ClaudeCode
含有「ClaudeCode」共 20 篇內容
全部內容
發佈日期由新至舊
本文深入探討 AI Agent 技能的開發流程，將其架構分為「語意層」（Agent 的大腦）與「執行層」（Agent 的小腦），並詳細介紹了從模仿學習、逆向工程到三層級解耦設計（The 3-Level Extraction）的方法論。文中列舉了 Anthropic、Obra、alirezare...
你可以只買教學包，自己摸索配置。你可以只買靈魂包，反推為什麼要這樣設。或者，你可以兩個都拿，省 NT$287。
為什麼要組合買
教學包給你知識，靈魂包給你工具。分開買，你要花時間把兩邊串起來。組合買，從理解到部署一氣呵成。
而且說實話，知道「為什麼」再去改配置，跟盲目複製完全是兩回事。
多代理架構的概念很簡單。但配置檔，才是真正讓人流血的地方。
讓 10 個代理協調工作、不互相踩踏、不亂燒 Token、不靜默失敗 — 需要數十次迭代。每一個 Rule 檔案、每一個 Skill 定義、每一個 Hook，都是因為「沒有它的時候出事了」才存在的。
「推廣素材禁止顯示傭金率」這條規則？
你花了三小時 debug，為什麼你的 Agent 一直幻覺檔案路徑。
你看過 Demo、讀過文件，興沖沖地打開工具，結果滿螢幕都是看不懂的英文縮寫。Config、API、Token⋯⋯每一次困惑都像一道牆，把你擋在外面。
我經歷過。過去一年，我從零 AI 編程經驗，一路建到 10 個代理
gws CLI + Claude Code，三個 AI Agent 同時出動，六分鐘清掉積了多年的垃圾信。不需要寫程式，不用一封一封手動刪，全程附完整步驟與疑難排解說明。Gmail 促銷信、社群通知、驗證碼一次清乾淨，所有郵件移到垃圾桶、30 天內可救回。
當記錄越來越多，復盤反而變成一種負擔。我透過用 AI 讀取 Obsidian 日記，從關鍵字與週記中整理出重點，再透過 12 題引導對話，一步步走回自己的經歷，完成季覆盤。過程不只更快，更重要的是看見自己忽略的重複模式與真正的卡點。
多數人在談 Agent，會把優化集中在：
模型能力（更強的 reasoning）
工具能力（更多 tool）
Prompt engineering
但如果你實際跑過 production 級 Agent，你會發現真正的瓶頸通常不是這些。很少有機會可以看到這麼完整的 agent 設計細節（通常
打造「零人類公司（Zero-Human Company）」不知道大家看到這句話， 第一個想法是什麼？
可能是震驚、無感、甚至覺得天方夜譚， 但確實正有工具正在往這個方向發展...， Paperclip 正朝向這樣的目標發展， 試想有一天， 我們公司的CEO、主管、員工， 全部都由AI組成，
矽谷工程師的日常正被 AI 代理改寫：睡前交辦任務、隔天起床只負責驗收成果。AI 在新創幾乎包辦寫程式，在 Google、Amazon 則深入協助理解龐大舊系統、維運與翻修，工程師轉型為指揮多個 AI 助理、負責判斷與把關品質的「AI 代理主管」，效率暴增之餘，也帶來技能焦慮與職涯不確定。
