hiskio

    Loop × Harness：AI 駕馭深度實戰｜打造交辦即放手的可靠 AI Agent

    這堂課不做網路上隨處可見的工具教學，而是帶你實作老師在業界驗證過的成熟流程——透過 Harness 與 Loop，打造一個全天候、能放心交辦的 AI 夥伴。

    • 知道如何建立全天候運作、可獨當一面的可靠 AI Agent，告別反覆修正的地獄

    • 學習業界資深開發者的 AI 開發心法，用 Loop × Harness，讓你的產出效率複利成長

    • 創造自己的AI駕馭系統，讓 AI 的產出品質全面提升

    • 套用我的研究成果，親手打造一套全天候替你工作的系統，用在你自己的專案上

    • 學會一套能用一輩子的 AI 駕馭系統，工具怎麼換都不怕

    US$100.49
    US$157.50

    Click for settings

    00:00
    00:00
    00:00

    我的工作變多，收入翻了數倍：人卻變得更輕鬆

    這不是一夜之間發生的。從 AI 出現那天起，我在一個又一個專案裡反覆鑽研、修正，才收斂出 Loop × Harness 這套方法。

    完成一個專案
    3 週→ 3～7 天
    AI 產出
    來回修改→ 快速驗收
    同時推進的專案
    1 個→ 10 個
    現在的一天我做的事，只剩：交辦・驗收
    多個專案同時跑
    萬人技術社群
    內訓與課程
    新的副業
    產能提升→機會變多→收入增加
     

    你敢把一件事全權交給AI，中途一次都不看嗎？

    大多數人都不敢——因為：

    icon

    AI 跑到一半就忘了你的規則，前面講好的設定說丟就丟

    icon

    它說做完了，你卻不敢信——因為它會自圓其說

    icon

    同樣的做法，今天有效、明天失效

    icon

    檢查、修正 AI 產出的時間，有時候比自己做還久

    所以你只能一直盯、一直跟它來回。時間看起來省了，精力卻整個被綁在「顧 AI」這件事上。

     

    把我的研究成果，變成你能用的 AI 駕馭系統

    很多人缺的不是概念，而是逐步拆解的細節與方法。

    Harness 的影片你看過，Loop 的原理你也懂——YouTube 教學、技術文章、開源範例，免費的你都翻遍了。但一回到自己的專案：參數不知道怎麼調、流程不知道怎麼設計、沒有一個現成的框架能直接套。免費內容停在原理，這堂課帶你把整套系統一步一步做出來。

    交辦即放手，靠的是這三層——
    3 大原則
    做得對
    ×
    3 道防護
    跑不壞
    ×
    2 套評測
    量得出
    HARNESS｜3 大原則，讓它做得對
    約束
    一般人把 prompt 越寫越長——太細＝自己做一遍；太粗＝等於沒寫。
    課程教你
    「標準卡」撰寫技巧——只寫到可逐條檢查，AI 不再亂猜
    回饋
    叫 AI 自己再檢查一次——六成抓不到錯，還會自圓其說。
    課程教你
    獨立評審打分技巧——做與評分開，AI 無法再自圓其說
    沉澱
    出一次錯就多塞一條規則——規則越堆越亂，分不清哪條有用。
    課程教你
    失敗分析技巧——用數據補規則，不再越堆越亂
    LOOP｜3 道防護，讓它自己跑也不出事
    品質防護
    沒設防護：AI 說完成，就算完成了。
    課程教你
    驗收關卡怎麼立——AI 說了不算，過你的標準才算完成
    成本防護
    沒設防護：整夜空轉，預算燒到失控。
    課程教你
    停損線怎麼設（Hard Stop）——跑幾輪、花多少，到線一定停
    權限防護
    沒設防護：動到不該動的資料與系統。
    課程教你
    權限怎麼給——只給它需要的；碰不到不該碰的，就闖不了禍
    評測｜2 套評測，讓「感覺變好了」變成數字
    評估集
    沒有它：改一版好一點、改兩版壞回去——全憑感覺。
    課程教你
    黃金考題怎麼出——一組固定考題，每次改動重新考，過了才放行
    Rubric 評分表
    沒有它：「品質變好了」說不清楚好在哪、好了多少。
    課程教你
    Rubric 怎麼定——把「好」拆成可打分的等級，用數字說話

    這套系統每天都在我的真實專案裡運轉。課程中我會直接公開：

    ① 人工審查怎麼壓到最低，產出還能放心直接交付
    ② 我每天在用的檢查與評估清單
    ③ 我每天在用的 AI 駕馭手冊（Playbook）——你會照著做出自己的那一本

     

    我會實操給你看：如何打造一套全天候替你工作的系統

    每個設定為什麼這樣調、每個判斷怎麼下——你會全程看到過程，不是只看到結果。

    你可以拿它做什麼
    24 小時投資理專
    盯新聞、盯價格，照你的條件篩選——每天一份彙整送到你面前。
    全天候輿情監測
    品牌、競品、社群風向——它一直盯著，有狀況才叫你。
    個人知識系統
    丟進去的資料，自動變成筆記、重點卡、複習題——越用越聰明。

    也可以是：系統開發・程式碼重構・內容創作・自動化報表。

    任何你想讓它自動化、獨立作業的事——交辦，然後放手。
     
    示範專案｜整堂課，用「個人知識庫」從頭做到尾示範
    01要求講不清楚，AI 只能亂猜，你只能整份重看
    實作｜動手前先寫下「做對長什麼樣」的標準卡——AI 哪一條沒過，就指著那一條叫它修。
    成果｜知識庫的第一則筆記 ＋ 一套立標準的方法
    02同一套指令，今天做得漂亮、明天就走鐘
    實作｜把標準與規格固定成 AI 每次動工前必讀的規則檔，「做筆記」變成品質恆定的可重複流程。
    成果｜品質恆定的筆記生產線 ＋ 你的第一份專案憲法
    03AI 自我檢查會自圓其說，量一大更不可能逐件人工看
    實作｜裝上「獨立評審」——用一組固定考題自動打分，廢題、錯答案在輸出前就被篩掉。
    成果｜品質有把關的自動出題工具 ＋ 一套能重複用的評估方法
    04流程一長，AI 中途失憶走偏，一步錯整條垮
    實作｜摘要 → 連結舊筆記 → 出複習題串成自動線。交接點設關卡、高風險處留人工把關，錯誤分類統計後精準補規則。
    成果｜一套自己跑的半自動知識系統 ＋ 精準補規則的失敗分析法
    05想讓它 24 小時自己跑，又怕燒爆預算、闖大禍
    實作｜拆成讀取、分類、連結、出題多個 AI 分工合作，設好什麼時候啟動、跑多少一定停。
    成果｜全天候運轉的多 AI 知識庫 ＋ 一套安全放手的 Loop 設計

    課程示範的是知識庫——但換個題目，同一套架構就是你的投資理專、你的輿情監測站。流程我示範一次，複製權在你手上。

     

    8 個關鍵產出，整合成一本專屬你的 AI 駕馭手冊

    以後接到任何新任務，翻開手冊、照著設定，AI 直接開跑。

    你的 AI 駕馭手冊（Playbook）8 個組件，課程中逐一親手完成
    01icon
    標準卡

    每種任務「做對長什麼樣」的明確定義，動手前就寫好。

    02icon
    規格範本

    規範輸入、輸出該長什麼樣子，讓 AI 不用猜。

    03icon
    專案憲法規則檔

    AI 每次動工前必讀的規矩，好結果能穩定複製的關鍵。

    04icon
    評估集＋Rubric

    一組騙不過的固定考題，換版本、改指令都用同一把尺打分。

    05icon
    三道防護設定

    品質、成本、權限各守到哪，寫成照著設定就能用的參數。

    06icon
    Trigger 與 Hard Stop

    什麼時候開始跑、跑幾輪一定停，讓它安全地全天候運轉。

    07icon
    失敗分析表

    錯誤分類與統計，用數據決定下一條規則要補哪裡。

    08icon
    人工檢查點判斷法

    哪些放手、哪些一定要人把關——不可逆的操作怎麼設關卡。

    課程結束，你手上就有一本專屬於自己的 AI 駕馭手冊。

     

    工具年年換，但 Loop × Harness 底層邏輯不會過時

    新工具出現時，只要把它接進既有的流程就好。

    icon

    骨架不變

    約束、回饋、沉澱、Loop 是方法，不是功能。換到哪一套工具上都成立。

    icon

    你建好的資產不會作廢

    標準卡、專案憲法、評估集、Rubric、三道防護的設定——都是你自己的東西，換工具照用。

    icon

    新工具出現，不用重來

    下一個工具出現，你要做的不是重學一遍，是評估它能接進流程的哪一段。

    這也是為什麼這堂課不做工具操作教學。教你某個工具怎麼用，保鮮期只有半年；教你一套方法，工具換幾輪都還在。

     

    學完這堂課，你不用再守在 AI 旁邊

    這堂課不分職業、不分產業，適合已經使用 AI 來做事的人。

    已經在用 AI 解決問題的你

    能完成具體任務、做出小型應用，想讓產出更穩定、更完整。

    正在用 AI 構建系統的你

    已經能做比較大的東西，但卡在品質不穩、要一直盯、一直返工。

    這堂課將帶給你
    ✓知道如何建立全天候運作、可獨當一面的可靠 AI Agent，告別反覆修正的地獄
    ✓學習業界資深開發者的 AI 開發心法，用 Loop × Harness，讓你的產出效率複利成長
    ✓創造自己的 AI 駕馭系統：利用 3 大原則、3 道防護、2 套評測⋯等，讓 AI 的產出品質全面提升
    ✓套用我的研究成果，親手打造一套全天候替你工作的系統，用在你自己的專案上
    ✓學會一套能用一輩子的 AI 駕馭系統，工具怎麼換都不怕

    如果你不只是單純在跟 AI 對話聊天，而是已經實際做過、踩過坑、正在找一套穩定方法的人——這堂課就是為你準備的。

     

    常見問題

    Q

    我不是工程師，可以上這堂課嗎？

    可以。這套方法原本在工程圈綁在「寫程式的 AI」上，這堂課把同一套原理推廣到你每天的任務。門檻不在會不會寫程式，在於你有沒有實際用 AI 做過東西、踩過坑——有的話，你會很快進入狀況。

    Q

    這套東西建起來要花多久？

    第一階當天就能做出來——一張標準卡、一篇通過檢查的筆記。後面每一階都是在既有的東西上加，不是重來。你不會等到課程結束才有成果。

    Q

    我的工作沒有固定流程，也適用嗎？

    適用，但要挑對題目。課程會教你判斷哪些事值得做成 Loop：會重複發生、「做完了」的標準講得清楚、成本你扛得住——三個都過關才值得。一次性的例外處理，本來就不該自動化。

    Q

    說「全天候自己跑」，是不是完全不用管了？

    不是，而且課程會直接教你哪些環節一定要人把關。高風險、不可逆、難檢查的地方要設人工檢查點，其餘才放手。正是因為這些關卡在，你才敢讓它跑一整天。

     

    講師介紹

    講師照片
    張維元
    萬人技術社群版主 ／ AI 產品開發者 ／ AI 工作流實戰專家
    經歷與專長
    ● 作品橫跨金融、醫療等高規格產業
    ● JSDC、MOPCON、HWDC、資料科學年會等技術大會講者
    ● 150+ 場企業內訓與校園演講（工研院、中華電信等）
    ● 台灣總統盃黑客松冠軍、微軟 Imagine Cup 台灣區冠軍
    ● 線上課程平台累積 3000+ 學生

    Content

    1-1初稿一小時，修正五小時：瓶頸不在生成
    1-2可控性才是關鍵：給對流程，比換更強的 AI 更重要
    1-3駕馭工程：用約束、回饋、沉澱穩定 AI 產出
    1-4兩張地圖：七步流程與五階作品

    Preview

    | No Content

    FAQ

    如果您購買的是募資課程，請在課程的【簡介】中查看開課時間，募資課程將於開課時間所述日期開放同學上課。

     

    若您購買的是一般課程（開放上課課程），則在購買完成後可以立即開始觀看。

     

    所有線上課程皆不受時間限制，享無限次永久觀看！

    Recommendations

    Reviews

    | Collecting

    Pre-Purchase Q&A

    Dexter
    Dexter

    老師您好，我本身是工程背景，主要使用 Python，方向是 Backend / API Integration / Automation，也正在學習 Claude Code 與 Codex，希望未來能把這套方法實際使用在接案與正式專案上。

    我目前也正在學／考慮「Claude Code 深度應用」以及「Claude Code 實戰：AI SaaS」，因此購買 Harness 課程前想確認幾個問題：

    1. Harness 課程和「Claude Code 深度應用」在 Context、Spec、Agent 分工、Review、Test、Debug 等部分似乎有部分重疊。請問 Harness 這堂最主要「額外深入」的內容是哪些？例如 Evaluator、Rubric、Loop、Hard Stop、失敗分析、多 Agent orchestration 是否會實際做成可執行的系統？
    2. 課程提到會使用 Codex 與 Claude Code 示範。請問實作主要是透過 CLAUDE.md / AGENTS.md、Skills、CLI 指令與規則檔來控制 Agent，還是會實際撰寫 Python / Node.js 等 orchestration 程式管理 Agent？
    3. 「24 小時自動運作」這部分會實際教部署嗎？例如排程、雲端主機、背景服務、斷線／程式崩潰後恢復、Retry、Timeout、狀態保存等，還是主要著重 Loop 的設計概念？
    4. 課程會提供完整可執行的範例專案、原始碼、Spec、專案規則、Rubric、Evaluator、Playbook 等檔案嗎？還是主要跟著影片自行建立？
    5. Evaluator / Rubric / 黃金測試集會做到自動化 regression test 嗎？例如修改 Prompt、模型或程式後，可以自動重新跑 evaluation、計分並決定是否通過，而不是人工查看結果？
    6. 多 Agent 部分會教到 Agent 之間如何共享 Context / State、分工、結果交接、Retry、衝突處理、成本限制與 Hard Stop 嗎？另外是否會示範 Claude Code 與 Codex 混合使用？
    7. 我使用 Windows 11 開發。請問整套實作是否可以直接在 Windows 完成？是否需要 WSL、Docker 或額外 Linux／雲端環境？
    8. 除了課程費用之外，完整跟做需要哪些付費服務？例如 Claude Pro / Max、ChatGPT Plus / Codex、OpenAI API、Anthropic API或雲端主機。若只是學習用途，大約最低需要多少額外成本？
    9. 課程主範例是個人知識庫。如果我的用途是 Python FastAPI、API 整合、自動化工作流、爬蟲、資料處理等工程專案，課程是否會示範如何把同一套 Harness 套用到軟體開發專案？
    10. 最後想確認授權問題：課程提供的 Playbook、規則檔、Evaluator、Template 或程式架構，學員是否可以修改後用在自己的商業專案與付費接案中？

    謝謝老師，我主要是希望確認這堂課能否從「方法論」真正落地成可重複使用的工程工作流，因此想先了解以上內容。

    維元
    維元

    嗨！感覺 Dexter 回覆！我也是工程背景的（一開始是前端、後端、後來踏入 Data 跟 AI，現在開始接觸到各行各業。

    這堂課和 Claude Code 工具課最大的差異在於：我不會只教工具操作，而是會教你怎麼設計一套可重複使用的 AI 開發流程。重點會放在 Spec、Context、Review、Test、Evaluator、Rubric、Loop、Hard Stop、多 Agent 分工，以及如何把這些方法真正落地到工程專案裡。

     

    實作上會以 Claude Code / Codex 這類工具搭配規則檔、Spec、Playbook、Evaluator 與測試流程來示範。會有可參考的範例、模板與規則檔，但課程重點不是教完整 DevOps 或雲端維運，而是教你如何讓 AI 開發流程變得可控、可驗證、可沉澱。

     

    如果你的方向是 Python、Backend、API Integration、Automation、爬蟲或資料處理，這套方法是可以套用的。Windows 也可以學習與跟做，但若要更接近實務開發，我會建議搭配 WSL 或 Docker。

    課程提供的 Playbook、規則檔與模板，主要就是希望學員能修改後放進自己的工作流；只要不是直接轉售教材本身，用在自己的專案或接案流程是可以的。

    維元
    維元

    關於你上述的問題，簡單逐項回覆：

     

    1. Harness 這堂課跟 Claude Code 工具課會有重疊，但重點不同。Claude Code 偏工具使用，Harness 會更強調如何把 Context、Spec、Review、Test、Debug 串成一套可重複的開發流程。Evaluator、Rubric、Loop、Hard Stop、失敗分析與多 Agent 分工也都會實際示範。
    2. 實作會以 CLAUDE.md、AGENTS.md、Skills、CLI 指令、規則檔與 Spec 為主，也會說明什麼情況需要進一步用 Python / Node.js 寫 orchestration 程式來管理流程。
    3. 24 小時自動運作會著重在 Loop 設計，包含 Trigger、Retry、Timeout、Hard Stop、狀態紀錄與成本／權限邊界。完整雲端維運、主機部署、正式 DevOps 不是這堂課的主軸。
    4. 會提供可參考的範例專案、Spec、規則檔、Rubric、Evaluator、Playbook 等檔案。課程會帶著建立，也會讓學員能課後修改成自己的版本。
    5. Evaluator、Rubric、Golden Set 會示範如何做成可重複執行的檢查流程，讓修改 Prompt、模型或程式後，可以重新跑 evaluation，而不是每次都靠人工感覺判斷。
    6. 多 Agent 會講分工、Context / State 交接、Retry、衝突處理、成本限制與 Hard Stop。Claude Code 與 Codex 混合使用也會以「如何放進同一套流程」的角度示範。
    7. Windows 11 可以學習與跟做。若要更接近實務開發，我會建議搭配 WSL 或 Docker，環境會比較穩定。
    8. 額外成本會看你使用的工具方案。學習用途可以先用既有的 ChatGPT / Claude / Codex 訂閱開始，不一定一開始就需要雲端主機或大量 API 額度。
    9. 可以。雖然主範例會用知識庫或工作流包裝，但課程會示範如何把同一套 Harness 套用到 Python、FastAPI、API Integration、Automation、爬蟲與資料處理等工程專案。
    10. 可以。課程提供的 Playbook、規則檔、Evaluator、Template 與架構，主要就是希望學員修改後放進自己的工作流。只要不是直接轉售教材本身，用在自己的商業專案或接案流程是可以的。

    Sales Plans