Codeer.ai 使用指南

把需要反覆運用專業判斷的工作，交給一個你能檢查的 Agent

Codeer 適合用在「回答得流暢還不夠」的工作。真正懂這份工作的人，仍然需要決定什麼才算做好、哪些邊界不能跨過，以及什麼時候應該把工作交回真人。

Codeer 把這種 Agent 稱為 Expert-led AI Agent（專家主導的 AI Agent）：專家負責訂定品質標準，AI 則協助把專業判斷落實為可以建立、測試、上線並持續改善的 Agent。

你不需要先寫出完美的指示（prompt），也不需要一開始就維護一大組測試。先選一個真實且會反覆出現的情境，並說清楚三件事：

Agent 應該幫使用者完成什麼？
什麼結果才算可以接受？
哪些情況應該避免、先釐清，或交接真人？

接下來，Codeer 可以協助你做出第一版、實際試跑、把重要情境保存成可重跑案例，並判斷哪些範圍已經適合發布。

產品證據與團隊發布決策是兩件事

Codeer 會保存案例、評估結果、Agent 版本與對話，讓團隊持續檢查行為。產品目前不會把必須通過的案例集、具名核准人或停止條件，自動變成發布 gate。需要哪些證據、何時發布、縮小範圍或停止使用，仍由團隊決定並留下發布紀錄。

一個代表性例子

代表性流程，不是客戶成效

一位課程負責人反覆收到「哪一門課適合我？」有用的 Agent 應先詢問學習目標、目前程度與可投入時間，只推薦目前確實提供的課程、說明推薦依據；答案若取決於尚未確認的例外，則交由真人處理。

在 Live Test 中，Agent 還沒詢問可投入時間就推薦課程。負責人把這個情境保存成不能退步的案例：推薦前必須先確認時間。修改後的版本通過這個案例，以及幾個位於處理範圍邊界的相似情境後，團隊才讓一小群經核准的試用者開始使用。

團隊因此能檢查後續版本是否仍遵守同一項判斷。這個例子不代表已經證明節省時間、增加銷售或改善學習成果；這些結果必須由真實試行的證據支持。

開始前先看清楚投入

受控試行仍然需要有人定義可接受的工作、有人查看真實使用並處理例外，也需要有人具備管理存取權與發布的權限。同一個人可以兼任多個角色。

實際投入會隨風險、資料、工具與整合而改變。先從一項工作開始，記錄完成設定所需的時間、真人接手的情況、日常營運工時及發生的品質問題，再決定是否擴大使用。Codeer 不會移除專家的責任；它讓這些決定更容易檢查、重複使用與驗證。

從工作開始，不要先學產品架構

同一套方法可以支援不同類型的專業工作：

工作原型	例子	專家要決定什麼
回答與處理	客服、課程諮詢、訂單、收案	哪些事情可以直接回答或完成，以及何時必須由真人接手
引導與判斷	教學與引導、策略思考、內部指引、分診	該問哪些問題、判斷不能越過哪些邊界，以及什麼下一步真正有幫助
審查與交付	草稿回饋、備課、專業成果審查	什麼才算有品質、需要哪些證據，以及哪些地方必須修改

例子雖然不同，營運循環是一樣的：

從一個真實工作開始。
讓 AI 協助建立第一版。
用真實情境和處理範圍邊界的相似案例檢查 Agent。
把一定要守住的行為保存成可重跑案例。
只發布你準備好承擔的範圍。
從真實對話學習，並驗證下一次修改。

從這裡開始

🚀

從一個真實工作開始

建立第一版 Agent、檢查處理範圍，並做出受控的發布決定

✨

使用 Template

回答和工作有關的問題，並在建立 Agent 前檢查 AI 產生的 draft

💬

營運對話

處理真實對話、留下新案例，並決定下一版應該學會什麼

依你的角色開始

如果你負責的是⋯⋯	建議從這裡開始
定義什麼才正確、有用而且安全	從一個真實工作開始，再看已驗證情境
查看真實使用狀況並處理例外	對話，再看回覆對話
資料、頻道、權限與逐步開放設定	知識與整合、安全上線與團隊與權限

同一個人可以兼任多個角色。重點是讓品質決定、日常營運與技術設定保持可見，而不是全部藏在同一段指示裡。

依工作任務探索

🤖

建立 Agent

定義 Agent 應該如何釐清、判斷與回應，並遵守核准的處理範圍

🎯

教會並驗證

把專家判斷留下來，成為每次發布新版本前都能重跑的案例

📣

安全上線

發布受控範圍、決定誰能使用，並讓未驗證工作採用預先核准的替代處理方式

🛡️

營運與改進

觀察真實工作、必要時接手、保存新判斷，並驗證下一次修改

🔗

知識與整合

只加入這份工作需要的資料來源與動作，不先增加無關複雜度

👥

團隊與權限

為專家、營運人員、審查者與管理員劃分清楚責任