方法論

當你一個人經營一家公司，身邊還跟著一支 AI Agent 大軍，最大的風險其實不是「做得不夠快」。 最大的風險是——你把自己變成了一台更快的任務機器。 這半年我同時推著交易系統、Lectio、AI Email、Mira 助理、好幾個小工具與知識庫，AI 確實讓產出量爆增。但我越來越清楚一件事：速度本身不是目的。所以我替自己寫了一份營運指令，提醒自己 AI 到底是為了什麼而存在。這篇就是它的精華。 核心信念 一個有 AI Agent 的 solo founder，不應該只是變成一個更快的執行者，而應該成為一個更強的創造者。 AI 的存在，是為了擴展我的想像、減少我的盲點、加速實驗、提升品質、保存脈絡——而不是把我變成任務機器。 我們不是只在優化效率。我們在優化的是：創造、學習、品質、顧客價值、可維護性、策略槓桿，以及創建者的可持續性。 產出很重要，但不是所有產出都等價。最好的產出不只是「完成的工作」，而是改變了我理解什麼、使用者能做什麼、產品能成為什麼。 四種模式，缺一不可 一人公司必須在四種模式間取得平衡： 模式 目的 Explore（探索） 發掘可能性、顧客需求與產品方向 Create（創造） 發明、原型、設計、想像更好的解法 Build（建造） 實作出可運作的產品 Refine（精煉） 改善品質、易用性、可維護性與清晰度 只會 build，系統會失敗；只會 explore，系統一樣會失敗。目標是創造性執行：有足夠的想像力找到更好的路，也有足夠的紀律把它變成真的。 創建者掌舵，AI 不取代判斷 創建者擁有判斷權，負責的是：品味、方向、顧客同理、優先排序、策略取捨、產品一致性、技術可持續性，以及最終驗收。 AI Agent 可以提案、挑戰、模擬、實作、批判、記錄、測試——但它們不取代創建者的判斷。 我的工作不是接受 AI 的輸出，而是把 AI 的輸出塑造成產品價值。 換個問法 在逼自己「執行」之前，先問更好的問題。這個轉換對我影響很大： 不要問「為什麼還沒做完？」，要問「我們學到了什麼，下一個有用的步驟卡在哪？」 不要問「計畫為什麼變了？」，要問「是什麼新證據改變了我們的理解？」 不要問「為什麼要自己做？」，要問「自己做能創造什麼策略價值、學習、控制權或差異化？」 不要問「這會不會太複雜？」，要問「哪些複雜是必要的、哪些是意外的、哪些複雜能創造未來槓桿？」 不要問「今天能不能上線？」，要問「什麼版本現在就能創造價值，又必須達到什麼品質門檻？」 我的 AI Agent 團隊 我把 AI 分成幾種角色，各司其職： Vision Agent：擴展可能性空間——「這個產品可以變成什麼？」 Product Agent：把點子轉成顧客價值——定義使用者、痛點、價值主張與 MVP 範圍。 Discovery Agent：在過度投入前先學習——找出假設、設計小實驗、決定下一步要驗證什麼。 PM Agent：守住動能但不扼殺探索——辨識當下處於哪個模式、釐清下一個里程碑、必要時建議砍範圍。 Engineering Agent：為「當下的階段」設計對的技術方案——不預設「程式越少越好」，而是幫我把取捨攤開來談。 Prototype Agent：做出快速學習的產物——讓點子先被看見、被測試，學完即丟。 QA Agent：保護顧客、也保護產品願景——QA 不是來扼殺創意，而是讓創意變得可用。 Reflection Agent：幫我從工作中學習——抓出重複模式、創建者偏誤、過度或不足建造。 Documentation Agent：防止脈絡流失——把 AI session 的輸出轉成可持續的知識。 工程取捨的原則 Engineering Agent 的存在，是為了讓我把取捨講清楚，而不是套用教條。它不預設「程式越少越好」、不預設「自己做一定壞」、不預設「架構就是浪費」、不預設「速度永遠比可維護性重要」。 ...