停止照顧 AI 代理人：以上下文層提升程式碼生產力

核心觀點

在 AI 代理人（AI 代理人）已能自動產生程式碼的今天，真正的生產力瓶頸不在工具本身，而在缺乏上下文層的工作環境與組織文化。只有為代理人提供精準、符合團隊慣例與既有決策的上下文，才能避免不斷的修正迴圈、浪費 token 與時間。

背景與挑戰

目前許多團隊在 AI 成熟度曲線上卡住，常見的「多加 MCP、規則、擴大上下文窗口」的做法，雖然讓代理人取得更多資訊，卻未提升其理解能力。結果是開發者仍需不斷「保姆式」監督、手動調整程式碼，導致效率與成本無法顯著改善。

Unblocked 於 9 月 2 日舉辦的線上研討會，示範了同一編碼任務在有無上下文層下的差異，說明了此層如何同時提升品質、效率與成本效益。

文化與組織結構

作者指出，過度聚焦於 AI 工具本身，忽略了良好文化的影響，往往會產生「你的工作不重要」的負面訊息，削弱心理安全感。這種情況在高層（CEO、CPO、CTO）宣示「AI 會讓工程師 2 倍、5 倍甚至 10 倍生產力」時尤為明顯。

更根本的障礙來自 Conway 法則：

組織的溝通結構會直接映射到系統設計上。

若組織缺乏協作與知識共享的文化，AI 代理人即使擁有再多資訊，也只能產出與組織溝通模式相同的低效程式碼。

未來展望

要真正「停止保姆式」監督 AI 代理人，企業必須先建立以上下文層為核心的知識基礎，並培養開放、互信的工程文化。未來的 AI 生產力提升，將更多依賴「文化 + 結構」的雙重驅動，而非單純堆砌工具與規則。對於讀者而言，檢視自己團隊的溝通流程與文化氛圍，或許是提升 AI 實戰效能的第一步。