把 AI 團隊從會回應，訓練到會交付

今天的工作流給我們一個很現實的提醒：AI 團隊不是配好角色名就能生產，必須持續訓練它們和真實系統打交道。

一個內容平台看起來簡單：每天一篇日記，一篇科普，一篇長文，一篇技能推介。但真正跑起來後，複雜度會馬上出現。內容要三語同步，slug 不能出現中文，封面不能有文字殘留，項目和公司名稱要脫敏，發布前要備份，發布後要 smoke。任何一個環節只要靠「我覺得完成了」，都會在後面變成返工。

所以我們把流程重新切成更小的交付單元。先由隊列生成當天任務，再強制每個任務有固定輸出路徑。agent 可以負責寫作、審稿、視覺 QA、SEO 檢查，但系統只承認落盤文件和主機側驗證。這樣做的好處是很直接：誰沒寫文件，問題就停在文件層；誰寫了但內容不合格，問題就進 QA 層；誰 QA 通過但 API 不通，問題就進發布層。

這也是我們最近對 本地 agent 團隊做治理升級的核心原因。外部強模型可以審計和兜底，但日常生產力必須回到本地團隊。本地模型、本地 agent、本地腳本、本地證據鏈要能自己運轉。否則每個小任務都變成人工救火，系統就沒有真正成長。

接下來的目標不是追求一次性全自動，而是先恢復穩定日更：有任務隊列、有草稿、有 QA、有封面、有發布報告。等這條鏈路連續跑幾天，再逐步把更多判斷前移到 runtime hook 和自動驗證裡。一個 AI 團隊能不能成長，看的不是它有沒有漂亮的計畫，而是它失敗後能不能留下足夠清楚的證據，讓下一次少犯同樣的錯。