AI 做的東西一直要改?Grok Bot 首席工程師 Lauren Tan 的「信任」做法,附一段直接貼給 AI 的指令
你叫 AI 寫一份東西,它寫完,你改。下一次再叫它寫,同樣的地方又要改一次。開兩三個 AI 一起跑,也沒有比較快,只是要改的東西變成好幾倍。
Lauren Tan 在她的演講裡把這個卡關講得很清楚:讓你生產力卡住的瓶頸,不是技術,是信任。你沒辦法放手讓更多 AI 幫你做事,是因為你還不能信任它做出來的東西。
這篇照影片的順序,先講兩個觀念、兩個技巧,再補上她演講裡的其他做法。
她是誰
Lauren Tan 是 SpaceX 旗下 Grok Bot 的首席工程師(Principal Engineer),之前待過 Cursor、Meta 的 React 核心團隊和 Netflix。有趣的是,她大學念的是金融,不是資工。
2026 年 11 月,她在 AI Engineer 大會上分享:她上個月一個人上線了 3,000 個程式更新。工程師把這叫做 PR,意思是把改好的一段程式送進產品裡,一次算一個。一般工程師一個月大約 10 個。
整個 Grok Bot 團隊 10 月上線了 11,000 個,有 227 個人貢獻過,上線後需要撤回的比例一直維持在 0.5% 左右。量變大,品質沒有變差,產品速度還變快了。
她說,這一切靠的是「信任」。
觀念一:什麼叫可信任?
用白話說,可信任就是 AI 做出來的東西,不太需要你改,就能直接完工。
她說的信任,不是閉著眼睛相信 AI。是你花力氣把 AI 工作的環境整理好,讓你有理由相信它會做對。
怎麼知道自己有沒有進步?很簡單:如果你每次要改的地方越來越少,就是往對的方向走。
她也坦白,一開始她自己就是瓶頸:每個對話都要盯著,她不在,AI 就做錯。後來她把腦袋裡的經驗搬進環境,AI 才能不靠她也做對。AI 是看它拿到的東西做事的,給它舊的範本、亂的資料,它就做出亂的東西。所以要改的常常不是 AI,是它拿到的東西。
觀念二:你是米其林主廚,不是流水線工人
她不喜歡「軟體工廠」這個說法,比較喜歡米其林廚房。
主廚不用自己切每一顆洋蔥,但菜好不好吃,還是主廚負責。主廚要做的是把廚房建好:誰做什麼、用什麼工具、受什麼訓練、流程怎麼搭。菜好不好吃,看的不是你自己的手藝,而是整個廚房有沒有建好。
如果某個廚師一直被同一個東西絆倒,你不會只叫他小心,你會把那個東西移走。
換到你身上:如果你發現大部分的時間都用在修改 AI 的產出,而不是建立環境,表示你還在自己下廚。試試下面兩招,把力氣花在整理廚房。
技巧一:設定驗收,叫 AI 拿出證據
給 AI 一套固定的檢查方法:做完先自己跑一遍、拿出證據給你看,沒過就自己改,改到過為止。
她說她的團隊現在審東西,大部分是在看「驗收的證據」:影片、截圖、圖表。不是讀它寫了什麼,是看它證明了什麼。她說自己大部分的 token(AI 的使用量)都花在驗收上,不是花在產出。
辦公室版本可以這樣要求:
- 做簡報:每頁截圖給你看,附上每個數字的出處清單。
- 寫文章:附一張對照表,列出你給的規則,每條打勾,沒做到的寫在哪裡。
- 整理資料:附上筆數核對,原本幾筆、整理後幾筆、少了哪些。
- 改網站:附上改前改後的截圖或錄影。
驗收規則從哪裡來?就像帶新人,你看完覺得要改的東西,就是驗收規則。把它們一條條寫下來,下次叫 AI 交件前自己對一遍。
技巧二:AI 做錯時,修正分四層
AI 做錯時,別只是再講一次。修正分四層,越前面越有效:
第一層:讓錯誤根本不可能發生。 直接改環境,讓錯的路走不通。舉例來說,AI 常拿到舊版的檔案。最好的修法不是叮嚀它用最新版,而是把舊版收掉,只留一份正本,讓它根本拿不到舊的。她的團隊也是這樣:有一種寫法 AI 老是用錯,就整個禁止,從此不用再檢查。
第二層:自動檢查。 不用人判斷,對就是對,錯就是錯。例如交件前自動比對檔名的日期或版本號,不是最新就退回;報價單金額自動加總核對。檢查不過時,提示要寫清楚該怎麼改,讓它修真正的問題,不是隨便補一下。
第三層:寫成規則或 skill。 像是規則檔、skill、工作說明。有用,但 AI 可能忘記讀,或讀了沒照做,所以不能只靠這層。
最後才是你自己改。 這是最後一道,不是主力。你親手改的地方,正好是線索:看缺的是哪一層,再往上補。
她的原則是:每次糾正 AI,先想能不能變成一道固定的檢查,或乾脆讓這個錯不可能發生,而不是在規則裡多加一行。做久了,要審的東西越來越少,到後來她的團隊大部分的更新已經不需要人仔細審。
補充:她在演講裡畫的是一張倒過來的金字塔,從上到下是「環境本身、自動檢查、驗收、文字規則、人工審」五層。影片把驗收拿出來單獨講成技巧一,剩下的就是這裡的四層。
她演講裡的其他技巧
功能地圖:給 AI 一張公司說明書
她的團隊遇過一個狀況:使用者丟來一張很小的截圖,旁邊只打了三個問號。AI 會操作產品,但完全不知道對方在講哪裡,只能猜。
所以她做了「功能地圖」:從使用者的角度,列出產品有哪些功能、在哪裡、怎麼找到、做什麼用。你說「左邊那個東西」,AI 就不用猜。
辦公室版本:寫一份說明書給 AI,列出公司有哪些東西、放在哪裡、做什麼用。例如報價單範本在哪、哪份是正本,每個產品的正式名稱和大家平常的簡稱。你說「那份表」,同事知道是哪份,AI 不知道。
當個園丁:壞習慣會被 AI 照抄
她把工作環境比喻成一座花園。AI 很愛照抄它看到的東西,環境裡只要有一個當初湊合用的做法,它就當成標準到處複製,像雜草一樣,不知不覺長滿整個園子。
更隱密的是:AI 會在文件裡寫備註,替自己「這次先繞過去」找理由,下一個 AI 看到就照著繞。你隨口糾正一件小事,它也可能當成永遠不能違反的鐵律。
辦公室裡也很常見:資料夾裡的「臨時版」範本被當正式的照抄;你說過一次「這次先不用附來源」,它之後每次都不附。
她建議每個團隊都要有一個「園丁」,做三件事:清掉現有的壞東西;每件事只留一條標準做法;看到壞習慣,先設一道檢查擋住新的,舊的再慢慢清。目標是讓環境隨時保持在「就算被 AI 照抄,你也很開心」的狀態。
別把爛流程自動化
很多人會想直接開一整隊 AI 全自動跑。她的提醒是:如果你沒辦法讓 AI 少出包,就先別想自動化。一個 AI 做出來的東西就要一直改,自動化只會做出更多要改的東西,還要燒更多錢。
你現在一篇文案要改五次,開十個 AI 一起寫,就是要改五十次。
先把環境和驗收做好,這些本來就是自動化的前提。她的團隊現在每次出新版本,會自動派 AI 像真的使用者一樣把產品用一遍,找到問題就自己修好、自己上線。能這樣做,是因為環境已經好到 AI 做的東西預設就是好的。
直接貼給你的 AI
把這整篇文章複製下來,最後加上下面這段,貼給你常用的 AI(ChatGPT、Claude、Gemini 都可以):
請你讀完上面這篇文章,幫我把裡面的方法用在我自己的工作上。
1. 先問我 3 到 5 個問題,了解我最常用 AI 做哪些工作、通常要改哪些地方、我現在怎麼檢查 AI 交的東西。一次問完,等我回答再繼續。
2. 根據我的回答,挑出一件我最常做、也最常要改的工作,幫我設計一份「驗收清單」。每一項寫清楚:要檢查什麼、AI 要拿出什麼證據(截圖、清單、對照表、筆數核對等)、沒過的時候它要怎麼自己改。
3. 針對這件工作最常出的錯,用文章裡的「四層修正」幫我想改法:
第一層,怎麼讓這個錯根本不可能發生;
第二層,怎麼自動檢查;
第三層,要寫成什麼規則或 skill;
最後,哪些還是要我自己看。
每一層給我一個具體可以做的動作。某一層做不到,就直接說做不到。
4. 最後建議我先從哪一件事開始測試,告訴我怎麼判斷有沒有變好(例如我要改的地方有沒有變少)。
請用白話寫,不要用工程術語。不確定的地方先問我,不要自己猜。
資料來源
- Lauren Tan,〈All Code Is Slop (Except Mine)〉,AI Engineer 官方影片,2026-11-14:https://www.youtube.com/watch?v=O_zcc6Xl12g
- Lauren Tan 2026 年 9 月另一場分享〈How I Shipped 2000 PRs Last Month: Trusting AI Agents〉(米其林廚房、功能地圖、園丁出自這場,她本人在 X 上發布的影片):https://x.com/poteto/status/2102050467505430555
- 一般工程師每月程式更新數:LinearB 2026 工程效率基準報告(每人每週約合併 1~2 個):https://linearb.io/resources/engineering-benchmarks-study/