.jpeg)
你剛請了一位智商很高但「健忘」且「沒見過世面」的實習生
技術名詞
- Commands (按鈕)： 現在要「做什麼」
- 自動化工作流提升操作效率，標準化操作，節省重複勞動但靈活性較低，主要處理簡單任務
- 按下按鈕之後，才會去用 Skills、可能叫 Subagent、途中踩到 Hooks
- Rules (憲法)： 什麼「不可以」被破壞
- 靜態上下文消除重複的背景交代，確保風格一致，減少幻覺但檔案越大越佔空間（Context 消耗）
- MCP (協調)： 整個系統「要往哪裡去」
- 外部連接 打破資訊孤島，AI 能即時存取外部數據，資訊量過大容易導致 AI 「分心」
- Subagents (團隊)： 這件事「誰負責」
- 針對特定任務角色分工，多個可subagent可同步執行
- Skills(手)：我「怎麼做」
- 可以被: Commands 呼叫/ Subagent 使用/ MCP 調度
- 不知道全局，只負責把一件事做好
- Hooks (感測器)： 在「某個時刻」插手
- 確定性保障消除機率模型的不確定性，確保 100% 的工程底線但要額外的開發成本來設置
總結： 所有的術語最後其實就兩件事：「心法 (Rules)」讓它懂你，「招式 (Skills)」讓它幫你幹活。
模組化架構
核心機制
- 漸進式披露 (Progressive Disclosure)
- 透過 SKILL.md 中的語義描述，讓 AI 按需載入，只在特定場景，才讀取 references 裡的表結構或 API 文件。
- 避免一次性把幾千行指令塞給 AI，極大地節省了昂貴的 Context Window（上下文視窗）。
注意事項
兩個SKILL.md 裡的描述太像，AI 會陷入選擇困難。
創意解決方案
知識代碼化 不要把 Skills 只當成工具，要把它當成「組織的數位資產」。當一個資深工程師離職時，他留下的不應只是文檔（AI 可能讀不懂或懶得讀），而是封裝好的 Skills 包，讓新員工（或 AI）直接調用。
如果你覺得這篇文章很棒，請你不吝點讚 (ﾟ∀ﾟ)