面對重複性任務,很多人習慣一次過將整個工作流程交予 ChatGPT 處理,但輸出質素往往未如理想。外國 AI 通訊近日推介的「Loop 方法」,提倡以「循環改進」取代「一次過生成」,特別適合影片剪輯、圖像生成等需要反覆調整的重複流程。
方法核心：對抗式評審
Loop 方法的重點,是先為工作流程設立一個「評審小組」——即一組負責挑剔的 sub-agent。它們會以對抗式的角度,對你目前的 workflow 逐環節找出最大弱點,而不是由你自行判斷哪裡出問題。
三步循環流程
整個方法由三個步驟循環組成:
找出最大弱點 — 評審小組對現有工作流程進行對抗式審查,指出最影響輸出質素的環節。每次只聚焦一個問題,避免一次過處理太多。
修改工作流程 — 將找到的弱點交回 ChatGPT,要求它針對該問題修改 workflow,例如調整提示詞結構、加入檢查步驟,或重新設計資料輸入方式。
對照終點驗證 — 為任務設定明確的「完成線」(finish line),例如輸出格式、質素標準或特定數據指標。每次修改後,都對照完成線驗證結果,確認改動確實有效才進入下一輪。
為何有效
一次過的提示詞之所以質素不穩,是因為模型難以在單一回合內同時兼顧所有細節。Loop 方法將問題拆細,每輪只處理一個已知弱點,並以可驗證的標準量度進度——這正是工程上常見的「迭代開發」思維,套用在提示詞工程上同樣奏效。
適合場景
- 影片剪輯:字幕、節奏、配樂提示的反覆調整
- 圖像生成:風格、構圖、細節的逐步修正
- 批量內容生產:每日固定格式的文章、社交媒體貼文
- 任何重複性 workflow:只要任務可以拆成「輸入→處理→輸出」的循環,便適用此方法
下次覺得 ChatGPT 交貨唔穩定時,不妨試試:設一個挑剔的評審小組,每輪只改一個弱點,對住明確的完成線驗證——幾輪之後,輸出質素通常會有明顯分別。