問題 1 / 5

換上新模型後,如果發現 Agent 還是動不動就停下來問問題,該怎麼快速排查到底是被哪一條規則卡住?

AI 根據文章內容回答
排查規則卡頓的最快方法,是直接利用模型的新特性要求它「說出決策依據」。你可以採取以下三個步驟來快速定位:
  • 加入透明化偵錯指令:在對話或測試環境中要求模型:「若需要確認或暫停執行,請列出觸發此動作的具體條文與檔案來源。」這樣能立刻抓出是全域還是專案層級的規則在作怪。
  • 實施規則減法測試:暫時註解掉全域設定中所有包含「確認」、「詢問」或「授權」的模稜兩可字眼,只留專案層級的基本權限。如果行為恢復正常,代表舊有規則之間存在重複或衝突。
  • 檢查權限重疊區:特別留意全域設定與個別 Skill 之間是否有重複寫到相同的防護牆,例如兩邊都寫了「修改前需告知」,導致執行權限被加倍緊縮。
透過這種由模型自己舉證的方式,通常能在幾分鐘內找到那條過度敏感的隱形枷鎖。

其他問題

Q2 整理原本累積了一大堆規則的設定檔時,有沒有推薦的清理順序或步驟,避免一次刪太多反而出錯? Q3 小專案跟大型複雜專案在設定測試範圍與子代理時,策略上有什麼不同? Q4 為什麼明明是能力更強的新模型,遇到模糊或重複的指令時,反而比舊模型更容易出現「想太多」或僵住的情況? Q5 Skill 模組化改版之後,未來在管理大量不同任務的 Skill 時,該如何設定觸發條件才不會讓模型混淆?