學習如何把提示詞變成可複查的萊彩 Flow 草稿，再在 Graph View 中檢查、調整並安全執行。
為什麼 prompt-to-workflow 有價值
LLM 能把粗略意圖整理成結構化步驟。QA、客服或營運可以描述：打開 staging App、登入測試帳號、搜尋樣例內容、截圖、用 OCR 讀取文字，並在預期頁面沒出現時停止。
風險在於生成的工作流可能看起來很自信，卻隱藏脆弱假設。萊彩投屏 的做法是讓 LLM 生成草稿，但讓 Flow 圖、節點名稱、截圖、OCR、日誌和停止條件保持可見。
先寫有邊界的提示詞
好的提示詞要寫清起始狀態、目標 App、帳號類型、環境、證據和停止邊界。不要只寫「測試登入」，而要寫「在 staging App 中登入測試帳號，等待首頁，截圖，用 OCR 確認首頁標題，並在修改設定前停止」。
如果 package id、畫面文字、模板資產、OCR 區域或設備上下文未知，負責任的流程不應該憑空編造。
用 Graph View 做人工複查
Graph View 是生成 Flow 變得可理解的地方。審核者應該能讀懂主路徑：接收輸入、準備畫面、觀察狀態、執行動作、等待、驗證、保存證據、停止或繼續。
節點名稱要清楚，例如「找到搜尋框」「保存結果截圖」。複雜流程可以拆成小的子 Flow，讓主 Flow 像業務編排，而不是一長串看不懂的技術節點。
從提示詞到 Flow 草稿
實際流程是：先寫人工認可的提示詞，再讓 LLM 轉成 Flow 草稿。草稿必須使用真實 schema 支援的節點，並把未解決的輸入顯式留下。
隨後在 Graph View 中檢查主 Flow、子 Flow、節點名稱、轉移、等待、停止條件和證據節點。第一次執行時透過 Android 手機投屏到電腦和 Mac 觀察真實畫面。
LLM 不應該獨自決定什麼
LLM 不應該猜 package id、模板圖、OCR 區域、目標偵測類別、巨集名稱、AutoJS 腳本或固定座標。它也不應該聲稱一個 Profile 能跑所有 App 或所有設備。
可信的 AI Android 自動化工具 要說明 AI 幫助起草，真正執行前仍需要設備證據、schema 規則和人工複查。
證據、日誌和停止狀態
生成的工作流必須留下證據。截圖顯示可見狀態，OCR 確認關鍵文字，日誌說明節點順序和失敗點，停止狀態防止流程在錯誤頁面繼續執行。
這比單純 pass/fail 更有用。客服可以把截圖附到問題記錄，QA 可以比較多語 OCR，開發可以看出失敗發生在 webview 渲染前還是之後。
安全規則
提示詞生成的自動化必須限制在授權 App、測試帳號、staging 或批准環境和允許設備內。不要用於繞過平台規則、抓取隱私資料、製造虛假互動或批量發訊息。
付款、刪除、帳號修改、私密資料或未批准頁面前必須停止。預期文字缺失、OCR 不確定或權限彈窗出現時，也要保存證據並等待人工審核。萊彩 Flow 教程 可以作為團隊複查和調試的基礎。
相關萊彩資源
AI Android 自動化工具 · 萊彩 Flow 教程 · Android 手機投屏到電腦和 Mac · Android 投屏行動 App 測試 · 電腦控制 Android 手機工作流.