把「不知道」快速變成
團隊共同能力

對 3–4 位工程師的小團隊，不必做大型知識管理。重點是建立一個短迴路：從真實工作發現問題，用小實驗驗證，再把結果沉澱成可重用的工程資產。

學習型組織 ≠ 大家一直上課；而是團隊能持續把未知轉化成經過驗證的共同知識。

什麼是「學習型組織」？

核心定義

學習型組織不是「大家常上課」或「公司有很多分享會」，而是：

團隊能持續發現問題、產生新知、分享知識，並真的改變後續的決策與工作方式。

判斷標準

能暴露未知：知道自己還不知道什麼
能快速驗證：用實驗與證據取代直覺爭論
能跨人傳遞：知識不只停留在個人
能形成改變：學到的東西會進入流程、程式碼與決策

這個 Agent Engineering Lab 與學習型組織的關係

1. 真實工作產生問題

不從課本選題，而是從產品、agent failure、效能瓶頸與開發流程中找到真正的未知。

2. Lab 把問題變成共同學習

透過 hypothesis、baseline、experiment、trace 與討論，把個人經驗轉成團隊可驗證的知識。

3. 學習回到 Production

將結論沉澱成 eval、test、pattern、tool、ADR 或 guardrail，真正改變下一次工程實作。

Agent Engineering Lab 是「學習型組織」的實作載體：讓學習不只發生在人的腦中，而是進入團隊流程與工程系統。

五個核心能力

Sense

主動發現「我們其實不知道什麼」。

Experiment

用小實驗取代憑感覺爭論。

Reflect

從成功與失敗的 trace 找出原因。

Codify

把經驗變成 eval、pattern、decision。

Transfer

讓個人學習真正改變團隊工作方式。

學習循環

真實工作

發現未知

提出假設

最小實驗

看結果

取得證據

團隊討論

沉澱規則

不要建立「主題池」

少一點：MCP、Memory、Multi-Agent、RAG……

改成建立「問題池」

Subagent 什麼情況真的比 single-agent 好？
Context 多到什麼程度開始降低表現？
哪些 failure 是 model，而不是 tool / retrieval / harness？
什麼任務根本不值得使用 agent？

把「我不知道」變成資產

鼓勵工程師把 uncertainty 公開化，不要求立即有答案。

「這兩週你遇到最值得團隊搞清楚的一個『我不知道』是什麼？」

最小制度：小團隊就做這 6 件事

機制	節奏	目的
`#agent-radar`	隨時	蒐集值得驗證的新資訊與問題
Question Backlog	持續	管理 Unknown → Hypothesis → Experiment → Decision
Agent Engineering Lab	每兩週 75 分鐘	一次只回答一個真實工程問題
Failure → Eval	工作中持續	把 bug / failure 轉成 regression case
Owner + Shadow	每季輪替	避免知識只存在單一工程師身上
Learning Review	每季一次	檢查哪些新知真的改變了 production

Agent Lab 每次只做一件事：回答一個問題

會議前

定義問題與 hypothesis
準備 baseline
帶一個成功 trace + 一個失敗 trace

會議中

拆解 failure
做一個小型 ablation
形成 Adopt / Experiment / Reject / Revisit 決策

知識要一路壓縮成「可執行資產」

資訊

文章、paper、GitHub、AI summary

團隊知識

Insight、Pattern、Decision、Failure Taxonomy

Executable Knowledge

Eval、Test、Reusable Tool、CI Guardrail、Reference Implementation

最理想的分享產物不是 PPT，而是下一位工程師能直接重用或系統能自動執行的東西。

Leader 的角色

不是成為「最懂 AI 的人」
提出好問題
要求證據與 baseline
鼓勵反例與失敗案例
確保學習被沉澱與擴散

季度 Learning Review

三個月前不知道、現在知道什麼？
哪些 assumption 被推翻？
哪些實驗真的改變 production？
有哪些知識仍只存在個人腦中？

最終成功指標

當團隊遇到一個沒有人知道答案的新 AI / Agent 工程問題時，
是否能自己快速把它變成一個可靠、可重現、可共享的答案？