一個 Prompt，完成一個功能的開發與測試｜Ramp × GPT-6 Astra

🧑‍🏫 這支影片是 Ramp（美國一家做企業支出管理的公司）的 AI 負責人，分享他們團隊怎麼用 OpenAI 的 Astra 讓 AI 直接操作電腦。影片中的例子是：只丟一句需求，Astra 就自己把功能做出來，也自己測過。值得看的地方在於，它示範了「交代 AI 做事」可以從一步一步教，變成只講目標、事後驗收。

• 00:01 受訪者在 Ramp 負責 AI 方向。團隊正在實驗 Astra，把它用到極限，讓寫程式更快更好，也讓日常工作流程更有效率地使用電腦。
  ↳ 受訪者負責 Ramp 的 AI 方向。團隊把 Astra 用到極限，想讓工程師寫程式更快更好，也讓平常用電腦處理的工作流程更有效率。
• 00:31 受訪者的第一印象是：Astra 像一位信任的同事，不需要給上百行指示。只要說出整體目標和想看到的結果，10–15 分鐘後回來檢查即可。
  ↳ Astra 用起來像一位信得過的同事。你不用寫一大串步驟說明，只要講清楚最後要達成什麼、想看到什麼結果，十幾分鐘後回來驗收就好。
• 00:31 Astra 很能理解模糊的需求，知道使用者到底要什麼，並會附上修改後的截圖。
  ↳ 需求講得不夠精確也沒關係，它抓得到你真正想要什麼。做完還會附上修改後的畫面截圖，你看圖就能確認成果，不用自己打開去點。
• 01:01 受訪者因此能把越來越重要的任務交給 Astra。它不需人介入就能快速推進，受訪者形容這是「wow moment」。
  ↳ 因為信得過，他交出去的任務越來越重要。Astra 一路自己往下做，中途不用人插手。這種「它真的自己搞定了」的驚訝感，就是他說的 wow moment（驚豔時刻）。
• 01:01 Astra 的回覆和成果都很精簡，沒有多餘廢話，適合要快速拿到結果的工作情境。
  ↳ 它回報時不寫長篇大論，交出來的東西也很精簡。如果你只想趕快拿到結果、不想讀一堆說明，這點很省時間。
• 01:01 受訪者不必解釋要點哪個分頁、在哪個頁面、走哪條路徑、用哪個 model，Astra 自己就知道。
  ↳ 平常請別人操作網站，得講清楚要點哪個分頁、到哪一頁、走哪條路徑、選哪個 model（模型選項）。這些細節 Astra 會自己判斷，不用逐步教。
• 01:01 主持人看著 Inspect 指出，Ramp 的 coding 基礎設施可以跑在 computer use 上，而且受訪者常用這個方式。
  ↳ computer use 是讓 AI 直接操作電腦畫面，像人一樣點分頁、選設定。主持人看著 Inspect 畫面指出，Ramp 寫程式用的整套環境能用這種方式跑，受訪者也常這樣用。
• 01:31 實例：受訪者只下了一句 feature request「implement routing strategy controls with granularity by API key」，沒有補充其他說明。
  ↳ feature request 是「請做出某個功能」的需求。他只寫一句：做 routing strategy（請求分流規則）的控制，而且要細到每個 API key 各自設定，也就是 granularity（控制的細緻程度）。
• 01:31 Astra 自己理解到，要點選其中一個可用的 API key，再選「Routing Strategies」。
  ↳ API key 是呼叫服務時用來識別身分的一串金鑰。Astra 自己想通了步驟：先點選一把可用的 API key，再進「Routing Strategies」，就能設定這把金鑰的分流規則。
• 01:31 這次任務中，Astra 先工作約 12 分鐘，再花約 15 分鐘檢查自己的修改。
  ↳ 它先花約 12 分鐘動手改，再花約 15 分鐘回頭檢查自己的修改。檢查的時間比做的時間還長，等於自己先當一輪測試員，不是改完就交差。
• 02:01 Astra 找到了正確的 model 和要修改的設定，還主動在行動版上做了檢查，受訪者並沒有要求這一步。
  ↳ 它找到了該選的 model 和該改的設定，還主動到手機版畫面檢查一次。這一步沒人交代，是它自己想到的。
• 02:01 受訪者認為，computer use 會成為人們測試低風險變更時越來越重要的方式。
  ↳ low-risk changes 指的是出錯也影響不大的小修改。他認為以後測這類修改，會越來越常交給 AI 直接在畫面上點點看，不用每次都由人手動測。
• 02:01 Ramp 的核心價值是幫客戶簡化會計。受訪者最期待的，是把 computer use 的功能提供給 Ramp 的客戶。
  ↳ Ramp 的核心是幫客戶把會計變簡單。他最期待的不只是團隊內部自己用，而是把這種讓 AI 操作電腦的能力，做成 Ramp 客戶也能用的功能。
• 02:31 Ramp 目前在背景透過前端操作收集客戶的單據（checks）。現在很多工作可能得靠人工處理，模型才知道要在商家網站上點哪裡。
  ↳ Ramp 現在會在背景透過網頁畫面操作，幫客戶收集單據。merchant sites 就是商家網站，模型常不知道該在上面點哪裡，所以很多工作可能還得靠人工處理。
• 02:31 受訪者期待在更多賣家網站上測試 Astra，也認為它會更理解大多數網站的運作方式。
  ↳ 他想拿 Astra 到更多賣家網站上實測，也認為它會越來越懂大多數網站的運作方式。

在「implement routing strategy controls with granularity by API key」這個例子中，Astra 的工作與檢查時間大約各是多少？