Loop 能省下哪些重複勞動

骨架學會了，就可以把「晨間維護」這套東西搬到別的工作上。別急著擴大範圍，先問一句：產出能不能被命令、清單或另一個 agent 驗收？

程式碼與工程類

每天抓 CI 失敗、給 issue 分診、修一類反覆出現的 bug、跑依賴升級、做框架遷移、逐個 review PR。

常見變體：

「跑到測試通過為止」模式：設定好驗收條件（所有測試綠燈），讓循環自己判斷何時停。

框架遷移（清空佇列模式）：找下一個還在使用舊 API 的檔案 → 遷到新寫法 → 跑測試 → 停止條件是「沒有檔案再匹配舊寫法」。這個模式特別適合：舊寫法有明確的字串特徵、新寫法有標準格式、可以用測試驗收。

內容流水線類

批量清洗文案、把粗想法變成 hook、把一篇長內容拆成多平台版本、按缺口批量生成文章。

關鍵：把「完成態」寫成數得出來的檢查。不能說「寫得好」，要說「有標題、有三個重點、字數在 150-300 字之間、沒有英文冗詞」。

例子：

• 輸入：100 筆產品描述（電商後台匯出）
• 驗收條件：每筆都有「賣點句」「場景句」「行動呼籲」三個段落
• 停止條件：全部處理完，或連續 5 筆驗收失敗

資訊監控與研究類

盯日誌、盯服務健康、盯競品定價頁、盯 API changelog、盯一個領域的新聞、做一輪競品調研。

這類任務適合排程循環（Routine），設定頻率，定時抓資訊、比較差異、只在有變化時通知你。

例子：

• 每天早上查三個競品的定價頁，如果有變動就發 Slack 通知
• 每週抓一次指定 API 的 changelog，摘要新增了什麼

文件生成類

核心是兩個組合技：清空佇列 + 反思，以及多 agent 檢查。

• 清空佇列：找還沒有文件的函式 → 生成 → 檢查格式 → 繼續下一個
• 多 agent 檢查：一個 agent 寫文件，另一個 agent 扮演「挑剔的讀者」來審核

個人事務與辦公

清理爆滿的收件匣、每月那份你一想到就頭疼的報告、客服工單清理。

這類任務的共同特徵：

• 你知道「完成」長什麼樣（工單標記為已解決、報告格式固定）
• 步驟重複、枯燥，但需要判斷
• 出錯成本不高，允許人工複查

一個值得記住的警示

Gartner 預測，到 2027 年底，超過 40% 的 agentic AI 專案會被砍掉。原因三個：成本失控、價值不清、風控不足。

在你想「這個可以交給循環」的時候，先問三個問題：

1. 這個任務跑一次要花多少 token？跑一個月是多少錢？
2. 如果循環跑錯了，影響有多大？
3. 你有沒有辦法快速發現循環跑錯？

這三個問題有清楚的答案，才適合交給循環。

AI 協作：學了這個，跟 AI 怎麼配合？

知道哪些任務適合做成循環，是你的決策，不是 AI 的決策。AI 可以幫你跑，但你要先選對任務。

你的人類優勢：

• 判斷「這件事值不值得自動化」——投入設計循環的時間 vs 長期省下的重複勞動
• 定義什麼叫「驗收通過」——這需要業務知識，AI 沒有

可以這樣跟 AI 說：

我每週都要手動做這件事：從電商後台匯出上週訂單退貨清單，看每筆退貨原因，分成「尺寸問題」「品質問題」「描述不符」「其他」四類，然後把統計數字貼進週報表格。這個流程可以做成 loop 嗎？幫我想想觸發條件、驗收條件、可能的停止條件是什麼。