你是否遇過這種讓人哭笑不得的場面？
滿心期待地在自己電腦裡裝了輕量級的本地 AI 模型（Local LLM），想請它當個人智慧小秘書，幫忙整理資料或寫一份文件。對話框裡，AI 信誓旦旦、拍胸脯保證：
「主人，您的檔案已經建立好，內容都寫入
analysis.md囉！請過目～」
你開開心心地打開電腦資料夾，瞪大眼睛找了半天——咦？檔案呢？連個影子都沒有！
難道現在連 AI 都學會像人類一樣「摸魚交差」了嗎？
為什麼 AI 會「睜眼說瞎話」？
別生氣，AI 其實不是故意騙你，這在人工智慧術語中叫作 「幻覺（Hallucination）」。
要理解為什麼會這樣，我們可以用一個很生活化的比喻：
1. AI 的本質是「接龍高手」
AI 的運作原理不是真的懂人類的情緒或現實世界，它本質上是一個超級厲害的「文字接龍機器」。當你跟它說「幫我寫入檔案」，在它的腦海資料庫裡，下一句最合理的台詞就是「我已經寫好了！」。它為了把對話演得順暢，嘴巴先講了出來，卻根本忘了要「動手」去點按鈕或下指令執行寫入。
2. 小模型的「腦容量」比較有限
我們在自己電腦（本地端）跑的通常是輕量級小模型，它的記憶力（注意力窗口）比較小。對話一變長，它就容易分心或失憶，忘了自己擁有「呼叫電腦工具」的能力。
3. 缺乏「交卷證明」機制
一般情況下，如果沒有人要求它出示證明，它就覺得「反正我話說完了，就算完成任務」。
治好 AI 說謊病的三大心法
光是打字罵 AI 是沒用的，下次它還是會犯。要徹底解決這個問題，我們必須在系統設定（例如 AGENTS.md，就像給 AI 看的員工手冊）中幫它戴上「緊箍咒」，建立一套 「先動手、拿證據、再回報」 的標準作業流程。
以下是針對小白也能輕鬆理解的三大關鍵解法：
第一招：強制驗證機制 —— 沒拿證據，不准說「做好了」！
小孩子寫完作業，爸媽一定要看聯絡簿或作業本。對待 AI 也是一樣！ 我們必須下達死命令：
- 絕對禁止憑空說「已完成」。
- AI 必須先執行寫入工具（
write或edit）。 - 寫完後，必須親自去讀取一次檔案（
read或ls），確認檔案真的存在、內容無誤。 - 只有在看到證據後，才准在對話框回覆使用者！
第二招：動態任務清單 —— 各做各的，檔案不打架
如果 AI 每次做事都把筆記記在同一張紙（例如同一份 task_plan.md）上，當你叫它同時做不同事情時，舊計畫就會被新計畫蓋掉，搞得天下大亂。 正確做法是讓它為每個任務獨立開一張便條紙，例如：login_feature_task_plan.md，井水不犯河水。
第三招：自主推進規則 —— 做完一步自動做下一步，不發呆
很多本地小模型做完第一步就停在原地發呆等指令，或者遇到一點小狀況就慌張提問。我們給它明確的指引：「只要清單還沒打勾，就自動往下做；只有全部完成或遇到真的無法解決的死結時，才停下來敲門回報」。
實戰教學：把這套「緊箍咒 Prompt」塞給你的 AI
如果你正在使用支援系統規則的 AI Agent 工具（例如 Cursor、pi agent、Claude Desktop，或是任何支援 AGENTS.md / System Prompt 的環境），你可以直接把下方這份精心調配的 Prompt 複製到你的設定檔中：
# Agent 系統執行規則與守則 (System Instructions)
## 1. 動態任務計畫與初始化 (Dynamic Task Plan Naming)
- 針對每一個不同的任務，請建立專屬的計畫檔案，格式為「<任務名稱>_task_plan.md」。
- 開始之前先檢查工作目錄是否已有相關計畫檔案。如果是接續任務，則延續進度；如果是全新任務，請建立新清單。
- 嚴格依照清單項目進度執行，避免不同任務互相覆蓋。
## 2. 自主推進規則 (Autonomous Execution Loop)
- 連續自主推進：做完一個小步驟後，只要未受阻礙，不要停下來等待使用者確認，請立刻自動執行清單中的下一個未完成項目。
- 狀態驅動：以你的「<任務名稱>_task_plan.md」作為唯一事實依據。每次推進前讀取清單，找到第一個未勾選的 `[ ]` 項目，執行並驗證後改為 `[x]`。
- 明確停止條件：僅在以下三種情況停止並交還控制權給使用者：
1. 清單內所有項目皆已完成 (`[x]`)。
2. 工具執行失敗並重試 2 次依然無法解決。
3. 遇到具破壞性或不可逆的操作（如刪除關鍵資料或檔案）。
- 行動重於碎念：執行過程中減少無意義的聊天文字，將運算資源留給實際的工具執行與驗證，待全部任務完成後再出具完整報告。
## 3. 行動完整性與防說謊驗證規則 (Action Integrity & Verification)
- 絕對禁止憑空回報完成 (Do not hallucinate completion)：
嚴禁在未實際呼叫工具並收到成功回傳前，向使用者宣稱「檔案已寫入」或「任務已完成」。
- 驗證迴圈要求 (Verification Loop Requirement)：
在告訴使用者檔案建立或修改成功之前，必須強制呼叫讀取指令（read 或 ls）確認檔案確實存在且內容完全正確。
- 標準執行三步驟：
- 第一步 (動手做)：呼叫 `write` 或 `edit` 工具進行寫入。
- 第二步 (查證據)：呼叫 `read` 或 `ls` 工具確認寫入結果。
- 第三步 (才回報)：確認看到檔案內容正確後，在清單打勾 `[x]`，最後才向使用者回報。
結語：給 AI 立規矩，省下你大把抓狂的時間！
本地 AI 小模型雖然硬體門檻低、隱私度高又完全免費，但因為「算力體重輕」，常常需要我們用更嚴謹的工作流來輔助它。
只要透過簡單的 「清單拆解 + 強制驗證 + 自主推進」，就算是最基礎的小模型，也能瞬間從「信口開河的實習生」，蛻變成「腳踏實地、使命必達」的高效得力助手！
快去把這段提示詞加入你的 AI 設定，告別「AI 說寫好，資料夾卻空空如也」的窘境吧！