這陣子用 AI agent 來寫程式，過程中被自己習慣的流程卡了幾次，這篇就當作是提醒自己的踩雷記錄。

一開始的想像：高階模型負責規劃，低階模型負責幹活

一開始我用的是很多人都推薦的做法：

• 先用一個比較強、比較貴的模型，幫整個功能做超詳細的規劃。
• 規劃細到什麼程度？包含要改哪個檔案、哪一段程式、步驟順序都先排好。
• 然後再讓便宜一點的模型，照這份計畫一條一條執行。

看起來很划算：強模型負責「想清楚」，弱模型負責「照做」，不會讓強模型狂燒 token，而且弱模型不太容易亂衝。

如果是個小功能、一個人開發、repo 變動不大，這套 workflow 其實還算好用。

我主要工作是 iOS app 開發，現在工作有很大一部分是在終端機裡與 AI agent 協作：研究方案、規劃功能、修改程式碼、分析 crash，最後再由人進行審查與驗收。

現在的 model 都很強大，真正影響成果的已經不是 prompt 寫得多漂亮，而是能否提供完整 context、把重要知識外部化，並將重複流程工具化。這篇文章會整理我日常工作流程，以及幾個已經實際使用的案例，希望能跟各位交流分享，聽到更多人的使用案例。