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。
不是修一修。是推倒。團隊花了一晚砌好 Demo 1 到 Demo 4 的發票加採購單流程，內容紮實、技術上完全正確。明天的工作坊是給財務及採購部門的，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。他們早看過了。我在另一篇寫過為甚麼教 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，工具就在面前，不需要額外打開另一個視窗。問題是，功能導覽給不了他們真正需要的東西：一份「用得安心」的許可。讓他們不用每次打開 Copilot 都覺得自己在亂猜。Demo 流程給的是 workflow，沒給思考方法。
凌晨 1 點到早上 6 點，我把整個 deck 換掉。數據集重新生成，prompt 全部重剪。圍繞的只有四個字：加、減、乘、除。早上 10 點，工作坊照開。我不確定下次還會不會這樣做，但那框架撐過了那場恐慌——通常這代表它有承重能力。
為甚麼是算術
大部分非技術用戶用不好 Copilot，卡在兩件事：不知道該給它甚麼，不知道該拿走甚麼。也就是加和減。後面的東西——agent、custom instructions——要等基本的給與收乾淨了，才真的有意義。這是我在另一篇寫過的底層問題：只有 9% 的 Copilot 授權真正有人用，不是因為其他人學不會，是因為基礎的給和收沒人教。
算術有效，因為它可攜。項目做到第三個星期、剛開完會、有點累的狀態下，四個運算子還記得住。5 個 C、7 大支柱那種框架，人一散場就死。加減乘除不會。
加——上載按鈕做的事比你想像多
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 種形狀的數據。第一份是港鐵通勤紀錄，180 行，日常數據，低風險。作用不是技術深，是打破那層緊張——「這些也可以給它看嗎？」原來可以。第二份是按部門損益表，36 行，財務團隊月尾真的會打開的東西。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、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，是決定 Copilot 要先看見甚麼。當房間裡的人發現「3 行 prompt 附對的檔案」可以贏過「30 行 prompt 無檔案」，他們就不再優化錯的那一端。
減——Copilot 令人失望多數因為太多而非太少
減最難教。因為它看起來像甚麼都沒做——就是把 context 拿走。
我用了兩道配對練習。同一條 prompt，同一組數據的兩個版本。完整銷售檔案：5,200 行，44 欄，3 年交易。乾淨版：240 行，6 欄，只有上一季。同一條問題。完整版答得含糊，甚至錯。乾淨版直接浮出酸種包是 58% 毛利冠軍，港島銷量是九龍的 2 倍。
第二份檔案更真實：一份預測檔案，裡面藏了 580 行「已刪除但仍在」的列，典型混亂 export pipeline 的狀況。完整版餵進去，Copilot 開始產生幻覺。乾淨版剪掉那些殘骸之後，答案出來了：酸種包按年 +12%，第二季堅果餅乾下滑。
這個重點不用我講，它自己會落地：Copilot 有 context window，餵太多反而餓死它。多數內部培訓跳過這一步——教 prompting，不教修剪。失望率就是這樣來的。
乘——agent 只是一條儲存了的動作鏈
講到 agent，房間通常會僵住。因為這個詞被濫用到失去意義。我給的操作型定義是：agent 就是事先決定好的一套加和減，加上固定輸出格式，儲存起來，以後不用重複交代。
現場直播搭一個「讀收據 agent」。5 張虛構香港收據——茶餐廳、超市、糊掉的的士收據、順豐單、辦公用品單。任務：讀收據，輸出 JSON，欄位是香港會計真正要的——日期、商戶、總額、GST、分類、付款方式、建議 ledger code。同一條 prompt，同一個輸出形狀，5 張收據跑過去。房間看見：agent 不是機械人，是決定不再重複自己。
第二個 agent 把原理延伸到 web search——原材料研究 agent，過去 30 日餐飲食材價格，必須 3 個來源。乘的本質就是這樣：把一條好 prompt 變成一百次使用。
除——custom instructions 是最便宜的槓桿
最不戲劇性，回報卻最高。刻一套預設行為，從此不用再交代。
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。現場即裝「報告長度上限」——之後的回覆自動符合篇幅，不用誰開口。全房看見「重複交代偏好」的時間稅，一次貼上就消失。
財務團隊只要裝 3 條 custom instructions，其他甚麼都不碰，已拿到大部分價值。幾乎無人教——因為看起來簡單到收不了錢。
下次我會砍甚麼
誠實檢討，有兩樣。
開場那個「全球每年 210 億小時花在 Excel」的統計，震撼力強，但對本來就住在 Excel 裡的財務團隊，未必是對的鈎。他們不需要被說服問題有多大，需要被說服這一步的槓桿有多大。驚訝不等於切身。下次我會改用 the food manufacturer 自家的版本——估算過他們團隊每日約 1,125 小時，這組數字比全球統計更刺中他們。
中段的 Magic Moment——在 Minus 和 Multiply 之間，一段 Copilot 即場畫圖表的環節——是防冷場的保險。有用，但如果現場已經夠熱，那 3 分鐘我想取回。我的應變口訣經得起這個檢討：遲了就先砍 Magic Moment，Session 2 的捕捉環節永不砍。
沒有崩的東西
框架站得住，因為它沒假裝超過自己的本質。4 個動作——2 個在 prompt 層（加、減），2 個在設定層（乘、除）。3 星期後，一個沒人看著你的星期二，還能在腦裡抓住全部 4 個。這才是測試：框架有沒有活得比課室久——與大部分 AI 培訓無法持續背後是同一條問題。我用 3 星期後的 Session 2 來驗證：參加者用不用這套詞彙談自己的真實工作。不用，就代表運算子選錯了，我會找出該換成甚麼。
凌晨 1 點那次重寫大概是對的。但「大概對」是我目前能給的全部——直到坐過那個房間的人，在沒有我在場的情況下真的用它。
