這個任務，應該交給哪個 AI 角色？

寫程式、分析資料、拆解需求、做專案判斷、整理資訊、檢查結果，看起來都可以「交給 AI」，但真正做起來，對能力的要求並不一樣。一個擅長快速產生程式碼的角色，不一定適合長時間梳理複雜背景；一個擅長分析和判斷的角色，也不一定應該承擔所有執行工作。

先看任務，再選角色

FinchStory 更強調「因才施 task」：先看任務本身需要什麼，再把它交給更合適的 AI 角色。不需要先研究一長串模型參數，從角色擅長什麼、目前任務是什麼出發，就能更自然地判斷誰更適合接手。

專案變長以後，分工更重要

在一個長期專案裡，這種差異會越來越重要。前期可以讓一個角色做需求理解和方案拆解，中間換另一個角色實作，最後再讓更適合檢查和整理的人接手收尾。角色不是越多越好，關鍵是每個人都做自己更擅長的部分。

真正要減少的，不是「選模型」的時間，而是把錯的任務交給錯的角色之後再返工的成本。