Agent Skill 一日工作坊 · 認識工具

用好 AI 的關鍵，是讓它動手

只說白話，讓 AI 動手做

16 頁 · 含示範 Claude Code + codex 這章只講透一件事：讓 AI 脫離聊天框、直接動手

核心痛點 · 瀏覽器聊天框的限制

為什麼用 ChatGPT 還是很累？因為它卡在聊天框裡

01 只動口不動手 · 人肉搬運動口不動手

AI 給了滿滿建議與表格，但手動複製、開 Excel 貼上、存檔的手依然是你的。

02 摸不到檔案 · 被困在網頁裡環境隔離

關在瀏覽器沙盒內，看不到你電腦桌面上的「待整理客戶報表」資料夾。

03 換個對話就忘 · 每次都要重教記憶歸零

每次開新對話視窗，公司的專案格式與規定全部歸零，必須重新貼一遍 Prompt。

❌ 網頁 ChatGPT（只動口）人肉接力

AI：「請複製以下文字，手動貼到 Excel 另存新檔...」
➔ 人類痛點：依然是人肉搬運工，複製貼上貼到手軟！

✓ 本機 Agent：Claude Code / codex（動手做）直接交付

Agent：「已直接在你的資料夾建立 summary.xlsx 並排版存檔！」
➔ 直接交付：你只下一句話，檔案已經在電腦裡做好了！

關鍵轉變：我們不要「只會給建議」的聊天顧問，我們要「能走進電腦動手做」的 Agent 同事。

這章最重要的一頁

從「問 AI 拿建議」，到「讓 AI 直接動手」

左：困在網頁，只能說話　右：坐進電腦，直接辦事

以前 · 顧問模式

它教你步驟，手還是你的。

今天 · 小隊模式

給它一個資料夾，它自己動手做完。

開會時不再說「我覺得可以這樣做」，而是「這個我做好了」。

今天的兩支主力工具

兩支住在你電腦裡的 Agent

住在電腦裡，直接動手做

工具	出處	今天怎麼用
codex	OpenAI	今天會示範，登入 OpenAI 帳號就能用
Claude Code	Anthropic	今天也會示範，操作幾乎一樣

先認識副檔名

.md 結尾的檔案，就是純文字

記事本就能寫，人機共讀

你打的純文字

# 營運內容工作資料夾 ## 語言 - 回覆用台灣繁體中文標題 **30 字內**

AI 跟人看到的結構

營運內容工作資料夾

語言

• 回覆用台灣繁體中文

標題 30 字內

打一個符號＝給它一層結構： # 標題→大標 - 項目→一條規則 **粗**→重點

寫成檔案的規則書

AGENT.md：放在資料夾裡的 System Prompt

給 AI 看的專案說明書

AGENT.md　通用規範

放在資料夾根目錄。Agent 每次打開這個資料夾就自動讀取，從此所有工作都遵守這份家規，不用每次重新交代。

CLAUDE.md　Claude Code 專用

作用完全相同，只是不同工具的檔名慣例。告訴 AI 這個專案的規則、慣例、要注意的事。兩個系統都懂「把規則寫成檔案」這件事。

它跟 skill 的分工很單純：skill 是「某一件事」的說明書，AGENT.md 是「整個資料夾」的家規。

規則書的層級機制 · 依序疊加

AGENT.md 層級疊加：由上到下，依序繼承覆蓋

🌐 全電腦通用生效 LAYER 1 OF 3

~/.codex/AGENT.md

└── 2026_夏季促銷專案/

├── AGENT.md

├── 01_社群貼文/

│ └── AGENT.md

└── 02_發票報帳/

全域層 (Global)：放在使用者家目錄。不論你打開哪一個專案，Agent 第一步都會自動載入這份最底層家規（如繁中語系、溝通禮節）。

RULES STACK (1 LAYER ACTIVE)

● INHERITED

[全域層 Base] ~/.codex/AGENT.md
• 一律使用台灣繁體中文 (zh-TW)
• 中英文與數字間保留半形空格 · 禁止空泛套話

> 最終合成生效提示詞 (EFFECTIVE PROMPT):

[全域] 繁中規範 + 中英空格 + 禁用套話

層級心法

底層全域通用，專案與子目錄層層疊加；越底層越通用，越深層越具體，衝突時深層優先！

● CASCADING: GLOBAL ➔ PROJECT ➔ NESTED

寫成檔案的規則書

規則書長什麼樣：AGENT.md 四大規矩

AGENT.md · 本地專案規則書

## 1. 語言與格式 - 一律使用台灣繁體中文（zh-TW）回答 - 中英文及數字之間必須保持半形空格

## 2. 準備與檢查 - 動手改代碼前先明確列出假設與修改計畫 - 遇到多種解讀時必須先提問，不自行腦補

## 3. 標題限制 - 標題必須是完整斷言句，禁止空洞名詞 - 投影片可見文字最小字級嚴格 >= 24px

## 4. 用詞禁區 - 嚴格禁用：旨在、總的來說、事實上、顯著提升 - 禁止使用粗糙 SVG 簡筆畫與任何 emoji

✕ 沒寫規則的預設輸出 (WITHOUT RULE) 語言混亂

AI 吐出：「这是一份旨在显着提升效率的文档...」
➔ 混雜簡體字、缺乏中英文空格、語句生硬不道地。

✓ 寫了規則的專業輸出 (WITH AGENT.MD) 台灣繁中規範

AI 輸出：「跟魁哥報告，這是根據 SOP 整理的交付清單...」
➔ 遵循台灣繁中用語，中英文與數字間保留半形空格。

規矩價值

① 語言規範：鎖定 zh-TW 與排版間距，杜絕簡體與機器翻譯腔。

● RULE 01: ZH-TW FORMAT

換你寫的時候

換個情境，一樣填這五塊

任何工作都能寫規則書

這裡在做什麼

「這是整理每月營運報表的資料夾」

講話的規矩

「數字一律加千分位，金額要標幣別」

做事的規矩

「先確認資料月份對不對，再開始統計」

不要做什麼

「缺漏的數字不要自己推估，缺就標『無資料』」

怎麼算做好

「每張表都要有總計列，並附一句話結論」

✕報表整理乾淨一點 ✓月增率標到小數點一位 AI 猜不到你心裡的標準。寫得出標準，就別寫感覺。

感受一份名作 · 上

Karpathy 的 AGENT.md，一句原則配幾條做法

# AGENT.md 行為準則，用來減少 AI 寫程式時常犯的錯。可跟你的專案規則合在一起用。取捨：這些準則偏向謹慎而非速度。瑣碎小事，自己拿捏。 ## 1. 想清楚再動手別亂猜；別藏著困惑；把取捨講出來。 - 把你的假設明講；不確定就問。 - 有多種解讀，通通列出來，別默默選一個。 - 有更簡單的做法就說，該爭就爭。 - 有不清楚的，停下來，指出哪裡不清楚，問。 ## 2. 簡單優先用剛好解決問題的最少程式碼；不要臆測性的東西。 - 不做超出要求的功能。 - 不為只用一次的程式碼做抽象。 - 不加沒人要求的「彈性」或「可設定性」。 - 不為不可能發生的狀況寫錯誤處理。 - 寫了 200 行、其實 50 行就夠，就重寫。問自己：「資深工程師會不會覺得太複雜？」會，就簡化。

感受一份名作 · 下

Karpathy 的 AGENT.md，連「怎樣算成功」都寫進去

## 3. 只動該動的只碰你非碰不可的；只收拾你自己弄出的爛攤子。改既有程式碼時： - 別「順手改善」旁邊的程式碼、註解或排版。 - 別重構沒壞的東西。 - 配合既有風格，就算你會用別的寫法。 - 看到無關的死碼，提一下就好，別刪。改動產生「孤兒」時： - 移除「你的改動」造成沒用到的 import／變數／函式。 - 別刪本來就存在的死碼，除非有人要你刪。檢驗法：每一行改動，都要能直接對應到使用者的需求。 ## 4. 目標驅動執行定義成功的標準；反覆跑到驗證通過為止。把任務變成可驗證的目標： - 「加驗證」→「先寫不合法輸入的測試，再讓它通過」 - 「修這個 bug」→「先寫一個能重現它的測試，再讓它通過」多步驟任務先講簡短計畫：每一步寫「做什麼 → 怎麼驗證」。強的成功標準讓你能自己反覆跑；弱的標準（「弄到能動」）會讓你一直回頭問。 --- 這份準則有效的話，你會看到：不必要的改動變少、因為過度複雜而重寫變少、釐清問題的提問出現在「動手之前」而不是「出錯之後」。

用好它的心法 · 幹活雙核心

分清兩種幹活方式：確定性腳本 vs 語意判斷

確定性執行寫死的規則，每次跑結果 100% 一致

精準、可重複、可驗證。電腦執行千百次，絕對不會今天這樣、明天那樣。

①金額與數字加總計算[零誤差]

②批次重命名 500 個檔案[0.02 秒完成]

③呼叫 API 拉取結構化數據[零 Token 浪費]

SANDBOX · SCRIPT RUNNER

> TASK: process_invoices.py (3 筆單據批次計算)

單據 #01：未稅 $1,200 ➔ 稅額 $60 ➔ 含稅 $1,260 (耗時 1ms) ✓

單據 #02：未稅 $3,500 ➔ 稅額 $175 ➔ 含稅 $3,675 (耗時 1ms) ✓

單據 #03：未稅 $4,800 ➔ 稅額 $240 ➔ 含稅 $5,040 (耗時 1ms) ✓

✔ 批次完成 3 筆：含稅總額 $9,975（耗時 3ms），零手算誤差、零 Token 成本！

分工心法

有標準答案的交給腳本，每次都一樣；要看情況拿捏的交給 AI，它會變通。

● LOGIC: SCRIPT vs LLM

用好它的心法 · 分工管線

好的自動化：把事拆給對的做

01 讀取進線郵件 Python 腳本

批次抓取 50 封未處理客戶信件，耗時 0.02 秒，確定性 100%，零成本。

02 提取聯絡欄位正則腳本

精確抓取 Email、電話、主旨與時間等結構數據，無需 AI 介入。

03 判斷問題意圖 LLM 核心

語意彈性分析：區分「退貨抱怨、大宗採購、產品諮詢」，AI 的真正強項！

04 自動登記表格 API 腳本

將分類標籤與摘要寫入 Google Sheet 並推播 Slack，完成批次自動化交付。

PIPELINE EXECUTION · STEP 01

> RUNNING SCRIPT: fetch_emails.py

[OK] 成功抓取 3 封待處理客戶信件 (18ms)

[信件 01] 寄件: chen@acme.com | 主旨:「想採購 50 組軟體授權」
[信件 02] 寄件: lin@gmail.com | 主旨:「發票統編開錯如何更換？」
[信件 03] 寄件: wang@corp.tw | 主旨:「下單兩天還沒出貨，很急」

分工心法

① 讀取信件：交給 Python 原生程式碼，0.02 秒讀完 50 封，確定性 100%，零成本。

● STEP 01 / 04: SCRIPT

用好它的心法 · 信任但查核

放手給它做，但一定要親眼查核

小樣本驗證別一上來就叫它改 500 筆！

先給 5 筆做抽檢測試，確認產出格式與邏輯 100% 正確，再放行跑全部。

✕ 盲目全放：一次丟 500 筆，萬一格式錯了全部重來，甚至污染原始資料。

✓ 聰明查核：先抽檢 5 筆確認無誤，放行全跑只花 1 秒，安全又有保障。

VERIFICATION · SAMPLE TEST

> SAMPLE CHECK: items[0..4] (5 of 500 rows)

[Row 1] 格式轉換完成 · 欄位無誤 ✓

[Row 2] 格式轉換完成 · 欄位無誤 ✓

[Row 3] 格式轉換完成 · 欄位無誤 ✓

✔ 抽檢 5/5 全部通過：邏輯正確，已解鎖「⚡ 放行處理全部 500 筆」！

查核心法

查核不是因為不信任 AI，是因為你才是那個最後負責簽名的人。

● SAFETY: TRUST BUT VERIFY

動手第一步

現在，選好你今天的工作資料夾

在桌面新建一個資料夾　取個名字，例如 workshop-今天。或直接用我發給你的 starter 資料夾。

現在就做

用 codex 或 Claude Code 打開它　桌面 App → 開啟資料夾，選剛剛那個資料夾。

現在就做

跟它打聲招呼　問它「這個資料夾裡有什麼」，確認它讀得到裡面的檔案。

現在就做

這個資料夾就是你今天的「工作桌」。每個階梯做出來的東西，都會放進來。這是這章最後一個、也是最重要的一個「現在就做」，做完我們就進階梯 1。