執行框架 是什麼
執行框架 不是更長的 提示詞，而是包在模型外面的工作系統：它提供工具、記憶、限制、回饋與檢查，讓 代理 能穩定完成任務。
執行框架Agent 系統工作流程
1
課程大綱
為什麼不是只做 Prompt Engineering
提示詞 只能告訴模型要做什麼；執行框架 會把任務拆解、工具使用、狀態觀測與錯誤修正放進流程。
提示詞背景 上下文回饋迴圈
執行框架 的核心組件
一個實用 執行框架 通常包含 規劃器、工具、記憶、評估器、品質關卡 與 迭代循環。
規劃者工具評估者
OpenAI 的重點：讓 Codex 看得懂系統
OpenAI 的 執行框架工程 文章強調 代理可理解性：把文件、工具、紀錄、指標、測試與架構規則放到 Codex 可讀的位置。
CodexAgent 可讀性權威紀錄系統
Anthropic 的重點：產生器 與 評估器 分工
Anthropic 的案例說明，讓同一個 代理 自己判斷自己常會太寬鬆；把生成與評分分開，回饋會更有效。
產生器評估者品質
AutoHarness 的啟發：小模型也能靠系統變強
AutoHarness 論文指出，小模型可透過迭代回饋自動合成 程式碼 執行框架，避免非法動作，甚至在某些任務超過更大的模型。
AutoHarness程式執行框架政策
實務上可以怎麼導入
先從高頻流程做 執行框架，不要一開始做大平台；教材產線、PR 審核、問題分流 都適合先做。
學習流程Agent 工作流程原型
2
執行框架 工作系統閉環
執行框架 是什麼執行框架 不是更長的 提示詞，而是包在模型外面的工作系統：它提供工具、記憶、限制、回饋與檢查，讓 代理 能穩定完成任務。
為什麼不是只做 Prompt Engineering提示詞 只能告訴模型要做什麼；執行框架 會把任務拆解、工具使用、狀態觀測與錯誤修正放進流程。
執行框架 的核心組件一個實用 執行框架 通常包含 規劃器、工具、記憶、評估器、品質關卡 與 迭代循環。
OpenAI 的重點：讓 Codex 看得懂系統OpenAI 的 執行框架工程 文章強調 代理可理解性：把文件、工具、紀錄、指標、測試與架構規則放到 Codex 可讀的位置。
Anthropic 的重點：產生器 與 評估器 分工Anthropic 的案例說明，讓同一個 代理 自己判斷自己常會太寬鬆；把生成與評分分開，回饋會更有效。
閱讀方式：先看 執行框架 如何把任務環境化，再看 規劃器、工具、評估器 與 品質關卡 如何形成可迭代流程。
3
核心概念與名詞解釋
執行框架 是什麼
執行框架 不是更長的 提示詞，而是包在模型外面的工作系統：它提供工具、記憶、限制、回饋與檢查，讓 代理 能穩定完成任務。
- 提示詞 解決「怎麼問」；上下文 解決「給什麼資料」；執行框架 解決「代理 在什麼環境裡做事」。
- OpenAI 的案例把重點放在環境、規則、工具與回饋迴圈，而不是只靠模型自己變聰明。
- 對工程團隊來說，執行框架 就是把工作流程系統化，讓 代理 有路徑、有工具、有界線。
教學提示：可以把 執行框架 想成工程師旁邊的一整套工作台：文件、工具、測試、紀錄、審核 規則都準備好，代理 才能做穩。
為什麼不是只做 Prompt Engineering
提示詞 只能告訴模型要做什麼；執行框架 會把任務拆解、工具使用、狀態觀測與錯誤修正放進流程。
- OpenAI 提到，人類工程師的角色變成設計環境、指定意圖、建立 回饋循環，讓 Codex agents 能可靠工作。
- Anthropic 的 執行框架設計 也強調 產生器 與 評估器 分工，讓一個 代理 做事，另一個 代理 更嚴格地評分與回饋。
- 這代表 AI 工程的重點從「寫好一句話」升級成「設計一個會自我修正的工作系統」。
教學提示：同一句需求，如果沒有工具與檢查，代理 可能只產出漂亮草稿；有 執行框架，代理 會跑測試、看錯誤、改到通過。
執行框架 的核心組件
一個實用 執行框架 通常包含 規劃器、工具、記憶、評估器、品質關卡 與 迭代循環。
- 規劃器：先拆任務與定義完成條件，避免 代理 一開始就亂做。
- 工具：讓 代理 能讀檔、跑測試、查 紀錄、操作瀏覽器或呼叫 API。
- 評估器：用標準檢查結果，並把具體問題回饋給 產生器。
教學提示：做 Michael AI Agent Lab 教材時，規劃器 定義章節，工具 抓來源與官方資料，評估器 檢查繁體、手機版、個人品牌標記 與內容是否重複。
OpenAI 的重點：讓 Codex 看得懂系統
OpenAI 的 執行框架工程 文章強調 代理可理解性：把文件、工具、紀錄、指標、測試與架構規則放到 Codex 可讀的位置。
- OpenAI 提到 儲存庫知識 要成為 權威紀錄來源，AGENTS.md 更像目錄，不是一本塞滿規則的大百科。
- 把 紀錄、指標、瀏覽器狀態、測試結果暴露給 Codex，能讓 Codex 自己觀察、修正、再驗證。
- 人類的 美感判斷、審核意見 與 錯誤回饋 應持續回寫成文件、工具或檢查規則。
教學提示：對實務團隊 來說，不是每次口頭提醒 代理，而是把教材規則、產品資料、版型要求與檢查腳本放在 Codex 找得到的位置。
Anthropic 的重點：產生器 與 評估器 分工
Anthropic 的案例說明，讓同一個 代理 自己判斷自己常會太寬鬆；把生成與評分分開，回饋會更有效。
- 評估器 要有明確評分標準，例如設計品質、功能、可用性、程式碼品質。
- 評估器 可以實際操作頁面、看結果、寫出具體 具體評語，再讓 產生器 迭代。
- 這個模式適合用在 HTML 教材、前端 介面、測試修正、客戶文件等需要品質判斷的任務。
教學提示：內容輸出 代理 產 HTML 後，不應只看是否有檔案；還要有 評估器 檢查手機可讀、內容不重複、沒有禁用字。
AutoHarness 的啟發：小模型也能靠系統變強
AutoHarness 論文指出，小模型可透過迭代回饋自動合成 程式碼 執行框架，避免非法動作，甚至在某些任務超過更大的模型。
- 論文摘要提到，Gemini-2.5-Flash 的許多失敗來自非法動作；執行框架 能把外部規則變成可執行防護。
- 重點不是模型本身最大，而是能否把環境規則、限制與修正流程寫成 程式碼 或 政策。
- 這對本地 代理 很重要：本地模型不一定最強，但如果 執行框架 設計好，仍可在特定任務上穩定輸出。
教學提示：內容輸出 代理 不必靠最強模型硬猜，只要有來源取得、官方資料查詢、個人教學頁 renderer、品質閘門與回饋機制，就能穩定產教材。
實務上可以怎麼導入
先從高頻流程做 執行框架，不要一開始做大平台；教材產線、PR 審核、問題分流 都適合先做。
- 教材 執行框架：來源理解、官方資料補充、個人教學 HTML、手機預覽、寄信確認。
- 工程 執行框架：讀 AGENTS.md、跑測試、查 紀錄、輸出風險與修正建議。
- 客戶問題 執行框架：分類 問題、補上下文、比對既有案例、產出可追蹤 行動項目。
教學提示：第一版先把內容輸出 代理 做成完整 執行框架：產出後由你確認，確認過的修正再回寫成下一版規則。
4
系統閉環重點
環境比提示更重要
提示詞 只能描述需求；執行框架 會把工具、規則、文件、紀錄、測試與回饋變成 代理 能持續使用的環境。
內容重點研究依據產生器 與 評估器 分工
一個 代理 負責產出，另一個 代理 依標準檢查結果並給具體 具體評語，比自我評分更容易收斂品質。
內容重點研究依據把規則寫成可執行防護
AutoHarness 的啟發是：限制與規則不要只寫在說明裡，能變成 程式碼、政策 或 品質關卡 就更穩。
內容重點研究依據5
實務導入方式
教材 執行框架
落地：來源理解、官方資料補充、個人教學 HTML、手機預覽、禁用字檢查、確認與寄信流程形成閉環。
工程 執行框架
落地：讀 AGENTS.md、跑測試、查 紀錄、開瀏覽器驗證、輸出風險與修正建議，讓 Codex 能自己觀察與修正。
客戶問題 執行框架
落地：把 問題分流、相似案例、產品資料、負責人、行動項目 與回覆草稿串成可重複流程。
6
一頁式重點
本課重點整理
- 執行框架 是什麼：執行框架 不是更長的 提示詞，而是包在模型外面的工作系統：它提供工具、記憶、限制、回饋與檢查，讓 代理 能穩定完成任務。
- 為什麼不是只做 Prompt Engineering：提示詞 只能告訴模型要做什麼；執行框架 會把任務拆解、工具使用、狀態觀測與錯誤修正放進流程。
- 執行框架 的核心組件：一個實用 執行框架 通常包含 規劃器、工具、記憶、評估器、品質關卡 與 迭代循環。
- OpenAI 的重點：讓 Codex 看得懂系統：OpenAI 的 執行框架工程 文章強調 代理可理解性：把文件、工具、紀錄、指標、測試與架構規則放到 Codex 可讀的位置。
- Anthropic 的重點：產生器 與 評估器 分工：Anthropic 的案例說明，讓同一個 代理 自己判斷自己常會太寬鬆；把生成與評分分開，回饋會更有效。
- AutoHarness 的啟發：小模型也能靠系統變強：AutoHarness 論文指出，小模型可透過迭代回饋自動合成 程式碼 執行框架，避免非法動作，甚至在某些任務超過更大的模型。
注意：專有名詞、數字與版本資訊應以官方文件或使用者補充資料為準。