工程師思路系列｜PCPiLOT 開發日誌
事出必有因
AI Agent 的執行成本，誰來負責？
Mr. τ／風雲網通系統
與 AI 協作，本質上是一種資源管理問題。
最近使用 Claude Code 的時候，忽然發現五小時的使用額度直接前進了 18%。回頭看工作紀錄，完全找不到對應的大型功能產出。
我把 console log 貼給 Claude 分析。
真正發生的事情
分析結果出來：Claude Code 因為找不到目標檔案，直接啟動了全硬碟搜尋。
它執行了 recursive directory scan、數次 PowerShell 呼叫、嘗試多組路徑，最後甚至準備啟動 llama-server 做測試驗證。
問題是，這件事只需要問我一句「檔案在哪裡？」就能解決。十秒鐘。
但它沒問。
然後同樣的事情又發生了一次。額度直接燒到 37%。
Claude Code 事後的自我分析是：
使用者的輸入被解讀成「繼續調查」，而不是「停止確認」。
事實上，真正的問題早就結案了：rope.dimension_sections = 3 vs 4。後面所有的行動，全部是多餘的成本。
AI 與人類的成本模型不同
這個問題的核心，不是 AI 太積極，而是：
👉 AI 不知道「執行成本」是什麼。
對 AI 來說，搜尋越多 = 提高解答機率；測試越多 = 降低不確定性。這個邏輯本身沒有問題。
但對使用者來說，每一次 tool call 都是額度消耗。
當 AI 不知道成本在哪裡，它會自然傾向用「過度執行（over-execution）」來消除不確定性。在有限資源的條件下，這就變成了系統性的浪費。
我做的調整
我請 Claude 幫 Claude Code 加了一條治理規則：
Governance Rule
當預計進行大量掃描、批次讀檔、長時間測試或跨目錄探索之前，
先詢問使用者。確認後再做。
這不是在限制能力，而是在行動前加一個確認點。
這跟人類協作一模一樣
很多組織的浪費，不是因為成員做錯了事，而是沒有人在動手之前先問一句：
「這個，真的要做嗎？」
浪費團隊成員的時間，是成本。浪費運算資源與額度，同樣是成本。好的協作者，不只是會做事，而是知道什麼時候該做，什麼時候該先開口。
結論
AI 的問題，從來不是不夠聰明。
而是在不知道成本的情況下，仍然持續行動。
#ClaudeCode #AIAgent #AgentGovernance #PCPiLOT #人機協作 #資源管理
Mr. τ／風雲網通系統有限公司
Comments