發包：學會把工作「派」給 AI，而不是自己盯著它做
多數人用 AI 的方式，是站在它旁邊一步一步盯著——這其實跟自己做沒差多少，只是換個人打字。真正能放大產能的，是學會「發包」：把一件事的目標、規格、驗收標準交代清楚，讓它自己跑，你只驗收成果。這篇把發包拆成一套可操作的協定，教你從「監工」升級成「發包方」。
前三篇都在講「成本」——怎麼算、怎麼分層、怎麼管記憶。這一篇換一個角度，講產能：同樣用 AI，為什麼有些人一次能推進五件事，有些人永遠卡在一件？
差別不在誰的 AI 比較強，在一個用法上的分水嶺：
多數人用 AI，是站在它旁邊「監工」——一步一步盯著它做、隨時插手改。這其實跟自己做省不了多少，只是換了個人打字。真正能放大產能的，是學會「發包」。
監工 vs 發包：一個關鍵的分水嶺
先把這兩種用法講清楚，你大概立刻認得出自己是哪一種。
監工是這樣的：你叫 AI 做一件事，它給一步，你看一步、改一句，再叫它做下一步。你的注意力全程綁在它身上，它動一下你反應一下。整個過程你其實沒閒著——你只是把「自己做」換成了「盯著它做」。
發包是這樣的：你一開始就把「要什麼、規格是什麼、怎樣算做對」交代清楚，然後讓它自己一路跑完，你回來只做一件事——驗收。成果能用就收，不能用就退回去、指出哪裡不對，讓它重跑。
一句話講完差別：
監工把力氣花在「過程中一直修」，發包把力氣花在「開頭把話講清楚」。前者累到底、還一次只能顧一件；後者累一次、然後能同時推好幾件。
為什麼多數人卡在監工
明知發包比較好，為什麼多數人還是在監工？因為監工感覺比較安全、比較省力：
- 「反正我盯著，出錯馬上改」——感覺風險低。
- 「一次講清楚好累，我隨口補一句就好」——感覺當下省事。
但這兩個「感覺」都是錯的。監工的風險不低——你全程綁在上面，是你自己的時間在漏；監工也不省事——一件事隨口補十次，加起來的力氣遠比一開始講清楚多。監工的成本是隱形又反覆的，所以你一直低估它。
這正是這個系列反覆在講的同一件事：你沒在算的成本，才是最貴的。 監工燒掉的，是你最貴的注意力。
一套可以照抄的發包協定
框架講完了。接下來給你一套具體、可以照抄的發包協定——把「講清楚」從一句口號，變成一個有欄位、你照填就好的模板。
發包五件事：一次交代清楚
好的發包指令，把五件事一次講清。缺哪一件，AI 就會在那裡自由發揮，然後你就得監工補救：
- 目標（要什麼）：這件事做出來是要拿去幹嘛的。不是「寫一篇產品說明」，是「寫一篇要放在官網、給第一次接觸的客戶看的產品說明」。目標決定它所有的判斷。
- 規格（長什麼樣）：長度、格式、語氣、要包含哪些段落、給幾個例子。越具體，它越不會亂長。
- 限制（不要什麼）：不要用哪些詞、不要超過多長、不要碰哪些內容。限制常比要求還重要。
- 素材（用什麼做）：把它需要的背景、資料、範例一次給足，別讓它猜或自己編。
- 驗收標準（怎樣算做對）：明講「做完的樣子」——這是最多人漏、卻最關鍵的一項，下一段專門講。
把這五件想成一張發包單。你會發現，光是「填完這張單」的過程，就已經逼你自己把事情想清楚了——而想清楚，本來就是這件事最花力氣的部分。
驗收關卡：發包不是丟出去不管
發包最容易被誤解成「把事情丟出去就不管了」。不是。發包的另一半是驗收關卡——你事先定義好「怎樣算做完、做對」，讓成果回來時你能一眼判斷能不能用。
驗收標準要寫成可以打勾的，不是模糊的形容詞：
- ✅ 好的驗收：「要有三個小標、每段不超過四行、結尾有一句行動呼籲、不出現專有名詞未解釋。」
- ❌ 壞的驗收：「寫得專業一點、通順一點。」——這種標準等於沒設，因為你退件時也講不清哪裡不對。
驗收標準寫得越明確，有兩個好處：一是 AI 一開始就照著這個靶做，命中率更高；二是它沒中時，你能精準指出「第 2 條沒達到」，退件一句話就夠，不用整段重講。
分段發包：不放心時的折衷
有些事你就是不放心一次放它跑完——沒關係，那就分段發包：
- 把大事切成幾段（例如：先給大綱 → 再寫初稿 → 再潤稿）。
- 每段結束設一個檢查點，它跑完一段你驗一次。
- 方向對了才放它跑下一段；歪了就在這一段修掉，不讓錯誤帶到後面。
這樣你既不用一步一步盯（那是監工），也不用整件事一次賭上。不放心不是不發包的理由，是把檢查點設密一點的理由。 等你對某類任務越來越有把握，再慢慢把檢查點拉疏，最後變成完全放手。
發包指令會累積，監工的力氣不會
發包還有一個監工永遠得不到的紅利：它會累積。
你這次為「寫產品說明」寫好的發包單，下次同類的事改幾個字就能再用；用順了，它就是你的一個固定模板。你的力氣被存下來、重複用。
而監工的力氣是一次性的——這次盯完，下次同樣的事還是得從頭盯一遍，什麼都沒留下。
這就是會發包的人越用 AI 越輕鬆、只會監工的人越用越累的根本原因：
一個在存力氣，一個在耗力氣。你每寫好一張發包單，就是把自己從一件事裡永久解放出來一點。
這個系列最後一篇（付費）：
- 第 5 篇：當你會發包、AI 幫你做的事越來越多之後，怎麼確保它不會安靜地闖禍——護欄、稽核、可追溯。
本文為 AI 使用方法的觀念整理，文中的發包模板與檢查點做法為通用建議，實際效果視任務性質與你所用工具的功能而定；涉及重要或對外的產出，請務必人工複核後再使用。
帶得走的重點
- 多數人用 AI 是在『監工』——站旁邊一步步盯著它做，這跟自己做省不了多少，只是換個人打字。
- 真正放大產能的是『發包』：把目標、規格、驗收標準一次交代清楚，讓它自己跑完，你只驗收成果。
- 監工與發包的差別，全在前置：監工把力氣花在過程中一直修，發包把力氣花在開頭把話講清楚——後者累一次，前者累到底。
- 發包不是把事情丟出去就不管，是設好『驗收關卡』：明確定義什麼叫做完、做對，讓你能一眼判斷成果能不能用。
- 會發包的人，一次能同時推進好幾件事；只會監工的人，永遠一次只能盯一件——這就是 AI 產能真正的分水嶺。
常見問題
- 把事情一次交代清楚，不就要花更多時間寫指令嗎？這樣真的比較快？
- 第一次會慢一點，之後每一次都快。監工的成本是隱形又反覆的——你以為每次「隨口補一句」很省，但一件事來回補十次，加起來遠比一開始把話講清楚花的時間多，還更累。發包是把力氣集中在開頭付一次，換掉後面一路的來回。而且發包的指令是可以重複用的：你這次把「幫我寫產品說明」的規格寫好了，下次同類的事改幾個字就能再用。監工的力氣則是每次從零開始、無法累積。真正的差別不是快不快，是你的力氣能不能存起來重複用。
- 有些事我就是不放心讓 AI 自己跑完，怎麼辦？
- 那就別一次發包到底，改成『分段發包＋中途驗收』。把一件大事切成幾個段落，每段結束設一個檢查點，AI 跑完一段你驗一次、確認方向對了再放它跑下一段。這樣你既不用一步一步盯（那是監工），也不用把整件事一次賭上（那是你不放心的）。不放心不是不發包的理由，是把驗收關卡設密一點的理由。等你對某類任務越來越有把握，再慢慢把檢查點拉疏。這也接到系列最後一篇要談的：規模化之後，驗收關卡怎麼設計成不用你親自盯也能守住品質。