Agent Instruction：怎麼寫 AI Agent 的「憲法」 — 自架 AI Agent 實戰（二）
我那隻盯台股的 agent，剛開始有一陣子很「白目」。
它會在我開會開到一半的時候，傳一堆「某某股票漲了 0.3%」這種根本不重要的雜訊轟炸我；該提醒的訊號反而沒講清楚；算出來的數字一下中文一下英文，格式每次都不一樣，我得自己重讀一遍才知道它想說什麼。
我一度以為是模型不夠聰明。後來才發現——問題不在它的腦袋，在我給它的那份「指令」。 我把指令重寫了一遍：講清楚什麼訊號才值得吵我、什麼情況閉嘴、回報要長什麼樣子。同一個模型、同一隻 agent，馬上就從一個白目實習生，變成一個我信得過的同事。
這份指令，就是今天要聊的主角——Agent Instruction，一隻 agent 的「憲法」。
在 自架 AI Agent 實戰系列 裡，我把一隻自主 agent 拆成四層：Context（它知道什麼）→ 能力（它能做什麼）→ 溝通（它怎麼跟你來往）→ 自動化（它什麼時候自己動）。前面幾篇我們已經把後面兩層（溝通、自動化）講完了，這篇開始回頭啃最根本的第一層——Context，而 Context 的第一塊、也是整隻 agent 的地基，就是 instruction。
這篇會聊這些：
- 為什麼 instruction 是你給 agent 最重要的一份檔案
- 好的 instruction vs 壞的 instruction，差在哪（直接對比給你看）
- 一份好指令該有的五塊：角色、能力、邊界、輸出、範例
CLAUDE.md與AGENTS.md：實務上指令到底放在哪- 我那隻股票 agent 的指令長怎樣（真的貼給你看）
- 最常見的三個寫壞陷阱，幫你先踩過
關於作者：我是工程師阿穆，寫程式十多年，這幾年在做 AI Agent 與電商系統開發。文中的 instruction 都是我自己電腦上 agent 真的在用的，本文是第一手實作紀錄。 利益揭露：本文沒有業配、沒有聯盟連結。提到的工具（Claude Code、Codex、AGENTS.md 標準）都是我自己用過或研究過的。
instruction 是什麼：agent 的憲法，不是 README
先把名詞講清楚。Instruction 就是你寫給 agent 的一份指令文件，告訴它：你是誰、你能做什麼、你不能做什麼、做完要長什麼樣子。
很多人第一次接觸會以為它只是個「設定檔」或「README」——隨手寫幾句「你是一個股票助理，幫我分析股票」就交差。但這樣想就小看它了。
我更喜歡把它叫做 agent 的憲法：
同一個模型，餵不同的 instruction，會變成完全不同的兩隻 agent。一隻可能謹慎、會主動回報、講話有條理；另一隻可能暴衝、亂吵你、答非所問。差別不在模型多強，在那份憲法寫得好不好。
這也是為什麼我會說它是 Context 這一層的地基。在 系列總論 裡我提過，Context 分成兩塊：instruction（規則） 和 memory（記憶）。記憶是它「累積了什麼」，而 instruction 是它「打從一開始就該遵守的什麼」。記憶會變，憲法不太動——這就是兩者的分工。（memory 那塊我們留到下一篇細講。）
好的 instruction vs 壞的 instruction
空講很抽象，直接對比給你看。假設我要做一隻盯台股的 agent，同樣的需求，兩種寫法。
壞的版本（很多人第一次都這樣寫）：
你是一個專業的股票分析助理，請幫我分析台股，
看到重要的訊號就通知我，講得專業一點。
看起來好像有講，但每一句都是空的。「重要的訊號」是多重要？「通知我」用什麼方式、什麼格式？「專業一點」到底是要它幹嘛？agent 只能靠猜，而它猜的標準跟你心裡的標準八成對不上——這就是我一開始被雜訊轟炸的原因。
好的版本（把每件事都講具體）：
# 角色
你是我的台股盯盤助理。個性謹慎、不誇大、寧可漏報也不要亂報。
# 你要關心的訊號（只有這些才值得通知我）
- 持股清單裡的股票，單日漲跌幅超過 5%
- 成交量突然放大到 20 日均量的 2 倍以上
- 觸及我預設的停利／停損價
# 邊界（這些事絕對不要做）
- 不要給「買進／賣出」的具體建議，你只負責偵測與回報，決定我自己來
- 漲跌幅在 5% 以內的，一律不要通知，不要洗版
- 不確定的時候，明講「資料不足」，不要硬掰一個數字
# 回報格式（每則通知都長這樣）
【訊號類型】股票名稱(代號)
現價：xxx（漲跌幅 +x.x%）
觸發原因：一句話講清楚為什麼吵你
資料時間：HH:MM
# 範例
【爆量】台積電(2330)
現價：1085（漲跌幅 +6.2%）
觸發原因：成交量達 20 日均量 2.3 倍，且漲幅破 5%
資料時間：10:32
感受到差別了嗎？第二份指令，agent 完全不用猜。它知道該關心什麼（具體的訊號條件）、不該做什麼（不洗版、不亂給建議）、做完長什麼樣（固定格式 + 一個範例）。
寫 instruction 的黃金法則只有一句：把你心裡那套「你希望它怎麼做」的隱性標準，全部攤開寫成白紙黑字。 你覺得「這還用講嗎」的地方，正是 agent 最會猜錯的地方。
一份好 instruction 的五塊骨架
從上面那個例子，其實可以抽出一個通用結構。我自己寫每一隻 agent 的指令，都會繞著這五塊跑：
1. 角色（你是誰、你的個性） 一句話定位它是什麼、做事的調性。是謹慎還是大膽？寧可漏報還是寧可多報？這會影響它所有的判斷傾向。
2. 能力（你負責做什麼） 它的工作範圍。盯盤？整理收件匣？爬資料寫摘要？講清楚邊界內的事，它才不會東摸西摸做一堆你沒要的。
3. 邊界（你絕對不要做什麼） 這塊最常被漏掉，但超級重要。「不要做什麼」往往比「要做什麼」更能定義一隻 agent 靠不靠譜。 不要給投資建議、不要洗版、不要刪檔案、不確定就說不確定——把紅線畫清楚。
4. 輸出格式（做完要長什麼樣） 你希望結果是條列、表格、還是一段話？固定欄位有哪些？這決定了你每次收到結果要不要再花力氣重讀整理。
5. 範例（給它一個照抄的樣本） 這是 CP 值最高的一塊。講十句「要簡潔」，不如直接給它一個你心目中完美的輸出長怎樣。 模型超會模仿範例，一個好範例頂得上一大段抽象描述。
你不一定五塊都要寫滿，但每次寫 instruction 前在心裡過一遍這五塊，你會發現自己漏掉的通常就是邊界跟範例——而那兩塊正是 agent 最容易出包的地方。
CLAUDE.md 與 AGENTS.md：指令實務上放哪
講完「怎麼寫」，來講「寫在哪」。
如果你用的是 Claude Code，它有個約定：在專案資料夾放一個叫 CLAUDE.md 的檔案，每次啟動 agent 它都會自動讀進去當成最高指導原則。你不用每次對話都重貼一遍指令，寫一次、放著，它就記得。
而 2026 年逐漸成形的一個跨工具標準叫 AGENTS.md——它是個開放規格，目標是讓同一份指令檔，Codex、Cursor、Copilot 等不同 agent 工具都能讀，不用每換一個工具就重寫。依官方說明目前已有六萬多個專案採用。你可以把它想成「agent 界的共通 README」，差別是它是寫給 agent 看的操作守則，不是寫給人看的說明。
兩者擺一起比：
| 維度 | CLAUDE.md |
AGENTS.md |
|---|---|---|
| 誰會讀 | Claude Code | 跨工具（Codex / Cursor / Copilot…） |
| 本質 | Claude Code 的約定 | 開放標準 |
| 格式 | 純 Markdown | 純 Markdown |
| 適合誰 | 只用 Claude Code | 會在多個 agent 工具間切換 |
簡單記：CLAUDE.md是 Claude Code 的指令檔，AGENTS.md是跨工具的通用指令檔。 很多人的做法是主力寫AGENTS.md，再讓CLAUDE.md一行 import 過去，一份指令兩邊共用。
實務上還有兩個層級要分清楚：
- 專案級指令：放在某個專案資料夾裡，只在這個專案生效。例如股票 agent 的盯盤規則，就放在它自己的資料夾。
- 全域級指令：放在你家目錄（像
~/.claude/CLAUDE.md），所有專案通吃。適合放「不管做什麼都該遵守」的個人偏好，例如「回我中文」「程式碼寫註解」。
這個分層很關鍵：通用的習慣放全域，專屬的守則放專案。 別把所有東西塞進同一個檔，否則股票 agent 會被你寫給電商 agent 的規則干擾。
我那隻股票 agent 的指令長怎樣
講了一堆原則，直接把我自己的東西攤開來看最有感。我那隻 台股 AI Agent 的 CLAUDE.md，骨架大概長這樣（敏感的數字我改過，但結構是真的）：
# 角色
你是台股盯盤助理，謹慎、精確、寧可漏報不要亂報。
# 工作範圍
- 用 scan.py 盤前選股，產出今日觀察清單
- 用 monitor.py 盤中盯盤，偵測訊號
- 偵測到訊號透過 notify.py 傳 Telegram 給我
# 資料來源與規則
- 行情資料一律走 FinMind，不要自己編數字
- 算完的指標、判斷理由，寫進 data/ 底下對應的檔案
- 每次只讀當天需要的檔案，不要把整個 data/ 都載進來
# 邊界
- 你只偵測與回報，不下「買賣建議」
- 漲跌幅 5% 以內、量沒爆的，不要通知我
- 抓不到資料就明講「FinMind 無資料」，不要用舊資料硬湊
# 回報格式
（固定欄位 + 一個範例，跟前面那段一樣）
你會發現它幾乎就是前面那五塊骨架的實體化。而且有意思的是：這份指令裡藏著後面幾層的線索——「寫進 data/ 底下對應的檔案」「每次只讀需要的」其實在講記憶（memory）的設計，「走 FinMind」在講能力（MCP/工具），「傳 Telegram」在講溝通（channel）。
instruction 是那份把四層綁在一起的總綱。它不只說「你是誰」，還告訴 agent「你的記憶放哪、你能用什麼工具、做完要回報到哪」。難怪我說它是地基。
三個最常見的寫壞陷阱
我自己踩過、也最常看到別人踩的，就這三個：
陷阱一：太模糊。 「幫我好好分析」「重要的再說」——這種話對人類同事都嫌空了，何況 agent。凡是出現「好好」「適當」「重要的」這種形容詞，都要停下來問自己：具體是什麼？ 把它換成可以判斷的條件（漲跌幅 5%、20 日均量 2 倍）。
陷阱二：塞太多。 跟太模糊相反，有些人把 instruction 寫成幾千字的長篇大論，什麼都想交代。問題是 agent 每次讀 instruction 都要花 token，指令越肥，留給它真正幹活的空間越少，而且重點會被淹沒。原則是：只寫「它猜不到、或會猜錯」的東西，顯而易見的就別囉嗦。這跟我們下一篇要講的漸進式揭露是同一個精神——核心守則放主檔，細節另外開檔讓它需要時再讀。
陷阱三：沒有範例、沒有邊界。 前面講過了，但值得再強調一次，因為這是最多人漏的兩塊。沒範例，它的輸出格式天天在飄;沒邊界，它遲早做出你嚇一跳的事。 寫完 instruction 後回頭檢查：我有給它一個照抄的樣本嗎？我有畫出紅線嗎？
你可以怎麼開始
不用一次寫到完美，instruction 本來就是「活的文件」，邊用邊改。我的建議是：
- 先寫最陽春的版本就開跑——角色 + 一件它要做的事，先讓它動起來。
- 看它出包——它一定會出包。亂吵你、格式跑掉、做了你沒要的事，這些「出包」其實是在告訴你「指令哪裡沒講清楚」。
- 把每次出包補成一條規則——它洗版？加一條「漲跌幅 5% 內不通知」。格式亂？補一個範例。你的 instruction 就是這樣一條一條長出來的，每條規則背後都是一次真實的踩坑。
還有一個我自己很愛用的偷吃步：連寫 instruction 這件事，都可以直接丟給 AI 幫你寫。 你不用對著空白檔案硬擠，打開 Claude（或你手邊任何一隻 AI）直接跟它聊：「我想做一隻盯台股的 agent，幫我擬一份 instruction，要有角色、能力、邊界、輸出格式、範例這五塊。」它就會吐一份草稿給你。你再用人話跟它對話微調——「邊界再嚴一點」「範例改成這種格式」「漲跌幅門檻拉到 5%」——一來一回幾輪，一份結構完整的指令就出來了。
這招的精神很「自架 agent」：你連寫它的憲法都不用自己從零硬寫，而是跟 AI 一起討論著生出來。 你負責出判斷（我要什麼、紅線在哪），AI 負責出草稿與結構，分工剛剛好。
關鍵心法：別想在腦中把規則想齊，讓 agent 實際跑、用它的出包來反推你漏寫的規則，這比你閉門空想快十倍。
常見問題
instruction 跟提示詞（prompt）有什麼不一樣？
可以這樣理解：prompt 是你「這一次」叫它做的事，instruction 是它「每一次」都要遵守的守則。 你每天對股票 agent 下的「幫我看一下今天台積電」是 prompt;而那份「謹慎、只報 5% 以上、不給買賣建議」的 CLAUDE.md 是 instruction，每次對話都生效。instruction 是背景常數，prompt 是當下變數。
CLAUDE.md 和 AGENTS.md 我該用哪個？
看你用什麼工具。只用 Claude Code → 寫 CLAUDE.md 就好;會在多個工具間切換（Claude Code、Codex、Cursor）→ 主力寫 AGENTS.md（跨工具通用），再讓 CLAUDE.md import 過去。 兩者格式都是純 Markdown，沒有魔法，重點永遠是裡面的內容寫得夠不夠具體。
instruction 要寫多長才夠？
沒有標準字數，原則是「只寫它猜不到的」。顯而易見的事（像「請用繁體中文」如果你已設全域）不用重複;會猜錯、有風險、有特定格式要求的，一定要寫。寧可短而精準，也不要長而模糊——肥大的指令反而會稀釋重點、吃掉 token。
一定要會寫程式才能寫 instruction 嗎？
完全不用。instruction 就是一份用人話寫的守則，你會用文字把「我希望它怎麼做」講清楚就夠了。它本質上比較像在帶一個新人、寫一份工作交接，跟寫程式是兩回事。真要說技巧，就是「講具體、給範例、畫紅線」這三件事而已。
我的 agent 老是不聽指令，怎麼辦？
九成是指令不夠具體，不是它不聽。先檢查三件事：(1) 是不是用了「好好」「適當」這種模糊詞？(2) 有沒有給範例？(3) 有沒有把紅線寫清楚？ 把模糊的換成可判斷的條件、補一個範例、畫出邊界，通常就好了。如果都做了還是飄，可能是指令塞太多、重點被淹沒，這時要做的是減法。
結語
繞了一圈，其實 instruction 的核心就一句話：把你心裡那套對 agent 的期待，老老實實寫成白紙黑字。
我那隻股票 agent 從白目實習生變成靠譜同事，中間沒有換更強的模型、沒有寫更複雜的程式，就只是把那份「憲法」寫清楚了而已。 角色、能力、邊界、輸出、範例——這五塊顧好，你的 agent 就有了一個穩固的地基。而這也是 自架 AI Agent 實戰系列 四層裡，最根本、最該先花心思的一層。
如果你也想養一隻 agent，但卡在「指令到底該怎麼寫才不會踩雷」，或是想做的東西有點複雜、自己兜不太起來——這正是我在做的事。我有提供 AI Agent 的諮詢顧問與代建服務，幫你看你的需求適合怎麼設計指令與架構，或是直接幫你做出來。
這是 自架 AI Agent 實戰系列 的第二篇，想看完整的四層觀念與其他篇，可以從總論進去。
延伸閱讀：
- 自架 AI Agent 實戰（一）：在自己電腦養一隻會自己開工的 AI 員工 — 系列總論，四層觀念地圖
- 用 Crontab 讓 AI Agent 自己定時開工 — 系列 #6，instruction 寫好後，讓它照表自己上工
- 用 Telegram / LINE 遙控你的 AI Agent、收任務通知 — 系列 #5，instruction 裡的「回報格式」最後就送到這裡
- 用 Claude Code 打造台股 AI Agent：盤中盯盤、訊號到就發 Telegram — 本篇 instruction 範例的完整案例
喜歡這篇文章嗎？
📧 訂閱 Newsletter — 新文章直接寄到你信箱 🎬 追蹤我的 YouTube — 看 AI / 工具實作影片 💬 加我的 LINE — 聊聊你想做的 agent，或有問題隨時問我 🧵 追蹤 Threads — 平常的工程隨筆
掰掰～👋
