Austin Marchese 以 Claude Code 創作者 Boris Cherny 在 2026 年 7 月整理的 AI 採用表為底，將它翻成非工程師也能跟上的四個階段。影片把只在聊天視窗問答稱為 step 0；進入 step 1 後，AI 不只回答問題，而是能讀取資料、直接修改檔案，成為受人監督的單一助理。這裡與 Boris 原表有一個差別：原表的 step 0 是企業受限於核准流程、基礎設施與治理的「Gated」，影片為了教學，把它簡化成個人的聊天視窗使用狀態。
Step 2 是同時交辦多個彼此隔離的工作，但重點不只是多開幾個 agent。Austin 把可靠性拆成兩種檢查：規則式驗證負責可客觀判定的項目，例如格式、顏色、測試是否通過；品味式驗證則處理文字是否精簡、設計是否達到品質標準等較主觀的判斷。平行工作的關鍵不是同時打開更多視窗，而是讓每個 agent 能完成工作、自己檢查，並且不互相踩到對方的範圍。權限也要先縮到安全邊界內，讓 agent 可以完成低風險動作，碰到高風險操作再停下來詢問。
來源：影片畫面擷取自 YouTube／Austin Marchese（約 05:25）
到了 step 3，人的角色從 AI manager 變成管理 AI managers。影片建議先從做過、修到滿意的成果反推成 skill，將可重複的流程寫進去；再用 routines 定時啟動，讓結果送到自己真的會看的 Slack、Telegram 或其他管道。若一項工作仍然太慢，可以再拆給 subagents 分頭處理。這段的核心不是先追求全自動，而是先把流程、交付時間、回報方式與失敗時的處理方法交代清楚。
Step 4 才是 AI-native：多數工作由系統主動啟動，人只設定意圖並在例外發生時介入。影片也補上兩道很實際的煞車：每項工作使用足夠而非一律最強的模型，並限制 routine 或 loop 最多可以重跑幾次，避免失控地消耗 token。自動化前要先決定哪些工作只需要「夠好」，哪些品質一旦出錯就不能交給 AI 全程處理。
來源：影片畫面擷取自 YouTube／Austin Marchese（約 18:48）
留言樣本一邊肯定四階段讓抽象概念比較容易理解，一邊也指出它仍然太像方法總覽。一則高互動留言希望看到完整專案的實際結果，並質疑人的品味能否真的寫進 Markdown 檔；另一位觀眾則分享自己的做法：每天把改稿與決策理由記進 voice guide 和 logic guide，讓 AI 逐步少犯同樣的錯。也有人直接回報 Claude Code 仍會違反既定規則。這些反應剛好補上影片沒有解決的問題：流程可以寫下來，但信任仍然要靠持續測試與實際結果累積。
How to Build With Claude DANGEROUSLY FAST (Boris Method) ／ Austin Marchese · 在 YouTube 觀看 ↗