讓 AI 自己學：一條迴圈的頭和尾
說明動畫 1 分 45 秒（在 YouTube 開）。旁白是我聲音的 AI 克隆（MiniMax），音效是 AI 產的（ElevenLabs）。
一條迴圈要有四件
觸發是開頭，誰看是結尾。我目前遇到的斷點，主要就在這兩頭：沒人叫它，或做完沒有標準、只能等人看。拿我的語音輸入辭典當例子，四件是這樣做的：
| 件 | 語音辭典怎麼做 |
|---|---|
| 觸發 | 排程每天 05:00 檢查資料量：上次升級後新說的話 ≥50 句，或滿 7 天且 ≥20 句，才開工；量不夠就直接結束 |
| 做 | agent 從新句子裡撈出聽錯的詞（例：「文理」→「紋理」、「GPD」→「GPT」），要有足夠的語境（通常是兩句以上同樣意思）或正式來源可以查證，才寫進辭典 |
| 對答案 | 程式用新、舊辭典把全部歷史句子各套一次，列出新辭典多改的句子；agent 逐句判讀有沒有改錯（誤傷）。有誤傷先修正重測，仍不通過就整批還原 |
| 誰看 | 通過就自動套用（手機版也重裝；手機沒連上就記「待重裝」）；拿不準的詞不猜，寫進待確認清單，等我早上開工時自己看 |
主案例：語音辭典（實測數字）
| 日期 | 重跑的歷史句子 | 發現誤傷 | 怎麼觸發 |
|---|---|---|---|
| 09-22 | 312 句 | 0 | 手動 |
| 09-23 | 353 句 | 0 | 手動 |
| 10-01 | 384 句 | 0 | 手動 |
| 10-04 | 453 句 | 0 | 手動 |
| 10-06 | 500 句 | 0 | 手動 |
| 10-08 | 585 句 | 0 | 自動（05:00） |
| 10-12 | 657 句 | 0 | 自動（05:00） |
表列七輪，另有 10-06 當天第二輪補詞。辭典檔現在 420 行（含註解與提示詞，不等於 420 條規則）。10-12 那輪撈了 72 句，加 3 條硬替換＋2 個提示詞；另外 21 個候選詞，因為只出現一次、或清稿已經改對，先不加。寧可少加一條，不能加錯一條。
它會成功，是因為「誰看」有一個不用等我的標準：舊句子不能被改錯。答案卷就是我以前說過、也清稿過的句子；這些句子本身也可能有錯，所以判讀仍可能出錯，只是到目前的紀錄裡沒有發現誤傷。
照實講：其他迴圈卡在審核
我其他的學習迴圈是用「角色」分工：調查員去找新東西、專家整理成規則、驗收員檢查。目前我看到的主要瓶頸，在最後一步：過不過關要人自己看、自己審。
- 動態招式：很多招經過多輪審核，還是因為紋理、選字這類問題被打回；寫進筆記的規則，同一種錯還是會再犯。目前的自動量測指標，不足以判斷紋理與選字是否符合要求，代替不了人看。
- IG 輪播排版：10-12 開始回算歷史交付，共 17 份計分。用我在 App 裡改完的版本當答案，算改動率（刪除＋新增＋修改的元件數，除以交付版元件數，可能超過 100%）：前 8 份平均約 73%，後 9 份約 44%。這是不同作品的比較、份數也少，不能單憑它證明 AI 已經學會我的偏好。
所以這兩條現在還不算「自己學」，比較像「我教、它記」。會不會持續進步，要看後續分數。
我們正在試的做法：先把我每次的判定記成一本帳，讓 AI 在我判之前先猜「會不會過、會因為什麼被打回」，猜的內容在看到答案前就存下來。門檻暫以 20 筆、一致率至少 85%、它說過但我打回不超過一次為例；達標後要不要把一部分審核交給它，仍由我決定。
考卷：讓「誰看」有標準
一張考卷四件，缺一件就不算：
- 答案卷：人真正的定稿或判定（改完的版、說過／不過、實際送出的字）。不用人多做事就拿得到的優先。
- 作答：AI 在看到答案之前先交、而且存下來的東西。
- 分數：一個能看趨勢的數字（誤傷數、改動率、一致率、過關輪數）。
- 發卷時機：掛在人本來就會做的步驟上，不另開排程。
我們的觀察：把檢查做成會擋人的工具、再追蹤分數，比只把教訓寫進筆記，更容易發現和攔下重犯。
語音輸入本身怎麼做、跟 Typeless 差在哪，在 R-09；施工圖在 whisperbar。
給 AI Agent：照這段做
把這頁網址丟給你的 Claude、Codex 或其他 agent，跟它說「照這頁的『給 AI Agent』段做」。純文字版：ai-learning-loop.md。
把這頁網址丟給你的 Claude、Codex 或其他 agent，跟它說「照這頁幫我建一條學習迴圈」。下面的 50／20 筆、兩句證據，都是作者這個案例的設定，請依使用者的工作調整。
這段能幫你做到什麼：替一件「AI 產出、人再修改」的重複工作，建一條會自己觸發、自己對答案、拿不準才問人的學習迴圈。
要先準備
- 使用者指定一件「AI 產出、人再修改」的重複工作。例：語音轉文字的錯字、AI 擬稿後人改過的回覆、AI 初排後人調過的版面。
- 一份累積中的歷史：AI 當時的產出＋人最後的版本（或人的判定）。沒有就先開始記，記滿約 20 筆再建標準。
步驟
- 問使用者：這件事最常錯在哪？人改完的版本存在哪裡？哪些資料可以拿來比、哪些不行？寫成一行「答案卷＝……；範圍＝……」。人還沒確認過的答案要標記出來，不拿來計分。
- 定分數：寫清楚公式（例：誤傷數＝新規則把原本正確的句子改錯的數量）。能做成「回歸」最好：每次改規則，都把全部歷史重跑，原本對的不能變錯。
- 定觸發：用「量到了才跑」，不要「時間到就跑」。例：上次之後新資料 ≥50 筆，或滿 7 天且 ≥20 筆。量不夠就不改規則，只留一行「略過」紀錄。
- 改規則前先備份：把目前規則存成有日期的副本（例：
rules_2026-10-13_before.txt），同一天第二次加上序號，不覆蓋舊備份；在副本上改、在副本上測。 - 寫做法：從新資料找錯，證據足夠（例：兩筆以上同樣情況，或有正式來源）才改；只有一筆、或會撞到常用詞的，不改，列進待確認清單。
- 定收尾（誰看）——通過：套用新規則，再跑一次確認新規則真的生效；不通過：先修正重測；仍不通過就還原備份，並確認目前規則和備份一模一樣，寫下原因；拿不準：列進待確認清單，放在使用者本來每天會看的地方；會對外發布、或動到別人資料的，不自動套用，先問使用者。
- 每次都留一行紀錄：日期、規則版本、資料筆數、改了哪幾條、分數、結果（通過／還原／略過）、失敗原因、待確認問題。
怎樣算完成（三種情境都要跑過）
- 通過：新資料量夠、改了規則，回歸沒有誤傷，新規則生效，紀錄寫「通過」。
- 略過：資料量不夠，規則沒動，紀錄寫「略過」。
- 拒絕並還原：故意放進一條會誤傷的規則，回歸抓到、規則還原成備份（逐字比對一致），紀錄寫「還原」和原因。
- 另外：使用者在他平常看的地方，看得到待確認清單（沒有問題時，用一題測試項目確認清單送得到）。
不要做的事
- 不要只把教訓寫進筆記就當作學會；沒有標準和觸發，同一種錯容易再犯。
- 不要用「AI 自己覺得好」當標準；答案卷要來自使用者。
- 標準是主觀品味（好不好看）時，不要讓 AI 自己判過關。先讓它在使用者判之前預測、存下來、記一致率；夠準了，再由使用者決定要不要放權。
- 不要覆蓋備份；還原後要確認真的還原了。
- 語音辭典升級：作者語音輸入工具的升級紀錄（2026.09.22–10.12，七輪＋10.06 第二輪），回歸句數與誤傷數取自各輪紀錄
- 觸發門檻：辭典升級腳本「該跑嗎」的判斷（≥50 句，或滿 7 天且 ≥20 句）；05:00 為排程設定
- IG 輪播改動率：小編考卷（2026.10.12 回算，17 份計分）
- 考卷四件與放權門檻：作者的迴圈管理規則（2026.10.12 版）
- 影片：HTML 逐格算圖（雙色印刷紙本風格）；旁白 MiniMax speech-2.8-hd 克隆作者聲音、1.2 倍速；音效 ElevenLabs（2026.10.13）