[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-grok-4-5-one-prompt-agent-work-zh":3,"article-related-grok-4-5-one-prompt-agent-work-zh":30,"series-model-release-dfad8ae3-1fd4-4167-ad8e-66afba6f0355":73},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":22,"views":26,"created_at":27,"published_at":28,"topic_cluster_id":29},"dfad8ae3-1fd4-4167-ad8e-66afba6f0355","grok-4-5-one-prompt-agent-work-zh","Grok 4.5 讓一個提示詞跑完整個工作流","\u003Cp data-speakable=\"summary\">以前我總覺得模型只會講漂亮話，現在我只看它能不能用一個提示詞把工作做完。\u003C\u002Fp>\u003Cp>我這陣子看模型發表頁看得很煩，真的。每次都寫得像宇宙要重開機：最強、最好、最會 coding、最會 \u003Ca href=\"\u002Ftag\u002Fagent\">agent\u003C\u002Fa>，結果一進實作就開始飄。你叫它修 bug，它先跟你聊架構哲學；你叫它跑流程，它前兩步很像人，第三步就開始亂接工具，最後把 \u003Ca href=\"\u002Ftag\u002Ftoken\">token\u003C\u002Fa> 花得像不用錢。這種東西我看多了，胃都麻了。\u003C\u002Fp>\u003Cp>所以我看到 \u003Ca href=\"https:\u002F\u002Fx.ai\u002Fnews\u002Fgrok-4-5\">x.ai 的 Grok 4.5 發表頁\u003C\u002Fa>時，先跳過那些形容詞，直接盯三件事：coding、agentic tasks、還有它一直提的 office work。這三個點才是開發者會真的碰到的工作。它如果真能把一個模糊需求一路推到可交付成果，那我才會想繼續看下去。\u003C\u002Fp>\u003Ch2>它想賣的其實是工作完成率\u003C\u002Fh2>\u003Cblockquote>Grok 4.5 被描述成 xAI 的 smartest model，主打 coding、agentic tasks，還有 knowledge work。\u003C\u002Fblockquote>\u003Cp>翻譯一下就是：它不是想當聊天玩具，它想當幹活的那台。coding 很直白，agentic tasks 是多步驟執行，knowledge work 則是研究、整理、文件、簡報、表格這些很煩但每天都在發生的事。這種定位我比較買單，因為它至少把戰場講清楚了。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784232197736-yho5.png\" alt=\"Grok 4.5 讓一個提示詞跑完整個工作流\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>我以前做內部工具時最常踩坑的，就是模型第一輪很漂亮，第二輪開始失憶，第三輪直接把任務帶歪。那種模型看起來很會，實際上只適合 demo。Grok 4.5 這次的說法比較像在賭一件事：它能不能把任務的形狀維持住，直到真的交件。\u003C\u002Fp>\u003Cp>實操寫法很簡單：你不要拿單輪問答評估它。你要給它一個有起點、有中間狀態、有結尾的任務，像修 bug、改檔案、補文件、再驗證一次。它如果能一路保持上下文，才算有點料。\u003C\u002Fp>\u003Ch2>我更在意它挑哪些 benchmark\u003C\u002Fh2>\u003Cp>發表頁裡面列的測試集很有意思，像 DeepSWE 1.0、DeepSWE 1.1、SWE Marathon、Terminal Bench 2.1、SWE Bench Pro。這些名字不是拿來裝飾的，它們直接告訴我：這模型不是只想證明自己會聊天，而是想證明自己能碰程式、碰終端機、碰多步驟代理任務。這點我覺得比空泛的「最強」有用多了。\u003C\u002Fp>\u003Cp>頁面也有放一些數字，例如 Terminal Bench 2.1 的 83.3%、SWE Bench Pro 的 64.7%、SWE Marathon 的 29.0% resolution rate。我要先講清楚，\u003Ca href=\"\u002Ftag\u002Fbenchmark\">benchmark\u003C\u002Fa> 不等於真實工作表現，這點我不會替任何模型洗地。但數字至少能告訴我：它們把火力放在哪裡。\u003C\u002Fp>\u003Cp>白話一點說，x.ai 這次不是在賣一個萬用聊天框，而是在賣比較像工程助手的東西。這差很多。因為如果我要挑一個模型接 repo、接 shell、接內部流程，我要看的不是它會不會答題，是它能不能穩穩走完一串操作。\u003C\u002Fp>\u003Cul>\u003Cli>你做的是改 code，就看軟體工程 benchmark。\u003C\u002Fli>\u003Cli>你做的是工具呼叫和 shell 流程，就看 terminal 和 agent benchmark。\u003C\u002Fli>\u003Cli>你自己的任務如果都過不了，外面的榜單再漂亮也只是牆上貼紙。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>實操寫法：自己做一份小測驗集。放一個 bug fix、一個 refactor、一個文件更新、一個\u003Ca href=\"\u002Ftag\u002F-\">研究整理\u003C\u002Fa>、再加一個多步驟 agent 任務。這五題如果都能過，再回頭看 benchmark 才有意義。\u003C\u002Fp>\u003Ch2>訓練資料和 RL 才是我會看的地方\u003C\u002Fh2>\u003Cp>我通常比起看行銷標題，更愛看訓練描述。這份發表頁提到他們用大量 \u003Ca href=\"https:\u002F\u002Fwww.nvidia.com\u002Fen-us\u002Fdata-center\u002Fgb300\u002F\">NVIDIA GB300\u003C\u002Fa> GPU，做了很重的資料過濾、去重、品質評分，還有領域導向的資料挑選。這句話我會多看兩眼，因為它透露的是模型怎麼被養出來，不是怎麼被包裝出來。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784232197259-d1bb.png\" alt=\"Grok 4.5 讓一個提示詞跑完整個工作流\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>它還提到用了大量 \u003Ca href=\"\u002Ftag\u002Freinforcement-learning\">reinforcement learning\u003C\u002Fa>，特別是多步驟軟體工程和技術任務，搭配自動與模型式評分。這很重要。你要模型會規劃、會修正、會重試，就得真的拿這些 loop 去訓練，不然它只會講得像有把握，實際一碰到第三步就開始\u003Ca href=\"\u002Fnews\u002Fanthropic-eerie-new-ad-sparks-backlash-zh\">翻車\u003C\u002Fa>。\u003C\u002Fp>\u003Cp>也就是說，Grok 4.5 如果真有差，差的可能不是「更大」，而是「更會把事做完」。這種差異我很在意。因為 planning 很便宜，能不能撐住才貴。你做 agent 系統時最怕的就是它前面都對，最後卡在一個很無聊的狀態錯誤。\u003C\u002Fp>\u003Cp>我自己做過幾個內部自動化專案，最討厭的就是模型一開始很像樣，後面開始漏狀態、漏約束、漏自己剛剛講過的事。那不是聰明不聰明的問題，是它撐不撐得住流程。\u003C\u002Fp>\u003Cp>實操寫法：評估模型時不要只看\u003Ca href=\"\u002Fnews\u002Fxai-lawsuit-right-response-ai-abuse-zh\">正確\u003C\u002Fa>率。你要測 persistence。丟一個會失敗、會中斷、要恢復的任務給它，看它能不能把流程撐回來。撐不住，就別拿去接 production。\u003C\u002Fp>\u003Ch2>一個提示詞把 app 生出來，才像真的在做事\u003C\u002Fh2>\u003Cp>發表頁最有感的地方，是它展示了從單一提示詞做出太陽系模擬器，還用了 \u003Ca href=\"https:\u002F\u002Fthreejs.org\u002F\">Three.js\u003C\u002Fa>、HUD 風格介面、還有比較完整的視覺效果。這種 demo 很容易讓人翻白眼，因為大家都看過漂亮截圖。但我看的是另一件事：它是不是能把模糊需求，拉成一個有結構的成品骨架。\u003C\u002Fp>\u003Cp>這就是開發者最常暗爽的地方。大家嘴上說不要模型亂寫，心裡其實都想要它先幫你把前 80% 搞定。只要它能把檔案結構、UI、狀態、基本互動一起串起來，你就省掉很多空白頁時間。不是因為它完美，而是因為你終於不用從零開始瞪著編輯器發呆。\u003C\u002Fp>\u003Cp>我會把這種能力叫做 builder 能力。helper 只會回答，builder 會把東西組起來。這差很多。當模型能把設計意圖一路帶到實作、狀態和錯誤處理，它才真的開始像工\u003Ca href=\"\u002Fnews\u002Fopenai-partner-network-clear-path-for-partners-zh\">作夥伴\u003C\u002Fa>，不像客服機器人。\u003C\u002Fp>\u003Cul>\u003Cli>先要求完整 app 骨架，不要只要單一 component。\u003C\u002Fli>\u003Cli>提示詞裡直接寫明 framework、檔案數量、交付格式。\u003C\u002Fli>\u003Cli>檢查它有沒有把 UI、邏輯、資料流一起保住。\u003C\u002Fli>\u003C\u002Ful>\u003Cp>實操寫法：你要它做的不是「幫我寫一段前端」，而是「幫我生出一個可跑的最小產品骨架」。把成功條件寫死，模型才不會拿漂亮廢話混過去。\u003C\u002Fp>\u003Ch2>速度和 token 效率，才是會算帳的人在意的地方\u003C\u002Fh2>\u003Cp>x.ai 這次也很直接地講了效能：Grok 4.5 服務速度是 80 TPS，而且在同樣任務上，token efficiency 大概是其他領先模型的兩倍，還能用不到一半的步數完成任務。這些數字我不會當神諭，但我會當帳單看。因為最後真的會付錢的人，通常不是最愛看排行榜的人，而是最愛看成本的人。\u003C\u002Fp>\u003Cp>大家都很愛聊模型聰不聰明，直到 usage bill 來了，才突然發現 latency、token 數、step 數都很重要。如果一個模型能用更少 token、更少工具步驟把事情做完，那它就不只是比較會講話，而是真的比較省事。這種省事，會直接反映在產品體驗和營運成本上。\u003C\u002Fp>\u003Cp>換句話說，Grok 4.5 這次不是只賣腦力，也在賣經濟性。這種賣法比較誠實。我寧可要一個少講廢話、穩定、便宜、速度快的模型，也不要一個每次都像在寫散文的高分選手。很多系統不需要詩意，它們需要吞吐量。\u003C\u002Fp>\u003Cp>我以前就卡過這種問題：agent loop 一直繞，工具一直呼叫，結果每次都把 token 燒爆。那時候你才知道，模型會不會省字，根本不是小事，是能不能上線的事。\u003C\u002Fp>\u003Cp>實操寫法：你自己的 stack 至少量三個指標，平均輸出 token、工具步數、端到端 latency。只要其中一個明顯下降，而且品質沒掉，你就有理由認真考慮換模型。\u003C\u002Fp>\u003Ch2>辦公室工作這段，才是它想進真實流程\u003C\u002Fh2>\u003Cp>發表頁裡還有一段我覺得很實際：Grok 4.5 被放進 Grok Build 當預設模型，還強調它能做複雜 Excel 模型、網路研究、多工作表操作、留註記給未來參考，甚至產出更好的 PowerPoint 和 Word 文件，還支援原生 shapes 和更清楚的文字。這不是邊角料，這是它想往日常工作裡鑽。\u003C\u002Fp>\u003Cp>白話一點說，它在搶的是 coding 和 knowledge work 中間那塊很髒的地帶。很多團隊平常不是只有寫 code，還要查資料、整理表格、做簡報、寫文件、交接註記。這些工作碎得很，最吃上下文。如果模型能在這些格式之間不掉鏈子，它才真的有機會進工作流。\u003C\u002Fp>\u003Cp>我其實滿吃這套，因為這才像真實世界。開發者一天到晚不是只在寫程式，還要寫 memo、補 deck、整理 research、修 spreadsheet。模型如果能把這些事情接得住，它就不是玩具，而是能幫你少加班的工具。\u003C\u002Fp>\u003Cp>實操寫法：不要測單一檔案格式，直接測工作流。像是先叫它查資料，再把結果整理成表格，最後變成 5 頁簡報大綱。這比叫它「寫一段說明」更接近你真正在做的事。\u003C\u002Fp>\u003Ch2>可抄的模板\u003C\u002Fh2>\u003Cpre>\u003Ccode># Grok 4.5 評測與 rollout 模板：coding + agent + office work\n\n你可以直接把這份 prompt 丟給模型，測它到底會不會做事。\n\n## Prompt\n你是資深工程師和執行者。\n\n任務：\n[用一句話描述真實任務。]\n\n背景：\n- Repo 或 workspace：[連結 \u002F 路徑]\n- 主要目標：[成功長什麼樣]\n- 限制：[框架、語言、預算、時間、風格]\n- 可用輸入：[檔案、文件、連結、API]\n- 需要輸出：[程式碼、patch、說明、文件、簡報、試算表]\n\n規則：\n1. 分小步做。\n2. 如果需要假設，先講假設再動手。\n3. 優先做最小但正確的變更。\n4. 保留原始意圖。\n5. 如果用了工具，說明每一步為什麼需要。\n6. 完成就停，不要一直腦補延伸需求。\n\n執行格式：\n- Plan：3 到 5 個 bullet\n- Action：你改了什麼、產出了什麼\n- Verification：你怎麼確認\n- Risks：還可能錯在哪\n- Next step：只有真的需要才寫\n\n完成定義：\n- 任務真的完成了。\n- 產出可以直接用，不用整包重寫。\n- 說明內容和實際變更一致。\n\n## 評分規則\n每項 1 到 5 分：\n- 任務完成度\n- 步驟紀律\n- 正確性\n- token 效率\n- 面對模糊需求的恢復能力\n- 最終輸出的可用性\n\n## coding 測試題\n找出 bug 並修掉，再解釋原因：\nfunction median(a){a.sort();return a[a.length\u002F2]}\n\n## agent 測試題\n研究 [topic] 的前三個選項，做成表格並推薦一個。\n要包含來源、取捨、以及一個要問 stakeholder 的後續問題。\n\n## office 測試題\n做一份 5 頁的季度業務回顧大綱，包含：\n- revenue\n- margins\n- pipeline\n- risks\n- next-quarter priorities\n\n再把它整理成：\n- spreadsheet summary\n- slide outline\n- short executive memo\n\n## Review checklist\n- 有沒有保住任務目標？\n- 有沒有亂跑去做不必要的事？\n- 有沒有真的交出可用成果？\n- 說明有沒有清楚到可以信任？\n- 有沒有在 token 和步驟上保持效率？\n\u003C\u002Fcode>\u003C\u002Fpre>\u003Cp>如果我要把 Grok 4.5 接進產品，我會先拿這份模板跑一輪，然後再依照自己的 stack 收緊格式。重點從來不是膜拜模型，而是把它丟進你真正會遇到的工作形狀裡，看它到底能不能撐住。\u003C\u002Fp>\u003Cp>來源是 x.ai 的 Grok 4.5 發表頁：\u003Ca href=\"https:\u002F\u002Fx.ai\u002Fnews\u002Fgrok-4-5\">https:\u002F\u002Fx.ai\u002Fnews\u002Fgrok-4-5\u003C\u002Fa>。我上面拆的是原文主張、benchmark 與產品敘事；模板、評估方法和中文解讀是我自己整理出來的。\u003C\u002Fp>","我拆 Grok 4.5 的 coding、agent、辦公室工作主張，整理成可直接複製的評測提示詞與 rollout 模板。","x.ai","https:\u002F\u002Fx.ai\u002Fnews\u002Fgrok-4-5",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784232197736-yho5.png","model-release","zh","fbfaa5f6-56e4-4ff3-8767-acd07c70ef63",[17,18,19,20,21],"Grok 4.5","agentic tasks","token efficiency","coding","workflow prompt",[23,24,25],"用真實多步驟任務測模型，不要只看單輪回答。","把 token、步數、延遲一起量，才知道模型值不值得換。","直接套用模板，拿自己的工作流做評測和 rollout。",0,"2026-07-16T20:02:54.058039+00:00","2026-07-16T20:02:54.048+00:00","778689f2-fbae-4417-8e66-e32088ce0af2",{"tags":31,"relatedLang":32,"relatedPosts":36},[],{"id":15,"slug":33,"title":34,"language":35},"grok-4-5-one-prompt-agent-work-en","Grok 4.5 turns agent work into one prompt","en",[37,43,49,55,61,67],{"id":38,"slug":39,"title":40,"cover_image":41,"image_url":41,"created_at":42,"category":13},"735a41dd-c91a-4599-81fd-e429f84d39ba","grok-4-5-rise-five-numbers-zh","Grok 4.5 的上升靠這 5 個數字","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784235775330-7uyg.png","2026-07-16T21:02:31.759856+00:00",{"id":44,"slug":45,"title":46,"cover_image":47,"image_url":47,"created_at":48,"category":13},"910cf077-b134-47fd-b9f1-34432cf40ad6","kimi-api-quickstart-k27-code-highspeed-zh","Kimi API 快速上手加入 K2.7 Code 與 Highspeed","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784190787891-mhqq.png","2026-07-16T08:32:41.137799+00:00",{"id":50,"slug":51,"title":52,"cover_image":53,"image_url":53,"created_at":54,"category":13},"24de8ca9-18d2-4ef4-9e5c-0a0ed2b79469","chatgpt-gpt-live-voice-upgrade-zh","ChatGPT語音換上GPT-Live，順多了","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784160181308-zki4.png","2026-07-16T00:02:40.834392+00:00",{"id":56,"slug":57,"title":58,"cover_image":59,"image_url":59,"created_at":60,"category":13},"4b78bdfc-3230-48be-83f4-13929c4951a8","anthropic-extends-claude-fable-access-after-gpt56-zh","GPT-5.6 逼出 Anthropic 延長 Claude Fable 5","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1784118777238-pcq5.png","2026-07-15T12:32:32.235845+00:00",{"id":62,"slug":63,"title":64,"cover_image":65,"image_url":65,"created_at":66,"category":13},"790479be-75fa-4a83-a596-2d9e13268225","gpt-56-sol-review-faster-coding-lower-cost-zh","GPT-5.6 Sol：更快更省，但分數不乾淨","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783972980996-kj4o.png","2026-07-13T20:02:36.302834+00:00",{"id":68,"slug":69,"title":70,"cover_image":71,"image_url":71,"created_at":72,"category":13},"ebc46a87-604e-4ac4-b890-44acd40b130f","gpt-5-6-luna-terra-sol-release-zh","GPT-5.6 三模型上線：Luna、Terra、Sol","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1783971158573-meez.png","2026-07-13T19:32:15.259144+00:00",[74,79,84,89,94,99,104,109,114,119],{"id":75,"slug":76,"title":77,"created_at":78},"58b64033-7eb6-49b9-9aab-01cf8ae1b2f2","nvidia-rubin-six-chips-one-ai-supercomputer-zh","NVIDIA Rubin 把六顆晶片塞進 AI 機櫃","2026-03-26T07:18:45.861277+00:00",{"id":80,"slug":81,"title":82,"created_at":83},"0dcc2c61-c2a6-480d-adb8-dd225fc68914","march-2026-ai-model-news-what-mattered-zh","2026 年 3 月 AI 模型新聞重點","2026-03-26T07:32:08.386348+00:00",{"id":85,"slug":86,"title":87,"created_at":88},"214ab08b-5ce5-4b5c-8b72-47619d8675dd","why-small-models-are-winning-on-device-ai-zh","小模型為何吃下裝置端 AI","2026-03-26T07:36:30.488966+00:00",{"id":90,"slug":91,"title":92,"created_at":93},"785624b2-0355-4b82-adc3-de5e45eecd88","midjourney-v8-faster-images-higher-costs-zh","Midjourney V8 變快了，也變貴了","2026-03-26T07:52:03.562971+00:00",{"id":95,"slug":96,"title":97,"created_at":98},"9e1044b4-946d-47fe-9e2a-c2ee032e1164","xiaomi-mimo-v2-pro-1t-moe-agents-zh","小米 MiMo-V2-Pro 登場：1T MoE 模型","2026-03-28T03:06:19.002353+00:00",{"id":100,"slug":101,"title":102,"created_at":103},"c4b6186f-bd84-4598-997e-c6e31d543c0d","cursor-composer-2-agentic-coding-model-zh","Cursor Composer 2 走向代理式寫碼","2026-03-28T03:13:06.422716+00:00",{"id":105,"slug":106,"title":107,"created_at":108},"e112e76f-ec3b-408f-810e-e93ae21a888a","apple-siri-gemini-distilled-models-zh","Apple Siri 牽手 Gemini 的真相","2026-03-29T04:52:57.886544+00:00",{"id":110,"slug":111,"title":112,"created_at":113},"c679b51f-194a-463b-87fc-7695256ff752","mimo-v2-pro-vs-omni-vs-flash-2026-zh","MiMo V2 Pro、Omni、Flash 怎麼選","2026-04-02T01:18:43.576128+00:00",{"id":115,"slug":116,"title":117,"created_at":118},"3b988fd7-6749-4f01-ba25-c0ad7486dc31","z-ai-glm-5v-turbo-design2code-claude-zh","GLM-5V-Turbo 在 Design2Code 贏了…","2026-04-02T04:03:36.31741+00:00",{"id":120,"slug":121,"title":122,"created_at":123},"975a7aef-030e-41a6-9401-1c6a342be68e","april-2026-ai-model-releases-zh","2026年4月 AI 模型更新追蹤","2026-04-02T08:45:33.308563+00:00"]