從大腦科學到 AI 韁繩工程 打造你的「生理型」AI Agent 工作流

這幾個月，我觀察到一個令人不安的現象：純寫程式的工作越來越難接，報價也與往日不可同日而語。會寫程式，好像突然沒那麼值錢了。

這並非需求減少，而是市場正在對「會寫程式」這項技能重新定價。過去，我們跟程式能力的距離是「一牆書的距離」，你得熬夜啃完那排厚厚的技術書籍；現在，這個距離變成了「一念之間的距離」。

根據我近期參與 AI Camp 教學與實際導入 AI Agent 工作流的觀察，我們正處於 AI 傑文斯悖論 (Jevons Paradox) 的中心：當代碼成本趨近於零，系統複雜度會呈指數增長，市場對「駕馭複雜度的人才」需求將遠超以往。

本文將為你解構如何在 AI 時代生存，透過以下三個步驟實現職涯升級：

1. 生理調度 (Definition)：理解六大激素如何驅動大腦效能。
2. 架構映射 (Analysis)：將 AI 韁繩工程 映射至人類大腦運作模式。
3. 價值重組 (Steps)：執行從「任務對話」到「工作流設計」的轉型。

生理激素：你的人生由這六個說了算

David JP Phillips 曾深受 19 年憂鬱症之苦，如今卻是全球知名的溝通大師。他的新書《你的人生，他們六個說了算！》告訴我們：我們的心情、動力與自信，其實都是由體內的六種化學物質調配而成的「雞尾酒」。

六大核心框架：你的大腦特調

1. 多巴胺 (Dopamine) —— 追尋未來的動力：它驅動我們追尋「尚未擁有」的東西。警惕短影音等「速效多巴胺」，應追求閱讀、手作等「慢而有效」的快樂。
2. 催產素 (Oxytocin) —— 連結與同理心：分泌催產素能瞬間抵消壓力 (皮質醇)。它讓我們放下執著，與世界建立連結。
3. 血清素 (Serotonin) —— 滿足與社會地位：讓你滿足於現狀。在社群媒體時代，血清素最容易因為「虛擬比較」而受損。
4. 皮質醇 (Cortisol) —— 專注與壓力：雙面刃。適量壓力是動力，長期壓力則是毒素。學會當大腦的園丁。
5. 腦內啡 (Endorphins) —— 歡喜極樂：身體的內建止痛劑。挑戰「有益的痛苦」 (如運動、冰水澡) 能釋放大量腦內啡。
6. 睪固酮 (Testosterone) —— 自信與勝利：它是地位的「放大器」。練習抬頭挺胸的姿勢，能在生理上直接增加自信。

AI 韁繩工程：智體運作的 11 大核心構件

在 AI Agent (智體) 領域，Harness 指的是包裹在 LLM 外側、驅動模型運行並使其能執行任務的完整軟體基礎設施。Stanford University 的研究指出，AI Agent 的表現高達 70% 決策差異來自於 Harness 的設計。這與生理激素對人類的影響有著驚人的映射關係：

韁繩工程的 11 大核心構件解析

1. 編排迴圈 (Orchestration Loop)：系統的「心跳」，負責管理迴圈邏輯（如 ReAct 或 Plan-and-Solve），決定何時規劃、執行或終止。
2. 工具庫 (Tools)：Agent 執行任務的「雙手」，包含 API、搜尋引擎、計算機或特定業務系統的操作權限。
3. 記憶模組 (Memory)：提供多時間尺度的存儲，包含「短期記憶」（當前上下文）與「長期記憶」（歷史運行資料）。
4. 上下文管理 (Context Management)：透過壓縮、檢索增強 (RAG) 優化模型視野，防止記憶退化並避免超出「上下文視窗」限制。
5. 提示詞構建 (Prompt Construction)：將當下任務狀態與歷史軌跡組裝成符合模型特性的 Prompt，確保模型理解目標。
6. 輸出解析 (Output Parsing)：將模型文本轉化為結構化數據（如 JSON），並從中提取呼叫工具的指令與參數。
7. 狀態管理 (State Management)：追蹤任務執行進度。確保多步驟任務在失敗重試時，不會遺失關鍵狀態變數。
8. 錯誤處理機制 (Error Handling)：當呼叫失敗或解析錯誤時，主動進行容錯處理、自我糾正（Self-correction）或請求人工介入。
9. 安全與防護欄 (Guardrails & Safety)：系統邊界防線。分為輸入過濾、權限驗證與輸出審查，防止 AI 執行危險操作。
10. 驗證迴圈 (Verification Loops)：在最終輸出前，進行自動化測試（如程式碼檢查、結果比對），確保任務確實完成且結果正確。
11. 子代理協作 (Subagent Orchestration)：當任務過於複雜時，調度多個子代理並行處理，並彙整各個子代理的工作成果。

智體調機指南：如何校準你的韁繩化學指標？

這 11 大構件其實就是你在幫 AI 調配那六種激素。如果你發現你的 Agent 表現不如預期，通常是因為這套「智體生理學」失衡了。

David JP Phillips 在書中提到一個很有趣的冷知識：「早上起床千萬別立刻滑手機。」 因為這會讓你在大腦還沒清醒時就灌入大量「速效多巴胺」，導致你一整天的專注力 (血清素) 崩潰。

在韁繩工程中，這對應到 「上下文管理 (Context Management)」。如果你在對話一開始就塞入混亂的垃圾資訊，或是讓 AI 在缺乏 Architecture Guardrails 的情況下裸奔，這就像是讓 Agent 一起床就滑手機——它會陷入無效的 Orchestration Loop (多巴胺過載)，最終在複雜任務面前徹底失靈。

資深工程師的價值，在於他懂得何時該調高 Error Handling (皮質醇防禦) 來應對風險，何時該優化 Verification Loops (血清素穩定) 來獲取結果的安寧。你不是在寫代碼，你是在擔任這套系統的「數位園丁」。

韁繩工程的深層解析：Context Rot Defense

「正如 AI Agent 會因為雜訊而迷失，人類的決策品質也取決於『上下文防禦力』。」

最關鍵的是 Context Rot Defense (上下文腐敗防禦)。當你被頻繁的 Slack 通知打斷時，你的腦袋就像一個被填滿雜訊的 LLM Context，最終會導致 皮質醇 飆升，決策能力斷崖式下跌。你必須像優化 Agent 一樣，優化你的深度工作環境。

AI 原生工程師的一天：從生理到架構的實踐

上午：處理遺留代碼 (Legacy Code) —— 啟動韁繩的「皮質醇防禦」
當你面對幾千行舊程式碼，壓力 (皮質醇) 會瞬間飆升。這時你先啟動 Architecture Guardrails：要求 AI 先生成現有邏輯的流程圖，定義出「絕對不能動」的邊界。你拒絕讓 AI 亂猜，要求它先做知識蒸餾。這就是「管理 AI」而非「被 AI 淹沒」。

下午：快速從零到一 (Rapid Prototyping) —— 多巴胺的「韁繩加速」
因為早上穩住了底層架構 (血清素)，下午利用 MCP 快速串接資料庫與 API，這就是韁繩中的 Code Execution & Tools。每跑通一個功能，大腦就會噴發「緩效多巴胺」。你不是在寫代碼，是在「組合價值」。

傑文斯悖論：為什麼 coding 變便宜了，你卻更忙？

這正是傑文斯悖論 (Jevons Paradox) 的發作：當一件事的成本大幅下降，人類的反應從來不是「省下來」，而是「拿同樣的力氣去做更多、更難的事」。

想想 「雲端運算 (Cloud Computing)」 的演進：

• 過去：買台伺服器要等幾個月。
• 現在：點一下滑鼠伺服器就開好了。
• 結果：工程師變閒了嗎？沒有，反而要管理比以前複雜百倍的微服務與 K8s。

當 90% 的底層代碼可以由 AI 生成時，你不再是搬磚的工人，而是指揮搬磚機器人的工頭。

任務 (Task) vs. 工作 (Job)

「在 AI 時代，開發者的價值不在於『寫程式的速度』，而在於『管理 AI 產出結果的判斷力』。」

經驗溢價：為什麼老闆付你錢「背黑鍋」？

在零成本代碼的時代，「責任」 成了最昂貴的貨幣。AI 可以幫你寫出 99% 的代碼，但它永遠沒辦法幫你「背黑鍋」。資深工程師的價值，在於你能嗅出潛藏的風險 (Code Smell) ，並在爆炸前拍板決定：「這段不能這樣寫」。這種判斷與承擔，就是 AI 永遠學不會的「經驗溢價」。

進階演化：從對話者到架構師

如果你還在跟 AI 聊天 (Linear Prompting)，你依然在完成「任務」；當你開始設計讓 AI 彼此對話、檢查與驗證的「智能體工作流」 (Agentic Workflow) 時，你才是在交付「工作」。

這種「調度能力」本質上是 主管意識 (Management Mindset)。我發現自己之所以擅長 AI，除了 10 年的程式經驗，更關鍵的是我對「如何讓群體協作」極感興趣。無論是經濟學中描述陌生人間的市場合作，還是專案管理中的工具箱，甚至是並行計算 (Parallel Computing) 中電腦間的通訊理論——這一切的底層邏輯都是相同的：一個人的天花板很矮，你需要一群人 (或一群 Agent) 才能成就偉大的事。

職涯下一步：完成心態的「三級跳」

我們啟動 AI Camp 的本意，就是練那些「環繞在 coding 周圍」的能力：訪談、挖掘流程、提出解決方案、對關係人呈現。

要跨越這道「AI 落差」，你需要以下三種心態升級：

1. 最大化生產力即最大化自由：練習在精打細算下分派工作給 AI。生產力是與老闆談判的籌碼；談不成就換個老闆，道理就這麼簡單。
2. AI 是同事，不是敵人：真的沒有所謂「取代」，不需要敵視。AI 就是你的新同事，雖然現在有點笨，但真的有點用。
3. 重回「人的連結」：用 AI 節省時間，不是為了捲更多代碼，而是把時間花在經營自己與同事、老闆、客戶的關係。這才是人類未來無法被取代的價值所在。

附錄：韁繩工程師的「生理激素生存清單」

FAQ：AI 職涯與大腦科學

Q1：如何利用大腦科學提升 coding 效能？

你可以利用「多巴胺」的預期效應，將大任務拆解成小贏點 (Small Wins)。每完成一個模組就給予獎勵，能有效對抗開發疲勞。

Q2：什麼是「Prompt Architect」 (提示語架構師)？

這不單是寫提示詞，而是設計整個 Harness。你必須定義 Guardrails (皮質醇)、建立 Eval (血清素) 並優化 Planning (睪固酮)，這才是未來高薪的「工作」。

Q3：如何對抗 AI 帶來的焦慮 (皮質醇)？

練習 David JP Phillips 建議的催產素召喚法：遇到的 Bug 時深呼吸並保持自信站姿 (睪固酮)，幫助你冷靜地進行 Context Rot Defense。

Q4：跟 AI 聊天 (Prompting) 與工作流 (Agentic Workflow) 有什麼不同？

Prompting 像是你對著搜尋引擎下指令。而 Agentic Workflow 則是設計一個包含「規劃 -> 執行 -> 自我修正」的閉環系統，能讓 AI 自主完成複雜工作。

延伸閱讀：

• AI 時代工程師職涯轉型規劃
• AI Agent Skill 開發指南

• ← 上一篇
• 下一篇 →