《機緣力》用 Fleet-as-Code 打造 LLM 好運氣 從單一 Agent 到多智能體 Fleet 協作

引言

機緣力 (Serendipity Mindset) 是指在不確定與偶然事件中，主動發掘、連結並轉化為有利機會的認知能力。克里斯汀．布胥 (Dr. Christian Busch) 在《機緣力：創造好運的技巧與科學》中指出，30-50% 的重大科學發現皆源於對偶然事件的捕捉，而「聰明運氣」可以被系統化設計——書中核心公式正是 運氣＝努力＋環境＋心態 的關鍵互動。

在我過去一年導入 AI Agent 的實踐中，最大的領悟是：工程師的核心瓶頸已從「寫程式碼」轉移到「如何指揮 AI 探索正確的方向」。這與機緣力的本質完全對齊——不是等待靈感，而是主動打開連結界面、讓意外碰撞出價值。

特別是在 2026 年，AI 已從「聊天機器人」演進為能自主規劃、動手完成任務的 Agent。工程師面臨的挑戰不再是語法，而是如何打破「功能固著」——避免把 AI 當搜尋引擎，而是學會用 Fleet-as-Code 組建多智能體團隊，讓機緣力在系統層次發生。

實踐路徑分為三步：

1. 打破工具與思維的「功能固著」。
2. 主動擴大 AI 與職涯的「連結界面」。
3. 建立心理安全感的沙盒與協作 Fleet 環境。

一、意外如何變成好運：打破工具與思維的「功能固著」

在克里斯汀．布胥 (Dr. Christian Busch) 博士的著作《機緣力：創造好運的技巧與科學》中，運氣被區分為兩種：一種是無法控制的「狗屎運」 (Blind Luck)，另一種則是能夠主動編排、有預備的「聰明運氣」 (Serendipity)。

機緣力的科學公式：機緣力 = 偶然事件 + 連結行為 + 實踐價值。30-50% 的重大科學發現（如抗生素、微波爐與便利貼）皆源於對偶然事件的捕捉。

要獲得聰明運氣，首要任務是克服認知心理學中的 功能固著 (Functional Fixedness)。意即人們習慣僅依循物體或概念的「預設用途」思考，因而對意外機會視而不見。例如在新冠疫情爆發時，傳統啤酒廠若固守本業便會面臨危機，但部分廠家迅速將剩餘酒精轉產洗手液，成功度過難關。

此外，書中指出運氣並非天賦，而是透過主動探索與心態調整可培養的能力。作者強調，成功來源於努力與有意識地創造機會的互動，遠離單純的運氣觀念。

對齊 AI 開發：單一 Agent 的「失憶與自我感覺良好」痛點

在 AI Agent Skill 開發指南 中，我們強調過度限制的 Prompt 會導致 Agent 遇到預期外的邊緣案例 (Edge Cases) 時直接崩潰。這本質上也是一種「功能固著」。

在真實開發案例中，工程師如果只用「單一 Agent」來做完整功能的開發，往往會在任務變長、對話變多時遇到以下瓶頸：

• 上午開發順利，下午 Context 變長就崩潰：Agent 開始產生「失憶」現象，忘記早上的架構決定，逼得工程師必須重頭問一次。
• 自我感覺良好與 Review 淪為形式：請 Agent Review 自己的程式碼，它只會敷衍地回答「LGTM，邏輯清晰」；問它有沒有沒考慮到的地方，它會回答「你說得對，我再看看」，然後實際上什麼都沒改。

為了打破這種功能固著，在 韁繩工程實踐 中，我們不再使用 Hard-coding 綁死 AI 的每一步，而是為其提供動態反思與容錯機制：

1. 引入動態反應鏈：使用 ReAct 框架或 CoT (Chain of Thought) 讓 AI 在第一步出錯時，能自主調用工具進行反思與重試。
2. 引進自動重啟與上下文移交：在開發流程中，系統的「非預期輸入」或 Crash 應被視為觸發新工作流的契機。透過自動化監督機制，在 Agent 卡住或發生錯誤時進行退避、重啟並接續原本的對話，而非僅拋出異常。

二、主動編排機緣：擴大 AI 與職涯的「連結界面」

機緣力並非消極等待，而是主動撒下機會的種子。書中提出了兩種擴大界面、主動創造聰明運氣的社交策略：

• 增加對話的連結界面：當被問到「你是做什麼的？」時，避免單一職業回答，而是將答案延伸至個人興趣、正在研究的項目或面臨的挑戰，主動釋放更多連結點。
• 深度提問：越過表面的職業詢問，探尋對方的動機與需求。

對齊 AI 開發：透過 Fleet-as-code 快速拉起開發團隊

將此概念投射至 AI 系統設計，若希望 Agent 擁有捕捉正確意圖的「聰明運氣」，我們必須為其設計更寬廣的「連結界面」。在 2026 年，企業衡量 AI 成效的標準，已正由「個人效率提升」轉向「組織生產力優化」。與其讓單一 Agent 在狹窄的對話框裡掙扎，不如主動擴大界面，建立多智能體團隊（Fleet）。

我們可以使用一份 fleet.yaml 宣告整個 AI 開發團隊（Fleet-as-Code）。只要在系統中輸入簡單指令（例如：「建一個後端團隊：負責人、開發、測試、DevOps、文件」），系統便能在不到 1 分鐘內自動建立並啟動多個專屬 Agent（Leader、Dev、Tester、DevOps、Docs），並由 AI Leader 自動拆解任務與分配。

對於軟體工程師而言，這些 AI 工具（如 Cursor、AgEnD 等 Fleet 工具）就是全新的對話與協作界面。在我自己的實踐中，把一個模糊的架構想法丟給 AI Fleet 後，往往在跨 Agent 的討論回合中碰撞出意料之外的優化方案——這本身就是機緣力在系統層次的展現。不要只把這些工具當作搜尋引擎，而是主動將日常痛點或不成熟的想法丟進 AI 團隊讓它自由碰撞。

三、打造機緣力環境：心理安全感、沙盒與多智能體協作

個人行動的效能取決於其所處的環境。皮克斯 (Pixar) 動畫總部設計了巨大的中庭與中央咖啡廳，強迫不同部門的員工在日常中「不期而遇」；Google 亦透過隨機咖啡機制促進跨領域交流。

更重要的是組織的心理安全感 (Psychological Safety)。在一個容許失誤、鼓勵承認不確定性的文化中，創新的巧合才能被留存並放大。

對齊 AI 架構：Client-Server 協作架構與獨立沙盒

在多智能體系統 (Multi-Agent System) 中，我們可以建立相同的機緣力環境：

1. 跨 Fleet 的 Client-Server 協作架構

將複雜的研發任務拆分為獨立的 Fleet（前端團隊與後端團隊），兩個團隊各自獨立工作，透過定義好的介面進行跨 Fleet 溝通。每個 Fleet 內部由 AI Leader 進行任務統籌與整合，讓 Agent 拆開、各司其職（例如 Server Agent、Server 測試 Agent、Infra Agent 分工運作），避免單一 Agent 因職責模糊而產生的無效 Review。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

+------------------------------------+             +------------------------------------+
|      Server Fleet ( 後端團隊 )      |             |      Client Fleet ( 前端團隊 )      |
|                                    |             |                                    |
| +------------+ +------------+ +--+ |             | +------------+ +----+ +----------+ |
| |Server Agent| |Server測試Ag.| |In| |   跨 Fleet  | |Client Agent| | UI | |前端測試Ag| |
| |  後端程式   | |  自動測試   | |fr| |  介面溝通   |  |  前端程式  | |Agent| | 自動測試 | |
| +------------+ +------------+ +--+ | <=========> | +------------+ +----+ +----------+ |
|               |                    |             |               |                    |
|       +-------v-------+            |             |       +-------v-------+            |
|       |    Leader     |            |             |       |    Leader     |            |
|       +---------------+            |             |       +---------------+            |
|        統籌任務分派與整合           |             |        統籌任務分派與整合            |
+------------------------------------+             +------------------------------------+

2. Git Worktree 隔離與容錯沙盒機制

為每個 Agent 配備獨立的 Git Worktree 隔離環境。Agent 之間在各自的 Worktree 中工作，既不會產生 Merge 衝突，也不會意外互相污染。同時，在開發流程中，可以將執行範圍限制在安全的沙盒（Sandbox）內，並適度調高隨機性參數，讓 Agent 嘗試更多元的解法，從中碰撞出令人驚喜的優雅程式碼。

四、AI 時代工程師的「機緣力」轉型策略

當 AI 能夠輕易搞定八成基礎程式碼，甚至能透過自動化腳本實現如 AI SEO 自動化與 AIO 實踐 的流程優化時，工程師的核心價值早已發生轉變。

• 從「程式碼打字員」轉型為「意圖架構師」：計畫是北極星，但不確定性才是常態。在我導入 Fleet-as-Code 之後，最直觀的改變是——我開始把時間花在「如何描述問題」而非「如何寫程式碼」。工程師應將精力放在「統籌、分派、整合」上，學會像 Fleet Leader 一樣拉動「韁繩」引導 AI 探索與溝通，而非微觀管理每一行程式碼。
• 利用內向者優勢進行深度反思：書中指出內向者擅長通過深度觀察與筆記發掘機會。工程師應養成審視 AI 執行軌跡、分析 Bug 日誌的習慣，從微小的數據異常中發掘架構重構的隱形資產，指引 多元職涯 的發展方向。

📊 機緣力自我評測表

為了幫助讀者量化評估個人的機緣力水平，以下整理自《機緣力：創造好運的技巧與科學》的 38 題自我評測。讀者可針對各題項進行評分（從 1 分「非常不同意」到 5 分「非常同意」）：

評分說明：將 38 題得分加總，若總分在 150 分以上，代表你具備極高的機緣力心態，極擅長在不確定性中創造機會；若在 110-149 分之間，屬於中等水平，建議從「打破功能固著」與「增加連結界面」著手優化；若低於 110 分，建議閱讀原著並有意識地調整行動策略。

❓ 常見問題 FAQ

Q1：機緣力與一般所說的運氣有何不同？

一般所說的運氣通常指無法預測且不受個人控制的「盲目運氣」；而機緣力則是指一種能被系統化培養的「聰明運氣」。它需要個人具備開放的思維，在隨機事件發生時主動建立連結，並通過付諸行動將意外轉化為實際價值。

Q2：單一 Agent 常常「失憶」或 Review 敷衍，該如何透過架構解決？

這主要是因為單一 Agent 隨著對話拉長導致上下文（Context）過載，且缺乏外部對等角色的制衡。解決方案是採用多 Agent 協作（Multi-Agent Fleet）架構，將任務拆分給不同職責的 Agent 獨立運行，並在獨立的 Git Worktree 中隔離，跨 Fleet 之間只進行高層次的介面溝通，以維持上下文的乾淨。

Q3：內向的工程師該如何增加個人的「連結界面」？

內向者不需要強迫自己進行高頻率的社交。可以透過「深度觀察與文字沉澱」來擴大連結。例如在 GitHub 上分享開源項目的重構筆記，撰寫技術日誌（例如「前端三分鐘」），或在團隊中分析異常日誌以優化系統。這些高價值的內容產出，同樣能成為吸引聰明運氣的強大界面。

• ← 上一篇
• 下一篇 →