本系列為 AI 學習日誌。（作為一個系列，希望還有第二篇，應該啦）
站在海景第一排，等著被浪淹死的 PM
AI 浪潮崛起，自然人人都逃不掉。作為一個純軟產業、Web/App 相關產業的 Product Manager，完全就是站在海景第一排，等著不知道什麼時候被浪淹死。
過往幾個月中，從最初使用 Figma Make 來產 Prototype，到後來 Claude Code 橫空出世，捲起一股 Agent 流，在工作上或多或少也使用不少 AI 來協助自己推進工作進度。在使用 AI 的過程中，我認為這樣的工作型態很適合我，也因此希望更加深入學習這部分的知識。
最近因緣際會得到了一個月的長假，也剛好遇到 OpenAI Astra 模型問世，直接訂閱 ChatGPT Pro 5x，也就是 NT$3300 的方案。結果大概過不到一週，ChatGPT Pro 20x 就再也不開放訂閱，稍稍有點後悔沒有直上 20x。
在使用 AI 的過程中，我期待可以真正了解何謂真正的「Agent 開發」，或者開發者究竟該如何駕馭「AI Agent」以提高開發速度，同時 AI 可以說是真正的日新月異，每隔幾天就會有新名詞、新技術、新模型、甚至是新產品的問世。我努力摸索究竟該學會多少東西，才能算是一個合格的 AI Agent 使用者（或者如同網路上的笑話：只要你學得夠慢，就可以不用學習）。總之，這邊就是記錄我使用 AI 過程中一些學習的心得，出發點皆是我個人使用經驗、網路學習、Agent 的說明等等，有些知識受限於我的認知不夠，可能不夠正確，也歡迎提出糾正。
AI 等於又貴又不受控的 RD？
身為一名 PM，以前自然需要寫出嚴謹的 PRD 讓公司 RD 看得懂，甚至必須提供 Wireframe。但與 AI 協作的過程中，我可能只會列個四、五點功能的核心目的（目前聽過一種形容是：產品意圖 Product Intent），並且補上一些想像中的使用客群以及使用情境，更多時候甚至是想到什麼就說什麼。
而 Astra 方案真的很貴，Pro 5x 的週使用量我通常在一兩天內就會全部用完（總共約 8-12 小時的連續開發時間）。我使用 AI 並學習新知的方式是，我有一些構想，希望藉由 Agent 幫我實作出產品。產品內容是什麼倒不是太重要，我主要想藉由完成這個 App，達到學習並實際使用它的目的。
AI 當然就開始按照我輸入的內容去開發，而且它會自行補完我沒有提到的部分。在常規的產品開發流程中，甚至我會利用 AI 自行補全的 Prototype 反過頭去完善我的 PRD。但回到個人開發、再也不需要跟人類 RD 溝通的情況，我便遇到下一個問題：如何提升 AI 產出的成品品質？
所謂的成品品質，並不是指 Code 的品質（畢竟我也看不懂），而是從介面、操作流程，到動畫、圖片、背景、配色，甚至是我個人的設計習慣等等。
Skill：給 AI 的新進人員手冊
要改善這部分的問題，第一個想到的解法自然是 Skill。最初我對一些 Agent 的術語其實一直很不熟悉，包括所謂的 Skill、MCP 等等。但研究之後才發現，Skill 其實可以算是一種「方法論」、「SOP」。
想像你工作團隊來了一個新成員，你給他一個新進人員手冊（當然實務上並不是每間公司都有⋯⋯但理想中應該每個新人都很希望有類似的東西可以快速上手），告訴他常用的工具、過往的檔案格式、具體操作步驟、甚至是團體協作風格等等。Skill 其實就是一份文件，教 AI Agent 按照規則做事。在實作的過程中我終於快速體驗到 Skill 的好處，同樣的注意事項不需要在不同專案中跟 AI 重複說明。
Skill 是一個可以共同、可遵循的規則。然而，對於一個產品的品質，我們有更多細節的部分需要去雕琢。在常規的產品開發流程中，我在規劃階段會花一兩天的時間畫完全部流程的 Wireframe，但當現在 AI 幾分鐘就可以產出比 Wireframe 更精細的東西，我需要解決的是：除了再畫個 Wireframe 告訴它每個細節都要按照我說的去執行以外，有什麼方法可以讓它自己認知到，它做出來的東西，看起來真的很難用？
AI 不是一個精細的工匠
一開始我會像是一個難討好的使用者，看到它生成的畫面太醜，就直接跟它說太醜，並且跟它說我想要什麼風格，甚至提供參考圖（當然，這是身為 PM 的職業慣性，一般使用者在提出意見的時候是絕對不會提供參考圖的），針對動畫、按鈕樣式、彈窗細節等等⋯⋯不夠好的一點一點告訴它。
我發現，也許 AI 在功能邏輯的實作上完成度非常高，但在 UI/UX 甚至是美感設計的品味上實在讓人堪憂。基於我不是一名設計師，我相信我對 AI 的要求，絕對沒有達到專業的標準。也許 AI 是一名好的工程師，但好的工程師總需要一名好的設計師共同去協作。在常規的產品開發流程中，PRD 完成後，跟設計有關的細節，會同步發給設計團隊，而 RD 只需要照著設計團隊給予的圖片、尺寸、規格等等進行開發。
而且難以理解的是，AI 可以憑我幾句話生出一個完整、可運作的成品。但要它修改一些細節，彷彿要了它的命一般。它改不好，甚至越改越爛，改出來的結果跟我說的內容差很多。AI 在大方向完成度可以達到非常高，但要它 100% 實作出你的想法，如同一個精細的工匠，不是很容易。
在這個方面，AI 倒不是比 RD 更笨，我相信如果我在 RD 開發告一段落之後，感覺哪裡有問題就叫他修改那裡，還只給示意圖不給設計稿，RD 也會暴怒。AI 自然不會暴怒，但我厭煩這種看一版、退一版，它很快地改好、我很快地說它改得很爛，反覆耗盡我的人力時間成本的過程——我需要有個人取代我的角色，毫無技術性地、只需要不停叫 AI 改東西。
AI 同時是一名比我更優秀的監督者
先前就聽說終極的 AI Agent 開發流是要讓多個 Agent 們自動分工進行一個開發流程，從開票、開發、測試、修正、驗收⋯⋯反覆完善產品過程中無需人類介入；或是利用 Agent 之間的協作，讓一個 Agent 監督另一個 Agent 以提高正確性，才算是最有效率的 Agent 使用方式。
我無法確定常見的「多 Agent 工作流」該如何建立，但在與 AI 深入認識的過程中，我養成了有任何問題就直接向我的 Agent 詢問的習慣，因此我直接對 ChatGPT 說：「你現在是一個 PM，請幫我去監督、審核另外一個正在執行的 Agent。」而 Agent 告訴我那是另一個「thread」，每個 thread 有自己的編號，甚至從 Agent 的處理內容來看，ChatGPT 本身就有設計支援跨 thread 工作的流程。我不確定其他人使用的「多 Agent 工作流」是如何運作，但 ChatGPT 跨 thread 工作的流程效果比我想像中顯著。
最大的差異是，Agent 很明顯比較聽得懂 Agent 的話。
假設一號 Agent 負責開發，我另開一個終端機頁籤稱為二號 Agent，二號被我指派為一名 PM，目標是提升產品品質，它會去瀏覽專案內的文件（文件都不是我自己寫的，而是我在跟一號溝通的過程中生成的），然後再看現在成品的模樣，並且提出應該要修改的部分。
首先出乎意料的是，我對一號百說不聽的美感需求，二號會自動列入改善項目之一，而更讓我驚訝的是，一號按照二號的命令進行實作後，修改的品質竟然大幅上升。許多細節到我都還來不及提的東西都有明顯的改善，二號確實就像是一個專業 PM，不單只是執行開發的指令，更有針對這個成品的好壞進行雕琢。
我得到的領悟是：原來跟在公司上班一樣，每個單位都有適合的溝通方式。
AI 工作越普及，Token 重要性越高
經過上述提升成品品質的方法跟努力後，我馬上就遇到開頭提到的問題：Token 消耗太快。
Pro 5x 的週使用量大概在 8-12 小時會使用完。我詢問 ChatGPT 為什麼消耗這麼大，原因主要來自三個層面：Astra 模型本身單價就高、跨 Agent 的相互協作，以及使用 Sub-agent（子 Agent）。
其中，「Agent 相互協作」跟「Sub-agent」是不一樣的工作邏輯。我中間曾為了想要省額度，請 AI 自動判斷工作複雜度，將較簡單的工作分派給 Sub-agent 並用比較低階的模型，但顯然，我並沒有節省到額度。因為 Sub-agent 的流程是：主 Agent 讀取專案後將任務交接給 Sub-agent、Sub-agent 再次讀取專案理解工作內容、Sub-agent 完成工作後主 Agent 又要再讀取一次結果驗收，同一件事情要兩個 Agent 跑過，改為低階模型省下的價差完全彌補不了反覆讀取專案的消耗。
開始使用 AI Agent 開發產品之後，發現 Token 消耗的速度驚為天人的快。目前做過的一些節省使用量措施包含：
- 優化 Agent、Skill 文件檔：精簡規則內容，若有新模型問世，建議都用最強模型審核，重構一遍文件。
- 規格先行：不直接進入開發，先請 AI Agent 完成 Wireframe 讓我參考確認，避免開發方向不如預期，事後反覆修改更浪費 Token。
- 簡化工作流：目前我的開發流程並不複雜，果斷捨棄 Sub-agent。
- 模型降級：朋友建議其實 Sol 就很夠用了（？）
但在撰寫這篇文章的同時，ChatGPT 就宣佈 Sol 跟 Luna 模型降價。我想在 AI Agent 生成的品質越來越高的同時，Token 的價值會跟著水漲船高，未來誰能夠擁有、使用更多的 Token，誰才掌握了兵家必爭之地。但作為一名平凡的使用者，到了未來我們應該更不需要擔心「如何節省 Token」，因為 Agent 一定會聰明到幫忙處理這些事情。
小結：一個 AI 初學者，試著窺見未來的模樣
用 AI 開發東西是一件非常有趣的過程。作為一個 PM，產品思維自然非常重要，但在台灣工作實務上，多數 PM 應該都被數不盡的會議、BUG 修正、版本管理等等繁瑣的執行項目淹沒，更別提和研發、設計、各單位溝通等等無數的情緒勞動工作漸漸消磨人類對於產品的熱情。
但跟 AI 協作的過程，反而需要非常專注回頭思考產品的本質是什麼，當人力時間資源、利害關係人管理都不再是你需要煩惱的事（除了你的錢包能不能負荷 Token 消耗之外），你想完成什麼樣的產品？當你不再需要工程師幫你改這改那，如何讓 AI 改出你想要的東西？
AI 能力的蓬勃發展足以讓所有人驚慌失措，當我如小嬰兒蹣跚學步、一點一滴學著如何使用 AI 的同時，也不禁開始想像，在 AI 的劇烈衝擊之下，未來我們的生活究竟會改變到什麼模樣呢？
希望這個系列的下一篇可以盡快產出。（只要我的週額度不要又在兩天內馬上燒光的話。）
( 聲明：本文為手工撰寫，並由 AI 修改部分專業內容。)