重點整理
- Loop engineering 是設計可重複執行的 AI 自動化流程。
- Squads 讓多個 AI 像真實團隊一樣分工合作完成任務。
- Harness 是控制 AI 行為的管理系統，確保輸出符合規範。
- 選擇封閉或開源模型，需根據企業的資安與客製化需求決定。
當您在看 AI 新聞，或是聽公司工程師報告 AI 專案時，是否常聽到一堆像 Loop、Squad、Harness 這樣的新名詞？這些詞彙其實代表了目前 AI 應用的核心趨勢。對於想導入 AI 工具的中小企業主與行銷人員來說，不需要學會寫程式，但了解這些概念，能幫助您更好地評估 AI 專案、控制預算成本，並確保企業資安。
從單次對話到自動工作流：Loop 與 Squad
過去我們用 AI，通常是「單次對話」，問一個問題得到一個答案。但現在工程師在談的是 Loop engineering（設計可重複執行的 AI 流程）。這就像是幫 AI 設定一個自動排程，讓它定期去抓取資料、處理並產出結果，而不是每天手動去問它。
其中有一種做法叫 Ralph loops，就是讓 AI 一直死磕到底，直到任務完成為止。這雖然能處理大任務，但每次嘗試都會消耗更多運算成本。因此，好的 Loop 設計會加入檢查點，避免 AI 盲目嘗試。
如果任務太複雜，一個 AI 做不完怎麼辦？這時就會用到 Squads（AI 小隊）與 Fleets（AI 艦隊）。Squad 是一群扮演不同角色的 AI，例如一個負責規劃、一個負責執行、一個負責測試，就像真實的企業團隊一樣分工。而 Fleet 則是指多個 AI 同時平行處理不同任務，大幅提升效率。
給 AI 套上韁繩：Harness 與持續優化
AI 模型就像一匹能力很強但可能脫軌的馬，我們需要 Harness（管理系統）來控制它。Harness 包含了賦予 AI 的工具、權限、記憶與上下文，引導它安全地完成任務。例如，限制 AI 只能讀取特定資料夾，或只能使用特定的軟體工具，這就是 Harness 的應用。
當系統建立好後，還需要 Hill climbing（持續優化）的過程。這是指透過實際測試與回饋，不斷微調 AI 的表現。例如，如果 AI 幫忙檢查文件，我們就測試它找錯的能力，並調整 Harness 的設定，讓它越用越精準。
挑選 AI 工具的學問：封閉與開源模型
在選擇 AI 工具時，您會聽到模型分為三種開放程度，這直接關係到企業的資安與客製化：
- Closed models（封閉模型）：只能透過官方 API 或網頁使用，企業看不到背後的訓練資料。優點是方便，缺點是資料需傳給第三方。
- Open weights（開源權重模型）：企業可以下載模型權重（決定 AI 如何判斷的參數）在自己的伺服器運行，但訓練資料不一定公開。適合需要在地化部署的企業。
- Open source models（開源模型）：模型、程式碼、資料與訓練過程全部公開。企業可以完全掌控、修改並進行資安審查。
模型越開放，企業能客製化與審查的程度就越高，但相對也需要更多的技術資源來維護。
崴米的建議
面對日新月異的 AI 技術，企業主不需要追逐每一個流行名詞，而是要掌握背後的實務邏輯。以下是三個可以馬上應用的建議：
- 專注於工作流的可靠性：在評估 AI 專案時，別只看 AI 有多聰明，更要確認工程師是否有設計良好的 Loop（自動流程）與檢查機制，確保產出穩定且成本可控。
- 為 AI 建立安全的 Harness：在導入 AI 工具時，務必與技術團隊確認權限控管。確保 AI 只能存取必要的資料，避免機密外洩，讓 AI 在安全的框架內發揮價值。
- 依據資安需求選擇模型：如果您的企業處理高度機敏資料，建議評估 Open weights 或 Open source models，將 AI 部署在內部伺服器；若是一般行銷文案，使用 Closed models 則能快速見效。
參考來源：Decoding the new AI lingo: Loops, harnesses, squads, hill climbing… oh my!
