2026年10月10日 · 協作 · 技術文章

多個 AI 怎麼在同一個工作區協作

多個 AI 可以同時讀、分開寫；重疊的地方排隊，衝突時保留雙方。

AiTOM閱讀約 6 分鐘

重點摘要

很多人第一次讓兩個 AI 同時幫忙做事，都會遇到類似的狀況：一個剛改好的段落被另一個覆蓋了；昨天談好的方向，今天換一個工具就不記得了；最後大家都說「做完了」，卻沒人說得清楚到底完成了哪些。

這些問題不是因為 AI 不夠聰明，而是因為我們還在用「一個人跟一個助理聊天」的方式，安排一群助理一起工作。這篇文章想說明，我們怎麼把多個 AI 放進同一個工作區，讓它們可以同時開工，又不互相踩到；以及人在這個過程中，應該看什麼、不必看什麼。

一個 AI 代理，拆開來看只有三樣東西：一個模型、這一輪讀進來的情境，以及它能使用的工具。它讀檔案、想一想、呼叫工具去寫或檢查，然後把結果交回來，再開始下一輪。這就是一個迴圈。

關鍵在於，模型本身是沒有記憶的。這一輪結束後，它不會「記得」剛才發生什麼；下一輪它知道的一切，都來自重新讀進來的情境。對話視窗看起來像是在累積記憶，但對話會結束、會被壓縮，也會因為換了工具而消失。

所以我們的第一條原則很簡單：工作的連續性放在檔案裡，不放在聊天記憶裡。要做什麼寫在工作單上，做到哪裡記在狀態裡，發生過什麼記在事件紀錄裡。換一個 AI、隔一天再來，甚至換一種完全不同的 AI 工具，只要讀同一批檔案，就能從同一個地方接手。

當工作量變大，我們不會讓好幾個 AI 各自「看著辦」。我們會先指定一位調度者，它不急著動手，而是先把整件事拆開。

拆的方式有兩層。第一層是工作單：每一張工作單寫清楚要做什麼、輸入是什麼、怎樣算完成。工作單一旦發出就固定下來，不會在做的途中被悄悄改掉。第二層是波次：彼此有先後關係的工作，排在不同波次；可以同時做的，放在同一波。

這樣做的好處是，每個人（以及每個 AI）都看得到同一張地圖。哪些工作在哪一波、誰在做、做完沒有，都不需要靠口頭同步。

接著是執行者。它們可以平行開工，但名額是有限的；就像廚房裡的爐口數量是固定的，同時開太多鍋，反而每一鍋都顧不好。限制名額，讓品質和成本都維持在可以掌握的範圍。

每位執行者只能寫自己的格子。你可以把整個工作區想成一張大表格：大家都能讀整張表，但每個人只能在分配給自己的那一格寫字。重疊的地方不搶，而是排隊；真的出現衝突時，保留雙方的成果，交給調度者或人來合併，而不是由後來的人整個覆蓋。

每位執行者交件之前，會先用一把檢查工具自查：格式對不對、必要欄位有沒有填、有沒有寫到不屬於自己的地方。重點是，調度者收件時會用「同一把尺」再跑一次。自查和複查用的是同一套標準，就不會出現「我覺得好了」與「你覺得還沒好」的落差。

機器檢查只能抓到可以寫成規則的錯。有些問題，例如語氣怪怪的、例子不貼切，還是需要人或另一個 AI 用眼睛看。但如果每一份都要人看，平行化就失去意義了。

所以我們採用抽審。例如每二十份抽一份仔細看。抽哪一份不是隨手挑，而是用固定的規則決定，任何人重跑一次都會抽到同一份。這讓抽審本身也可以被檢查，不會變成「剛好抽到沒問題的」。

至於「做完了沒」，我們不接受任何人單方面宣告。狀態一律由檔案推導：工作單在、產出在、檢查通過的紀錄在，才算完成。缺了哪一樣，狀態自然就不會變成完成。

人的注意力是最稀缺的資源。系統該做的，是把一百份草稿，濃縮成一張值得花時間的決定。

因此，人在每一波結束時只會收到一張簡短的裁決卡：這一波做了什麼、哪些通過、哪些需要你決定、建議是什麼。你可以逐條回覆「可」或「暫緩」，而不必打開一百個檔案。

有工作單沒通過，是正常的事。重要的是失敗之後怎麼辦。我們的做法是：把「為什麼沒過」寫清楚，跟著工作單一起退回，讓下一次執行時一開始就看到原因。

這聽起來理所當然，但很多時候，AI 重試只是「再試一次」，於是犯同一個錯。把原因附上，等於把上一輪的經驗寫進下一輪的情境裡，這正好呼應了開頭說的：記憶在檔案裡，不在模型裡。

讀到這裡，可能會覺得人好像被排除在外了。其實正好相反。人不再需要盯著每一個步驟，而是把時間留給真正需要判斷的地方：方向對不對、例外要不要放行、哪些事情值得先做。

系統負責把重複、可檢查的部分做好，並且把需要人決定的事整理清楚；人負責拍板，並讓拍板的結果也寫回檔案，成為下一輪工作的依據。

多個 AI 一起工作，靠的不是更聰明的模型，而是一套大家都看得懂的分工與紀錄。把規則放在檔案裡，誰來接手都一樣。