TL;DR： 只靠 Prompt 是在做手工藝，不是蓋系統。這篇文章拆解 Prompt → Skill → Workflow → Agent → System 五個層級，用「寫技術文章」的完整案例，說明每個層級解決什麼問題、為什麼上一層不夠用。
前言：別在 Prompt 的死胡同裡打轉
現在只要打開社群媒體，滿地都是「最強 Prompt 指令集」或「這 10 個指令讓 AI 變神級工具」。
剛接觸 AI 的時候，我也沉迷過這種「咒語」的力量。但實戰幾次後你會發現，如果你還在糾結如何微調 Prompt 的那幾個形容詞，那你其實還是在做「手工藝」。這種方式產出的結果不穩定、無法規模化，更重要的是，它非常耗神。
如果你有留意近一兩年的技術演進，你會發現真正的高手已經不再討論怎麼寫咒語了。大家在聊的是 Workflow（工作流）、Agent（代理人） 以及 System（系統）。
這篇文章我想從一個資深開發者與 PM 的視角，拿一個最簡單的任務——**「寫一篇高品質的技術文章」**做案例，帶你看這幾個層級的思維斷層在哪裡。
1. Prompt 層：一次性的「介面」溝通，也是體力活
這是最基礎的使用方式，你打開 ChatGPT，輸入一段話：
「請幫我寫一篇關於 AI Workflow 的技術文章，包含架構說明與範例。」
這就是 Prompt 層。雖然它很強大，但本質上它只是在「調用模型」。它的限制顯而易見：
- 抽盲盒效應： 成果好壞全看運氣。今天給你 80 分，明天可能只剩 60 分。
- 孤島式作業： AI 沒辦法讀取你電腦裡的其他資料，也不懂你的審美標準，它只活在那一次的對話框裡。
- 認知負荷高： 每次遇到新文章，你都要重新把需求、背景、限制條件再描述一遍。
老實說，Prompt 只是個「對話介面」，而非一個「系統」。 它適合處理小型、零碎、一次性的任務（像是修一個小 Bug 或翻譯短句）。但如果你想靠它穩定產出專業內容，那只是在用 AI 換另一種形式的「體力活」罷了。
2. Skill 層：把「手感」封裝成「能力模組」
當你對 AI 寫作有了點心得，你會發現有些要求是重疊的。這時候，你會開始定義一套固定的「寫作標準」。這在開發者眼中，就是所謂的封裝（Encapsulation）。
例如，你會建立一個「技術寫手」的能力：
- 預設框架： 必須包含摘要、關鍵技術細節、範例程式碼與結論。
- 統一風格： 語氣要像資深工程師在分享，不准用太過浮誇的形容詞。
- 工具聯動： 在動筆前，AI 必須先去搜尋網路上的最新趨勢，並讀取你指定的筆記文件。
當你把這些「咒語」固定下來，並賦予它特定的工具存取權，你就建立了一個 Skill（技能）。在這一層，你的角色從「打字員」變成了「教練」。你不再是給一段話，而是定義一套「標準」。
3. Workflow 層：串接能力的「自動化流水線」
但問題來了，寫出一篇能拿得出手的技術文章，真的只靠一個「寫手技能」就能搞定嗎？
答案是不行。一篇好文章需要：
- Research： 廣泛挖掘資料，過濾雜訊。
- Structuring： 設計邏輯嚴密的架構，而不是想到哪寫到哪。
- Drafting： 基於研究資料與架構進行撰寫。
- Editing： 檢查文法、修辭、是否有技術錯誤。
- Polishing： 生成吸引人的配圖與 SEO 優化。
這是一條生產流水線（Pipeline）。在 Workflow 層級，你會設計一個流程，讓不同的 Skill 在對的時間點出場：
搜尋資料 → 摘要整理 → 產出大綱 → 分段撰寫 → 交叉校對 → 格式化
這就是我們在軟體開發中常說的任務調度（Orchestration）。當你開始思考 Workflow，你才算真正踏入 AI 自動化的門檻。
4. Agent 層：把「決策權」交給 AI 的代理人模式
Workflow 與 Agent 最大的斷層在於：誰來決定下一步該做什麼？
在 Workflow 中，步驟是人定死的（如果步驟 A 失敗就停下）。但在 Agent（代理人） 模式下，你給的是「目標（Goal）」而非「步驟（Step）」：
「目標：針對 AI Agent 這個主題，產出三篇深度評測，並確認內容與目前市場競爭者不重複。」
這時候，Agent 就會開始它的 Loop（循環）：它會先搜尋，發現資料不足後「自主決定」再去多找幾個來源；它寫完大綱後會自我審核，覺得不夠好就「退回重寫」。
這已經不是你在操作 AI，而是 AI 在操作工具與流程。它具備了一定的自省（Reflection）與決策（Reasoning）能力。
5. System 層：建立一個會自我成長的「數位大腦」
這是目前的終極階段。當你有許多個 Agent 在協作，且背後有統一的知識庫（RAG）、一致的標準與自動化基礎設施時，你就建立了一個 System。
在這個層級，你不再是為了寫一篇文章而努力。你是設計了一個「能自動跟進技術趨勢、自動產出內容、甚至能根據讀者反饋自我優化」的內容工廠。
| 層級 | 核心意義 | 你的真實角色 |
|---|---|---|
| Prompt | 單點互動 | 數位工具的使用者 |
| Skill | 能力模組化 | 規範標準的教練 |
| Workflow | 流程自動化 | 工廠流水線的設計師 |
| Agent | 目標導向決策 | 指揮若定的系統架構師 |
| System | 完整生態運行 | 數位資產的營運者 |
結語：停止競爭指令，開始設計系統
未來的差距，不會在於誰記住了更多的 Prompt 語法。隨著模型越來越聰明，對於指令的精確度要求反而會下降。
真正的差距在於：誰能把瑣碎的經驗「封裝」成技能，把混亂的流程「優化」成工作流，最後把這些組合成一個能自動運行的系統。
當 AI 從「聊天的工具」進化成「工作的系統」，我們作為人的價值，就不再是去補足 AI 指令的不足，而是去定義問題、設定目標，並設計出那一套幫我們達成目標的精妙系統。