Loop Skill

把 AI 回答變成可審核、可追蹤、可改進的成果。

Loop Skill 是一個 filesystem-backed AI workflow skill。它不是單純叫 AI「多試幾次」，而是把一個任務變成有規則、有輸出、有審核、有重寫計劃、有最終報告的 Loop System。

適合用在這類任務：

• 批量文案：Google Ads、SEO title、LinkedIn posts、email subject lines
• 有硬限制的輸出：字數、禁詞、分類、欄位、數量
• 研究/分析任務：每個 insight 都要有 evidence 和 source
• SOP / checklist：每一步要有 owner、action、pass signal
• 排名/篩選任務：Top 10、Top 15、淘汰原因、版本比較
• 需要交接的 AI 工作：同事、客戶、未來的自己都能看到證據鏈

一句話：Loop Skill 讓 AI 不只是「回答」，而是「交一份可檢查、可追蹤、可修改、可交接的成果」。

核心流程

Define -> Generate -> Audit -> Validate -> Rewrite -> Report

每一步都寫入檔案，不靠口頭聲稱完成。

背後原理：Filesystem-backed Validator-Gated Loop

1. 先把任務要求寫成明確規則
2. AI 產生結構化輸出
3. 客觀規則交給 validator 檢查
4. 主觀品質交給 judgment audit 留下理由和證據
5. 如果失敗，就生成 rewrite plan
6. 下一輪只修失敗項目
7. 通過後產生報告和 dashboard

它不是： - 不是普通 prompt loop - 不是只靠 AI 自評 - 不是無限背景自動運行 - 不是每次失敗都整份重寫

Objective Checks vs Judgment Checks (Hybrid Audit)

Objective checks（程式穩定檢查）： - item 數量、必填欄位、是否空白 - 字數限制、禁詞、指定 artifact 是否存在

Judgment checks（AI/人工理解後審核）： - 語氣是否專業、是否貼合受眾 - 是否有商業意圖、是否有證據 - 是否像人話、淘汰原因是否具體

文件結構

.loops/ systems// — 規則、目標和審核標準 runs/-/ — 某一次實際執行的結果和證據 iteration-N/ — 每輪輸出、審核、重寫計劃 final.md — Evidence report reader-report.md — 人類易讀版 interactive-dashboard.html — 互動式 dashboard

設計原則

1. 不只相信 AI 的回答，要有檢查
2. 不把所有主觀品質硬編碼，要用 judgment audit 留證據
3. 不每次失敗都整份重寫，要按 rewrite plan 精準修正
4. 不讓結果只留在聊天紀錄，要用 filesystem 保存完整過程
5. 不把 max iterations 當成功保證，它只是預算

使用案例

1. Google Ads 文案 — 30 headlines + 15 descriptions，字數限制，禁詞，分角度
2. Top 15 shortlist — 審核全部、選出 Top、淘汰原因
3. SEO title / meta description — 每頁一組，不超長度，不重複
4. SOP / checklist — 每步有 owner、action、pass signal
5. Research summary — 每個 insight 必須有 source
6. Compliance review — 禁詞、誇張承諾、高風險說法