一段提示詞定義完成標準，防止 AI Agent 做過頭

隨著代理式 AI 的能力持續擴充，一個實務痛點浮上檯面：如何避免 AI Agent 在處理檔案時「做過頭」。目前業界找到的一個簡單有效的作法，是在指令中加入一段明確定義完成標準的提示詞，藉此界定任務的邊界。

「做過頭」的具體樣態相當多元。使用者請代理修正一個函式的錯誤，它順手重構了整個模組；請它整理某個資料夾，它刪除了看似無用但實際仍需保留的檔案；請它更新一份文件的某一節，它把整份文件重寫了一遍。這些行為在代理的邏輯中往往是「有幫助的」——它識別出其他可改進之處並主動處理，但對使用者而言，非預期的變更等同於必須逐一檢視與回退的額外工作。

問題的根源在於目標的欠指定（underspecification）。人類之間的協作依賴大量未言明的共識——當同事說「幫我修一下這個 bug」，雙方都清楚這不包含重寫架構。這些共識來自共同的工作脈絡與對彼此意圖的推斷。代理缺乏這層背景，只能依據字面指令與訓練中習得的「什麼是好的協助」來推斷，而後者往往偏向積極主動。

明確定義完成標準之所以有效，是因為它把隱含的邊界轉為顯性的條件。與其描述「要做什麼」，不如同時描述「什麼狀態算完成」以及「不要動什麼」。例如：只修改指定檔案、不新增依賴、不調整既有的介面、通過現有測試即視為完成。這些條件把代理的行動空間從開放式收斂為有界，也讓完成與否有了可驗證的判準。

這個作法也呼應了近期的相關研究。Anthropic 公布的多代理實驗顯示，當多個代理在共用環境中工作，缺乏明確的任務邊界會導致程式碼衝突與資源爭用；而清楚的邊界劃分正是協調機制的基礎。單一代理的「做過頭」與多代理的「互相干擾」，本質上是同一個問題在不同規模下的表現。

從工程實務的角度，這也提示了提示詞設計的重心轉移。早期的提示工程聚焦於如何讓模型產出更好的內容；而在代理情境中，重心轉向如何精確界定行動範圍——因為代理的輸出不再只是文字，而是對真實系統的修改，錯誤的成本高得多。

後續觀察重點包括：代理工具是否會把邊界定義納入預設的介面設計、變更審查與回退機制的成熟度，以及在多代理環境中邊界協調的標準作法。