讓 AI 互相把關：多角色分工

大功能拆成規劃、實作、格式檢查、驗收四個獨立 AI 角色；派工從人工指派演進到自動編排，流程綁角色、不綁模型。

定義：較大的功能不是「一個 AI 從頭做到尾」，而是拆成規劃者→實作者→格式檢查者→驗收者四個獨立角色，讓 AI 的產出被另一個 AI 獨立檢查。

角色分工

規劃者：把需求展開成規格。
實作者：照規格寫。
格式檢查者：檢查產出格式與規範。
驗收者：獨立測試，逐條比對規格裡的成功標準。

關鍵設計

驗收者跟實作者是不同的 AI session（各自獨立的對話，互相看不到對方的思路）——實作者自己說做完了不算數。實際發生過：驗收者抓到實作者的三個錯誤退回重修，那些錯誤如果上線才發現會麻煩得多。

配套與教訓

實作者在隔離的工作區（worktree，可想成正式檔案的影印本）做事，做壞了不污染正式程式碼。付過學費的教訓：清掉隔離工作區之前，必須先確認成果已經存檔，不然整段工作直接蒸發。

派工方式的三個階段

角色分工存在之後，「誰來決定何時喚起哪個角色」也在演進，實際走過三個階段：

人工指派：早期由人自己判斷「現在該規劃了」「該測試了」，手動開不同的 AI 對話、分別交代任務——分工存在，但調度全靠人腦記。
流程內建：把角色與流程寫成文件（規劃者→實作者→格式檢查→驗收者的順序、各角色職責與退回機制），主 AI 讀了文件就知道走到哪一步該喚起誰，人只在決策點拍板。
自動編排（現在的模型已做得到）：主 AI 自己判斷任務性質——需求夠模糊就先派規劃者、要蒐集資料就同時派多個調查員平行去讀、要驗證就派獨立驗收者，不需要人提醒。實際體驗：請 AI 回顧半年六個專案，它自己一次派了六個調查 agent（可想成 AI 的分身，各自獨立作業）同時去讀六個專案的文件與歷史再彙整成文章，全程沒有下過「你去開六個分身」這種指令。

模型等級與任務的自動匹配

模型有大小之分：小模型快又便宜，但只適合機械性工作（格式檢查、簡單彙整）；大模型慢一點、貴一點，但能做複雜判斷（架構決策、驗收比對）。演進到現在，調度者會依任務難度自動選用等級——同一條流程裡，翻譯格式用小的、審程式邏輯用大的。對出錢的人來說意義是：不用為每件小事都付大模型的錢，也不用擔心大事被小模型敷衍。

流程綁角色、不綁模型，換代不用改流程

專案的版本紀錄裡看得到證據：同一套「實作者＋驗收者」流程，簽名的模型幾個月內換了三代，流程文件一個字沒改、照樣運作——因為文件定義的是「角色該做什麼、怎麼交接」，不是「哪個模型做」。啟示：投資在流程文件、角色定義、觸發規則上的心力是資產，模型升級它們自動變得更強；反過來，綁死特定模型寫的流程，換代就要重寫。

自動派工需要「記憶」配合

派工全自動的另一個條件是 AI 記得慣例：例如把「新功能一律先給規劃者展開規格」存進長期記憶後，之後每次提模糊需求，AI 都自動先走規劃，不用重新交代。慣例累積得越多，人要下的指令越短——最後變成只說「我想要一個某某功能」，剩下的分工自動發生。

對決策者的意義

AI 的產出品質不是靠「相信它」，是靠流程設計讓它被獨立檢查。跟 AI 說「用不同 session 驗收」就是在買這層保險。

怎麼確認自動派工有在運作，四個驗收點：①提一個模糊需求，觀察 AI 是否自動先展開規格而不是直接動工；②大任務是否被拆解且平行處理（看得到多個 agent 同時在跑）；③實作與驗收是否由不同 session 執行（實作者自己說做完不算數）；④無人值守的排程任務（例如每天自動跑的資料管線）是否照規則處理例外——判斷不了的留給人，而不是瞎猜。