Wiki文科生知識管理