現代 AI 應用的核心仍是模型，但槓桿已向外擴展。過去調整提示的團隊，現在工程化模型周邊系統：策劃模型所見內容、管理運行方式、加入定義「良好」的驗證器，必要時將多位專家串聯成協調工作流程。這種分層轉變非炒作，而是反映大規模運行中失敗與成本的真實所在。完美措辭無法補足缺失資訊；純淨輸入在長時間運行中仍會漂移；未驗證的迴圈可能整晚產生垃圾結果。如果你感受到成本上升但成果停滯，瓶頸很可能就在外層。

思考五層架構。提示工程框定單一請求。上下文工程決定模型所見——檢索、排序、摘要與編輯刪減。控制工程管理完整運行：工具、狀態持久化、協調、評估與恢復。迴圈工程透過設定目標、驗證器與停止條件，將觸發從人類手中移除。圖譜工程則以節點、條件路由、並行與共享狀態協調多位專家代理。每層包覆前一層，無任何過時。稀缺技能向外遷移：從措辭、資訊架構、控制設計、驗證設計，到跨圖譜的分解與路由。

用症狀決定下一步投資。若模型誤解請求，收緊提示契約。若答案缺乏事實或偏離主題，修正檢索與上下文壓縮。若長流程不穩定或靜默失敗，加強控制並增設評估器。若你仍是人工排程者，明確迴圈觸發與驗證條件。若單一代理混淆不同任務——研究、撰寫、批評——將工作拆分為節點，定義共享狀態物件，並以明確條件路由。每步皆有可衡量 KPI：可回答性、工具成功率、運行完成與恢復、迴圈精確度/召回率，以及圖譜層級吞吐量與每件成果成本。

採用應循序漸進。先制定輸出契約，並在控制層加入輕量評估器。當評估器發現缺陷超越人工時，晉升迴圈工程。僅當專業分工加路由在品質、速度與單位經濟上優於單一嚴格驗證迴圈時，才採用圖譜工程。偏好小型、可測試的控制圖譜、明確狀態結構與沙盒工具。將驗證器視為一級程式碼，涵蓋率、漂移檢查與預算上限俱全。此路徑使模型成本可控，缺陷率可觀察，代理隊伍與業務成果而非消耗代幣保持一致。