AI 編碼助手為何會「做一半」：缺少完成的內在理由

核心觀察：AI 編碼助手多數時候並非「不知道」該怎麼把工作做完整（例如補齊錯誤處理、寫測試、清理暫存程式碼），而是在沒有人明確要求的情況下，它沒有理由主動把每件事都做到位。模型傾向於滿足「看起來合理」的最小輸出，而非隱含的完整標準。

這解釋了為什麼單靠模型能力提升，不會自動解決「交出去的程式碼不夠完整」的問題——因為缺口不在知識，而在誘因與指令的明確度。

應用策略：與其期待 AI 自行判斷「應該做多完整」，不如透過明確的工程紀律指令，把「完整」的標準寫死在提示或規則中，而不是留給模型自由心證：

• 明確列出完成定義（Definition of Done）：測試、錯誤處理、邊界條件、清理程式碼
• 把預設行為從「做到能跑」改成「做到符合團隊規範」
• 用可重複使用的指令集（例如 Agent Skills）取代臨時提醒，讓紀律不依賴每次對話重新交代

對設計 AI coding agent 的提示工程或技能包而言，這代表好的指令集不是在教 AI「怎麼寫」，而是在明確定義「什麼才算完成」。

#Skills #AI Agent #Prompt Engineering