標籤

AI 工作流

AI 工作流關注的是把模型從單次問答，接到可重複執行的任務鏈：資料讀取、工具呼叫、人工確認、格式驗證與錯誤回復。從 MCP、長任務代理到提示規格化，重點是讓 AI 進入正式開發與營運流程。

8 篇文章

提示工程 vs 迴圈工程 vs 圖譜工程

這篇比較提示工程、迴圈工程與圖譜工程，幫你判斷單次提示、反覆檢查與多步流程，哪一種更適合你的 AI 工作流。

Anthropic Skills 讓 Codex 更會讀文件、抽表格、處理工作流。這篇整理安裝方式、文件技能、適合場景，以及它和一般文件處理工具的差別。

OpenAI 的 Codex 把 ChatGPT 拉進工作和寫程式流程，主打 KPI、簡報、客戶摘要、bug triage 與 prototype 草稿。

5 個 Codex 更新加上 PowerPoint 測試，顯示 OpenAI 正把 AI 變成能長時間執行工作的夥伴。

Anthropic 押注小型企業是對的，因為 SMB 工作流才是下一個真正能規模化的 AI 市場。

Anthropic 推出 Claude Opus 4.7，強化長任務、視覺理解與程式工作流，但 Token 消耗也更高。

MCP 讓 AI 能用標準介面讀資料、叫工具、要確認。Zoho 用 elicitation 拆解它怎麼把助手帶進正式工作流程。

2026 年的提示工程更吃模型差異。資料顯示，38.5% 對話要靠反覆修正才成功。真正有效的方法不是花式 wording，而是把提示寫成精簡規格，配合限制條件、格式要求與驗證流程。