OpenAI 駕馭工程實驗：AI Agent 五個月零手寫，從零打造百萬行程式碼軟體

本文是 YouTube 影片「OpenAI 實驗震撼：五個月零手寫，AI Agent 從零寫出百萬行程式碼！駕馭工程時代來了」的延伸閱讀版。
影片講了核心觀念，本文加上獨家分析和實務操作建議。
影片版本：https://www.youtube.com/watch?v=yvJYy-Pzz7o

---

影片重點回顧

OpenAI 發表了「Harness Engineering（駕馭工程）」研究，他們從 2025 年 8 月開始，讓 AI Agent 從一個空的程式碼倉庫，五個月寫出超過一百萬行程式碼，打造出一個完整的軟體產品。整個過程中，沒有任何一個人類工程師手寫過任何一行程式碼——包含產品程式、測試、CI/CD、內部文件，全部由 Agent 完成。

---

【獨家】駕馭工程的三大核心教訓與台灣企業的實務對照

Photo by RPA studio on Pexels

1. 指令架構：先給地圖，不給百科全書

OpenAI 在實驗初期踩了一個很典型的坑：他們把所有規則都塞進一個巨大的 agents.md 檔案裡，結果 Agent 讀不完就隨便抓重點，很多規則被忽略。

後來他們把 agents.md 縮減到只有一兩百行，變成一個「目錄」。Agent 需要深入了解某個主題時，再自己去讀對應的詳細文件。

台灣企業實務對照：

我服務過超過 400 家企業，從台積電、國泰金控到傳統製造業，最常看到的問題就是「一次塞太多」。不管是 Prompt 還是 SOP 文件，大家習慣把所有東西寫在一起。

正確的做法：
– 主文件只放架構和目錄，不超過 200 行
– 細節放在子文件，讓 AI 按需求自己去讀
– 每個子文件聚焦單一主題，不要混合

這個原則不只適用於 AI Agent 開發，也適用於你每天在用的 ChatGPT 或 Claude。你的 Prompt 越簡潔清楚，AI 的回應品質就越高。

2. 瓶頸翻轉：從「確認再放行」到「先做再修正」

實驗中期最震撼的發現：最大的瓶頸不是 AI，是人類。

人類工程師花在審核程式碼和 QA 測試的時間，反而拖慢了 Agent 的開發進度。於是他們把大部分程式碼審核也交給另一個 Agent，因為「修正錯誤的成本很低，但等待的成本很高」。

這對企業流程意味著什麼？

傳統企業的審核流程通常是：做完 → 主管審核 → 修改 → 再審核 → 通過。一個簡單的文件可能要來回三四次。

但如果你導入 AI 輔助，實作速度會快十倍以上。這時候「等待審核」就變成最大的浪費。

建議的新流程：
1. AI 快速產出初稿（幾分鐘）
2. 另一個 AI 做初步審核（品質檢查、格式確認）
3. 人類只做最終決策（方向判斷、品牌調性）

這樣既保留了人類的判斷力，又不讓人類的速度成為瓶頸。

3. 端到端自動化：Agent 已經能完成工程師的完整工作流程

到實驗後期，Agent 已經可以自己看到 Bug、研究解法、寫修正程式碼、開 PR、回覆 Code Review 評論，甚至自己把 PR 合併。

這代表什麼？工程師過去十年的標準工作流程——接到 Bug、分析需求、規劃方案、實作、Code Review、Merge——全部可以被 Agent 端到端完成。

但這不代表工程師失業。 這代表工程師的角色從「執行者」變成「架構師」。你不再需要自己寫每一行程式碼，但你需要：
– 定義系統架構
– 設定 Agent 的邊界和規則
– 確保 AI 產出符合品質標準
– 做架構層級的關鍵決策

---

【獨家】如何在你的工作中應用「駕馭工程」思維

Photo by Pascal 📷 on Pexels

不管你是不是工程師，「駕馭工程」的核心思維都可以應用在日常工作中。

Step 1：盤點你的工作流程

列出你每天做的事情，標記哪些是「執行性工作」（重複、有規則、可以標準化），哪些是「決策性工作」（需要判斷、創意、人際互動）。

Step 2：把執行性工作交給 AI

• 寫報告 → ChatGPT / Claude 初稿 + 你審核
• 數據分析 → AI 跑分析 + 你做決策
• Email 回覆 → AI 草稿 + 你確認語氣
• 會議紀錄 → AI 轉錄 + 你補充重點

Step 3：建立你的「agents.md」

寫一份你的工作規則文件，告訴 AI 你的偏好、標準、常用格式。這份文件就是你的「駕馭」工具，讓 AI 在你設定的範圍內高效運作。

Step 4：持續迭代

跟 OpenAI 的實驗一樣，你的規則會不斷修正。遇到 AI 做不好的事情，不是重試一次，而是去想「我的指令缺少什麼？」然後更新你的規則文件。

---

阿峰觀點

Photo by Tara Winstead on Pexels

我常說：「你是機長，AI 是機組人員。」

機長不需要自己推餐車、自己檢查引擎。但機長要知道飛機的整體狀態，要做關鍵決策。

很多人擔心「認知外包」——過度使用 AI 會讓思考能力下降。但我實際深度使用這些工具之後，發現我的認知反而是上升的。AI 看到我以前沒看到的東西，提出我沒想過的設計方式。透過深度協作，我花更多時間在思考架構和策略。

會思考的人，有了 AI 之後會思考得更好。不思考的人，有沒有 AI 都一樣不思考。

2026 年的現在，手寫程式碼還是主流。但五年後回頭看，手寫程式碼可能就像現在看手抄報告一樣，是一門古老的技藝。

---

本文提到的資源

工具	連結	說明
OpenAI	https://openai.com	Harness Engineering 研究發表方
Claude AI	https://claude.ai	Anthropic 的 AI 助手
ChatGPT	https://chatgpt.com	OpenAI 的 AI 助手

---

📌 企業 AI 培訓 — 阿峰老師服務過台積電、國泰金控、中華電信等超過 400 家企業
→ https://www.autolab.cloud

---

關於作者

黃敬峰（AI峰哥），企業 AI 實戰培訓專家，400+ 企業合作、10,000+ 學員。
核心心法：「會用、懂用、好用、每天用」
官網：https://www.autolab.cloud

---

---