加、減、乘、除：教 Copilot 的速查表
凌晨 1 點，我把剛做完的教材整份扔進垃圾桶。
不是修修補補，而是推倒重來。團隊花了一整晚，做好 Demo 1 至 Demo 4 的發票加採購單流程，內容紮實，技術上完全正確。明天的工作坊對象是財務及採購部門，每個 demo 都跑得通。但我睡不著。
房間裡的人不需要再看一次 Copilot 功能導覽，他們早就看過了。我在另一篇文章寫過為甚麼教 Copilot 而不是 ChatGPT——不是因為哪個模型比較強，而是因為 Copilot 已經在他們的 workflow 裡面，工具就在眼前，不必另外打開一個視窗。問題是，功能導覽給不了他們真正需要的東西：一份「可以放心用」的許可，讓他們不必每次打開 Copilot 都覺得自己在亂猜。Demo 流程給的是 workflow，卻沒有給思考方法。
由凌晨 1 點到早上 6 點，我把整份 deck 換掉。數據集重新生成，prompt 全部重寫。圍繞的只有四個字：加、減、乘、除。早上 10 點，工作坊照常開始。我不確定下次還會不會這樣做，但這個框架撐過了那場恐慌——這通常代表它有承重能力。
為甚麼是算術
大部分非技術用戶用不好 Copilot，是卡在兩件事上：不知道該給它甚麼，也不知道該拿走甚麼，也就是加和減。之後的東西——agent、custom instructions——要等基本的給與收處理好了，才真正有意義。
算術有效，是因為它容易帶走。項目做到第三個星期、剛開完會、有點疲倦的時候，四個運算符號仍然記得住。「5 個 C」、「7 大支柱」那類框架，人一散場就忘記。加減乘除不會。
加——上載按鈕能做的事，比你想像的多
加的核心很簡單：給 Copilot 它沒有的 context。上載、貼上、截圖。
我設計了 3 道實操任務，對應 3 種形態的數據。第一份是港鐵通勤紀錄，180 行，日常數據，風險低。它的作用不在技術深度，而是打破那層緊張——「這些也可以給它看嗎？」原來可以。第二份是按部門劃分的損益表，36 行，是財務團隊月底真的會打開的東西。第三份是多倉庫存檔案，110 行，裡面有快到期的月餅、庫存告急的酸種包，以及滯銷的堅果餅乾。
這裡的教訓在於結構。加，不是寫更漂亮的 prompt，而是決定 Copilot 要先看見甚麼。當房間裡的人發現「3 行 prompt 加上對的檔案」可以勝過「30 行 prompt 而沒有檔案」，他們就不會再在錯的那一端下功夫。
減——Copilot 令人失望，多半因為給得太多，而不是太少
減最難教，因為它看起來像甚麼都沒做——只是把 context 拿走。
我用了兩道配對練習：同一條 prompt，配上同一組數據的兩個版本。完整銷售檔案有 5,200 行、44 欄、3 年交易；精簡版只有 240 行、6 欄，只涵蓋上一季。問同一個問題，完整版答得含糊，甚至答錯；精簡版則直接指出酸種包是毛利 58% 的冠軍產品，港島銷量是九龍的 2 倍。
第二份檔案更貼近現實：一份預測檔案，裡面藏着 580 行「已刪除但仍然存在」的資料列，是混亂的 export pipeline 常見的狀況。把完整版交給 Copilot，它開始產生幻覺；把那些殘留資料剪掉之後，答案就出來了：酸種包按年增長 +12%，堅果餅乾在第二季下滑。
這個重點不用我多講，學員自己就會領悟：Copilot 有 context window，給得太多反而會把它餓壞。大多數內部培訓都跳過這一步——只教 prompting，不教修剪。失望就是這樣來的。
乘——agent 只是一條儲存了的動作鏈
談到 agent，房間通常會陷入僵局。這是因為這個詞被過度濫用，導致其意義變得模糊。我給予的操作型定義是：agent 就是預先決定好的一套加與減、加上固定的輸出格式，將其儲存起來，以便日後無需重複交代。
現場直播製作一個「讀收據 agent」。準備了 5 張虛構的香港收據——茶餐廳、超市、糊掉的的士收據、順豐單、辦公用品單。任務：讀取收據，輸出 JSON，欄位包含香港會計真正需要的內容——日期、商戶、總額、分類、付款方式、建議 ledger code。使用同一條 prompt，配合同一個輸出形狀，讓 5 張收據通過處理。現場觀眾看到的是：agent 並非機器人，而是決定不再重複指令的手段。
第二個 agent 將此原理延伸至 web search——「原材料研究 agent」，要求查詢過去 30 日餐飲食材價格，且必須包含 3 個來源。「乘」的本質正是如此：將一條優秀的 prompt 轉化為一百次的使用機會。
除——custom instructions 是最便宜的槓桿
這項技巧最不具戲劇性，但回報卻最高。刻畫一套預設行為，從此無需再重複交代。
我準備了 5 個範本：財務簡報濃縮、採購談判準備、審計軌跡紀律、風險標示偏好、報告長度上限。現場即時安裝「報告長度上限」——之後的回答將自動符合篇幅，無需任何人開口。全場觀眾看見「重複交代偏好」所產生的時間稅，只要一次貼上即可消失。
財務團隊只需設定 3 條 custom instructions，其他任何操作都不用動，即可獲得大部分價值。這項技巧幾乎沒人教導——因為看起來簡單到難以收費。
下次我會砍掉甚麼
誠實檢討，有兩點。
開場關於在 Excel 上花費時間的統計數據雖然震撼，但對於已經深耕於 Excel 的財務團隊來說，未必是正確的切入點。他們不需要被說服問題有多嚴重，而是需要被說服這一步的槓桿有多大。驚訝並不等於切身感受。下次我會改用客戶團隊自身的數據，而非引用全球統計。
中段的 Magic Moment——在 Minus 和 Multiply 之間，一段 Copilot 即時繪製圖表的環節——是防範冷場的保險。它很有用，但如果現場氣氛已經足夠熱絡，那 3 分鐘的時間我想拿回來。我的應變口訣經得起這個檢討：若時間緊迫就先刪除 Magic Moment，Session 2 的捕捉環節永遠不刪。
沒有崩掉的東西
框架之所以站得住，是因為它沒有偽裝超越其本質。4 個動作——2 個在 prompt 層（加、減），2 個在設定層（乘、除）。三週後，一個沒人看著你的星期二，還能在腦海中掌握全部 4 個。這才是測試：框架是否能比課程壽命更長久——這與 大部分 AI 培訓無法持續 背後的本質問題是一樣的。
凌晨 1 時那次重寫大概是正確的。但「大概正確」是我目前能給出的全部——直到坐在那個房間的人，在沒有我在場的情況下，真的開始使用它。