AI Knowledge Archive

--- tags: [AI工具, AI工程, PromptEngineering, Agent架構] date: 2026-06-04 read: false source: "2026-06-04T142325+0800-10 Lifehacks for Using Claude.md" --- # 10 Lifehacks for Using Claude  原始來源與檔名：2026-06-04T142325+0800-10 Lifehacks for Using Claude.md --- ## NAPKIN | 餐巾纸 **一句話：** 讓 Claude 產出高品質結果的兩大核心法則是：「控制它的閱讀範圍」與「賦予它自我檢查的能力」。 ## ROUND 1: SKELETON | 骨架掃描 **核心問題：** 開發者在使用 Claude（特別是在專案與程式碼開發中）時，經常遇到 AI 給錯程式碼、反覆犯錯或忘記上下文的問題，導致效率低下。 **核心答案：** 透過工程化手段管理 Context（包含記憶檔、Skill 模組、清理對話、前置 Prompt）以及建立回饋迴圈（測試、鉤子、子代理程式），來大幅提升 Claude 的準確度與自主性。 **章節骨架：** 1. **上下文與記憶管理：** `CLAUDE.md` 記憶檔、任務間清理 Context、技能模組（Skills）、一次性提供完整提示 (Front-load)。 2. **開發流程控制：** 先探索與規劃再寫 Code、讓 Claude 反向面試你以釐清規格 (`SPEC.md`)。 3. **自主驗證與自動化：** 提供自我檢查方式（如測試集、截圖）、運用子代理人 (Subagents) 進行研究、強制性規則的 Hooks、使用 CLI 工具減輕負擔。 ## ROUND 2: DISSECTION | 血肉解剖 * **隱形假設：** 提示詞 (Prompt) 是一次性的，但在真實專案開發中，Prompt Engineering 應該被「系統化」為檔案 (`CLAUDE.md`, `SKILL.md`, `SPEC.md`) 或是自動化腳本 (Hooks)。 * **邊界條件：** Context Window 不是無限的，且品質會隨內容增加而下降（The "Lost in the middle" effect）。「較短且乾淨的對話」會比「長而雜亂的對話」產出更好的程式碼。 ## ROUND 3: SOUL | 靈魂提取 * **知識連結：** 這些方法與「軟體工程」的觀念高度重合：模組化 (Skills)、單一職責 (Subagents)、測試驅動開發 (TDD 讓模型自我檢查)、文件化 (CLAUDE.md)。 * **深層洞見：** 不要把 AI 當作無所不知的萬能大腦，而是要把 AI 視為一個有健忘症的超級實習生。工程師的職責是建構「護欄」(Guardrails)，透過限制閱讀、強制測試與自動化 Hooks 來確保其輸出品質。 * **行動呼籲：** 在你的每個專案根目錄立即加入 `CLAUDE.md`，記錄專案建置指令與「常見陷阱 (Gotchas)」，並開始習慣把繁雜的探索交由子代理人 (Subagent) 執行。 --- # 10 Lifehacks for Using Claude (Architectural Deep Dive) ## 前言/背景 本文總結了來自 Anthropic 工程團隊與官方文件的 10 個核心實踐，旨在解決開發者與 Claude 協作時容易遇到的上下文污染、反覆修改與開發方向錯誤等問題。核心哲學在於「控制 AI 讀取的內容」與「建立 AI 自我驗證機制」。 ## 章節詳細總結 ### 1. 注入專案記憶 (Give Claude a memory file) 在 Claude Code 模式下，於專案根目錄建立 `CLAUDE.md`。每次對話啟動時它會自動載入。 * **技術細節：** 檔案內應包含專案的「建置指令 (build commands)」與「常見陷阱 (known gotchas)」。在 Web 版本的 claude.ai，可利用 Project 功能上傳程式碼與風格指南。 * **架構思考：** 記憶檔必須**極度精簡**。如果某一行刪除後不會導致 Claude 犯錯，那就該刪除它，因為 Claude 會傾向忽略過於龐大與臃腫的說明文件。 ### 2. 在任務間清理上下文 (Clear context between tasks) Claude 的上下文視窗會保留整個對話歷史，隨著 Token 填滿，輸出的品質會顯著下降。 * **實踐方式：** 在 Claude Code 中執行 `/clear`，或者開新對話。如果在修復同一個 Bug 過程中糾正了 Claude 兩次，請立即清除對話，並將「剛剛學到的錯誤與教訓」寫成新對話的 Prompt。 * **架構思考：** 短而乾淨的 Session 產出的程式碼品質，永遠勝過長而雜亂的 Session。 ### 3. 探索 -> 規劃 -> 寫 Code (Explore, then plan, then code) 直接讓 Claude 寫程式通常會導致方向錯誤。 * **實踐方式：** 啟用「規劃模式 (Plan Mode)」，讓 Claude 先閱讀相關檔案並產出架構規劃。人類工程師審閱並修改規劃後，再放手讓它實作。 * **例外條件：** 對於一行或一句話的簡單修復 (One-sentence fixes)，可跳過此步驟。 ### 4. 透過「技能」模組化教導 (Teach Claude once with skills) 利用 `.claude/skills/` 目錄建立技能檔案。 * **技術細節：** 將特定的開發慣例寫在 `SKILL.md` 中。Anthropic 在生產環境中運行了數百個這類模組。 * **架構思考：** 核心價值在於建立 `Gotchas` (常見陷阱) 區塊。將 Claude 之前在你程式碼中犯過的錯誤記錄下來，它就不會再犯同樣的錯。 ### 5. 建立自我檢查迴圈 (Give Claude a way to check itself) Claude 預設會在「它覺得做完了」的時候停下來。如果不給檢查機制，工程師就會淪為手動測試員。 * **技術細節：** 提供「測試套件 (Test suite)」或「比對用的螢幕截圖」。這能讓 Claude 形成閉環操作：寫 Code -> 執行測試 -> 讀取結果 -> 修復錯誤 (write, run, read the result, fix again)。 ### 6. 將研究任務委派給子代理程式 (Push research into subagents) 當 Claude 探索一個龐大專案時，每讀取一個檔案都會佔用你的 Context Window。 * **實踐方式：** 指示主 Claude 啟用「子代理 (subagents)」去調查問題。子代理會在獨立的 Context 中運作，最後只回傳一個摘要給主對話。 * **架構思考：** 這是隔離關注點 (Separation of Concerns) 在 Prompting 上的應用，確保主對話能保留清晰的思緒以進行核心開發。 ### 7. 利用 Hooks 鎖定不可妥協的規則 (Lock the rules you can't break with hooks) Claude 約有 70% 的機率會遵守 `CLAUDE.md` 的指令，但某些嚴格規範需要 100% 被執行。 * **技術細節：** 建立 Hooks 腳本，綁定在工作流的固定節點。例如：在每次修改後「自動執行 format」，或在 Push 到 Main 分支前「阻擋不符合規範的提交」。 ### 8. 前置你的 Prompt 條件 (Front-load your prompt) Claude Opus 4.8 具有在多輪對話中深化推理的能力，但這會消耗大量 Tokens 與成本。 * **實踐方式：** 在第一則訊息中，就把任務的完整脈絡與邊界條件 (Constraints) 給齊。 * **架構思考：** 用「一次龐大的資訊交換」取代「十幾次瑣碎的來回修正」。這能減少請求次數 (fewer round trips)、降低成本，並在長流程任務中維持系統穩定度。 ### 9. 善用 CLI 工具整合外部服務 (Reach for CLI tools) 透過命令列工具與外部互動是最節省 Token 的方式。 * **實踐方式：** 安裝 `gh` (GitHub CLI)。Claude 可以透過它開啟 PR、讀取 Issues，而不必擔心觸發 API Rate Limits。 * **深層洞見：** 就算 Claude 遇到不懂的 CLI 工具，只要指示它執行 `foo --help`，它就能自己學會如何使用。 ### 10. 翻轉角色：讓 Claude 面試你 (Let Claude interview you) 面對複雜任務，不要急著下指令。 * **實踐方式：** 角色反轉，請 Claude 針對「邊界條件 (Edge cases)」與「架構取捨 (Tradeoffs)」面試你。面試完成後，指示它將你的回答整理成一份 `SPEC.md`。之後開一個全新的對話，以這個 Spec 為基礎開始開發。 ## 總結與結論 (Key Takeaways) 1. **基礎設施即 Prompt (Infrastructure as Prompt)**：將提示詞固化為檔案與目錄結構（`CLAUDE.md`, `.claude/skills/`, `SPEC.md`），讓知識可重複利用且版本控管。 2. **精準控制上下文 (Context Management)**：不要將對話當作垃圾桶。適時清除 Context (`/clear`)，並善用 Subagents 隔離探索期的雜訊，保持主線程專注與乾淨。 3. **自動化驗證迴圈**：與其寫大量防禦性 Prompt，不如提供測試套件與強制執行的 Hooks，讓 AI 有自我修正的客觀標準。 4. **架構師的思維轉變**：使用者應從「下達逐行指令的 Coder」，轉變為「審閱架構、制定規範、設計測試閉環的 Reviewer」，將勞力密集型工作完全交棒。

--- tags: [AI工程, Agent, Workflow, CLI] date: 2026-06-07 read: false source: "2026-06-04T142318+0800-Every Agentic Engineering Hack I Know (June 2026).md" --- # Every Agentic Engineering Hack I Know (June 2026)  原始來源與檔名：2026-06-04T142318+0800-Every Agentic Engineering Hack I Know (June 2026).md --- ## NAPKIN | 餐巾纸 Agentic Engineering 核心公式：Voice (輸入) + `/ce-plan` (生成計畫) + `/ce-work` (多Agent並行執行) + cmux (多工切換) = 10倍生產力。一句話總結：捨棄 IDE，以 plan.md 為核心驅動多代理人協作，並將日常生活與開發流程無縫整合。 ## ROUND 1: SKELETON | 骨架掃描 - **核心問題**：如何將日常開發與繁雜事務交由 AI 代理人處理，達到真正的 Agentic 工作流？ - **核心答案**：全面擁抱終端機（Terminal）與 CLI 工具，透過 Compound Engineering 插件生成與執行計畫，搭配語音輸入、免密碼遠端操控與自定義的 Agent 技能，實現自動化開發與生活助理。 - **論證結構**： 1. 基礎工作流：規劃 (`/ce-plan`) -> 執行 (`/ce-work`) -> 拒絕閱讀計畫。 2. 環境建置：語音輸入 (Monologue/Wispr Flow) + 多工視窗 (cmux) + 預設 Agent 終端。 3. 進階操控：遠端控制 (AgentMail, SSH/Mosh) + 開放全權限 (YOLO 模式)。 4. 知識擴展與應用：整合 Granola 會議紀錄、自建知識庫、以及用 HyperFrames 生成影片。 5. 現實連結與社群：開發 CLI 工具串接現實生活 (Printing Press)、貢獻開源並與社群互動。 ## ROUND 2: DISSECTION | 血肉解剖 - **隱形假設**：使用者具備高容錯的心態（YOLO），願意放權讓 AI 執行高風險操作（例如修改系統配置或繞過確認權限），並依賴快速的反饋循環（如音效提示）來監控執行狀態。 - **邊界條件**：強烈依賴穩定且強大的硬體與網路（提及使用 M5 Max 64GB RAM 且電力消耗極快，以及需要 Mosh/Tmux 處理斷線問題）。且在開放辦公室環境中，語音輸入會面臨社交障礙。 ## ROUND 3: SOUL | 靈魂提取 - **深層洞見**：在多代理人時代，人類的價值不再是「動手做 (Typing)」，而是提供「品味 (Taste) 與訊號 (Signal)」。把「制定計畫的計畫」交給 AI，人類只負責在關鍵節點給予方向修正。 - **行動呼籲**：把重複做超過兩次的事情寫成專屬的 Skill CLI，建立個人的 Agent 知識庫（筆記與會議紀錄），並大膽開放終端機權限以達成真正的自動化。 --- # Every Agentic Engineering Hack I Know (June 2026) (Architectural Deep Dive) ## 前言/背景 本文探討在 2026 年中，如何從傳統的「鍵盤打程式」轉變為「語音驅動、Agent 執行」的 Agentic Engineering 工作流。作者透過捨棄 IDE、擁抱終端與 CLI 技能，解決了開發效率瓶頸與生活自動化問題，並展示了如何利用多代理人並行處理複雜的程式碼構建、知識萃取與生活跑腿。 ## 章節詳細總結 ### 1. 以 `/ce-plan` 與 `/ce-work` 為核心的 Compound Engineering 作者認為開發的 80% 應該是規劃，20% 是執行，而 Agent 的加入讓這件事成真。 - **解決方案與原理**：當有任何靈感、錯誤截圖或 Bug URL 時，立即使用 `/ce-plan`。此指令會在背景啟動多個研究代理人，平行讀取程式碼庫、檢查慣例、搜尋過往解法及外部文件。最終產出一個結構化的 `plan.md`，內含問題描述、解決方案、影響檔案及驗收標準。 - **執行與上下文管理**：使用 `/ce-work` 讀取並執行該計畫。如果上下文爆了（Context Blows Up），只需開新 session 重新指向 `plan.md` 即可繼續，因為計畫本身就是 Checkpoint。 - **關鍵操作**：遇到模糊概念時，先用 `/ce-brainstorm` 釐清，再產生計畫。 ### 2. 不要閱讀 plan.md，把它當作 Agent 的牽繩 - **架構決策理由**：強制要求 AI 寫出 `plan.md` 是為了防止 Agent「偷懶（Lazy）」。有計畫的 Agent 會承諾解決方案並完成驗收標準，沒有計畫則會偷工減料。 - **人類的角色**：人類不該浪費時間閱讀長達 300 行的 Markdown，而是藉由在 Session 中詢問「這計畫的 TLDR 是什麼？」或「為何選擇這方法？」來確認方向。 ### 3. 非程式工作的規劃：為「計畫」制定「計畫」 - **應用場景**：`/ce-plan` 內建通用規劃模式，不僅限於程式碼，亦可用於策略文件、產品規格與競品分析。 - **實戰技巧**：為了防止 LLM 在處理龐大資訊（如整本書的 PDF 與 2 小時會議逐字稿）時偷懶，應該要求它「**先制定一個如何吸收這些資料並產出文件的計畫**」，確認計畫後再開始執行。 ### 4. 語音驅動的極致輸入 (Voice-Pilled) - **原理**：LLM 能根據上下文猜測並填補語音辨識的錯誤，因此使用者可以含糊不清或中途重組句子。 - **工具配置**：Mac 推薦使用 Monologue 或 Wispr Flow 搭配鵝頸麥克風；iOS 則直接使用 Apple 內建語音辨識。 ### 5. cmux 與多視窗並行處理 - **工作流優化**：不依賴單一終端視窗，而是同時開啟 4~6 個 [cmux](https://cmux.com/) 分頁。每個分頁獨立執行一個任務（例如：A 分頁正在規劃、B 分頁正在執行、C 分頁在做網路爬蟲 last30days）。當一個完成時，無縫切換到下一個。 ### 6. 將終端機預設入口改為 Claude Code - **效率優化**：減少切換成本，確保開啟新 Tab 即直接與 Agent 對話。 - **具體設定**： 在 `~/.config/ghostty/config` 中加入 `command = ~/.local/bin/claude-launcher.sh`，指令內容直接執行 `claude --dangerously-skip-permissions`，並在結束後 fallback 回 `zsh`。不使用資料夾分類，全權讓 Agent 自己找專案。 ### 7. 全時遠端控制與 AgentMail 整合 - **無縫漫遊體驗**：透過在 `~/.claude/settings.json` 中設定 `"remoteControlAtStartup": true`，讓你在電腦前啟動的 Session，可以無縫在手機版 Claude App 接續操作。 - **郵件觸發工作**：為 Claude 設定專屬 Email。透過一個監聽 [AgentMail](https://agentmail.to/) WebSocket 的 Daemon，當收到 Allowlist 內的信件時，自動開啟新的 Claude Session 並執行信件內容。 *(開源專案: `mvanhorn/agentmail-to-claude-code`)* ### 8. 啟用危險模式 (YOLO Mode) 繞過權限確認 - **架構決策理由**：當你同時執行 6 個 Agent Session，人類無法成為每個寫入操作的瓶頸（Babysitter）。 - **關鍵配置**： ```json { "permissions": { "allow": ["WebSearch", "WebFetch", "Bash", "Read", "Write", "Edit", "Glob", "Grep", "Task", "TodoWrite"], "defaultMode": "bypassPermissions" }, "skipDangerousModePermissionPrompt": true, "hooks": { "Stop": [ { "hooks": [ { "type": "command", "command": "afplay /System/Library/Sounds/Blow.aiff" } ] } ] } } ``` 此設定繞過安全提示，並利用 `afplay` 音效掛鉤 (Hook) 在任務完成時播放聲音，透過聲音管理多個並行的 Agent 進度。Codex 亦配置 `approval_policy = "never"` 及 `sandbox_mode = "danger-full-access"`。 ### 9. 雙引擎協作：Claude 負責規劃與品味，Codex 負責建置 - **資源隔離**：Claude Code 取消 fast mode 以避免吃光 Max 方案額度；Codex 則全開 `xhigh` reasoning 與 `fast mode`。 - **無縫委派**：透過 `/ce-work --codex` 或 Codex IDE 擴充功能，在不離開 Claude 介面的情況下，將耗時的建置工作扔給 Codex，實現兩個 $200 方案平行運作最大化效能。 ### 10. `last30days`：執行前的情報收集 - **決策輔助**：在執行 `/ce-plan` 前，透過作者開源的 [last30days](https://github.com/mvanhorn/last30days-skill) (使用 ScrapeCreators API) 同時抓取 Reddit, X, YouTube, GitHub 的最新討論。這能補足 LLM 訓練資料過舊的問題，讓生成的計畫基於社群最新知識。 ### 11. 將 Granola 原始會議記錄 (RAW Transcript) 灌入 LLM - **重點心法**：**不要先人為總結**。將長達 90 分鐘的生硬逐字稿（甚至包含點菜閒聊）直接餵給 `/ce-plan`。只要結合你的 Codebase 和過往計畫，AI 就能精準萃取出所需的產品提案，且無視雜訊。搭配 Printing Press Granola CLI 能將歷史紀錄化為結構化數據直接搜取。 ### 12. 人類的價值在於提供訊號 (Human Signal) - **思維轉換**：工程師的工作不再是打字，而是當訊號源。Agent 提供量產能力，人類提供「品味 (Taste) 與方向指引」。如「這段太長了」、「選項二更好，但用選項一的語氣」。擁抱當「大腦」而不是「手」。 ### 13. 用 HyperFrames 與 Markdown 生成影片 - **自動化影音**：利用 [HyperFrames](https://hyperframes.heygen.com/) 將影片構建 HTML 化。工作流變成：Agent 編寫 `script.md` -> 處理動態排版與字幕 -> 渲染為 MP4。影片生成成本降至「一次對話」，使得為 PR 或 README 加入 Demo 變得異常便宜。 ### 14. 用筆記軟體建立 Agent 知識庫 (Personal RAG) - **架構設計**：開放 Agent 存取如 Bear (透過 CLI) 或 gbrain 等筆記工具。過往的計畫、半成品點子都會成為 Agent 的上下文，達成知識的複利累積。 ### 15. 遠端工作的基礎設施 - **網路抗性設計**：使用 [Mosh](https://mosh.org/) 取代傳統 SSH 以對抗網路延遲，避免 Claude Code 回傳的每一個按鍵都卡頓。搭配 Tmux 將工作負載保留在遠端機器（例如 Mac mini），無懼飛機上或旅途中的網路斷線。並用 Agent Cookie 同步本機與遠端的環境變數。 ### 16. Proof: 將 Agent 產出無縫對接給麻瓜同事 - **協作痛點**：非終端機使用者無法理解 `plan.md`。 - **解決方案**：透過 [Proof](https://proofeditor.ai/) 將 Markdown 檔案轉換為文件形式，同事可加上行內評論 (Inline comments)，這些回饋再流回 Agent 工作流，實現「Human-in-the-loop」的良性循環。 ### 17. 封裝你的專屬技能 (Write Your Own Skills) - **高槓桿行動**：任何重複兩次以上的操作，都應該寫成 Skill。不知道怎麼寫時，可以請 Agent 參考 Compound Engineering 的原始碼，仿造寫出新的 CLI 自動化工具。這也是作者產出開源專案 Printing Press 的起源。 ### 20. Printing Press 與 Agent Cookie 串接真實世界 - **生活自動化**：不只寫程式，利用 Printing Press 建立 CLI 封裝生活服務（如：預熱 Tesla、Instacart 買菜、關注 ESPN 比賽進度）。 - **驗證突破**：[Agent Cookie](https://agentcookie.dev/) 允許 CLI 直接借用人類在瀏覽器上的真實登入 Session，徹底解決 Agent 操作第三方服務時遇到的 Auth（認證與密碼）阻礙。 ### 21. 誠實面對 AI 沉迷 (AI Psychosis) - **反思與心態**：Agent 帶來的「神級創造力」像是一場最好玩的電子遊戲，容易使人深陷其中、忽視現實生活與使用者真實需求。作者提醒開發者必須兼顧與家人的連結，並接受「即使只有自己一個用戶也沒關係」的開發初衷。 ## 總結與結論 1. **以計畫為本的工作流設計**：強制拆分「思考規劃」與「機械執行」。透過 `/ce-plan` 生成 `plan.md`，並使用 `/ce-work` 執行，這是確保 Agent 不偷工減料的核心架構。 2. **打破權限與環境邊界**：使用 `skipDangerousModePermissionPrompt` 繞過手動確認、設定 `afplay` 音效掛鉤追蹤進度、並依賴 AgentMail 與 Mosh/Tmux 達成全天候、跨裝置的無縫遠端控制，將系統打造成能並發執行 6+ Agent 任務的自動化工廠。 3. **消除 Auth 摩擦以對接現實服務**：Agent 應用的最後一哩路是驗證。透過 `Agent Cookie` 與 `Printing Press` 將瀏覽器的 Cookie Session 共用給 CLI，使得 Agent 能無縫操作真實世界的應用，從自動開發延伸到生活跑腿。 4. **開發者定位重構 (Code Typist to Human Signal)**：在多代理由建置與研究主導的時代，工程師不再撰寫邏輯細節，而是擔任系統架構師與品質把關者，提供「品味、方向修正與架構驗收」。

--- tags: [Agent架構, AI工具, AI工程, Claude] date: 2026-06-04 read: false source: "2026-06-04T142321+0800-A harness for every task dynamic workflows in Claude Code.md" --- # A harness for every task: dynamic workflows in Claude Code  原始來源與檔名：2026-06-04T142321+0800-A harness for every task dynamic workflows in Claude Code.md --- ## NAPKIN | 餐巾纸 **一句話：** Claude Code 推出了 Dynamic Workflows，能根據當前任務「動態生成」專屬的 JavaScript 腳本來調度多個子代理 (subagents)，解決單一上下文窗口帶來的代理惰性與偏見。 **公式：** Dynamic Workflows = 任務專屬 JS 調度腳本 + 分佈式 Subagents + 隔離工作區 (Worktrees) ## ROUND 1: SKELETON | 骨架掃描 * **核心問題**：單一代理在處理長篇、複雜或需要嚴格驗證的任務時，容易出現 Agentic laziness (代理惰性)、Self-preferential bias (自我偏好偏見) 與 Goal drift (目標漂移)。 * **核心答案**：讓 Claude 在執行時動態編寫自定義的 harness (工作流腳本)，將任務拆解並分配給具備獨立上下文與目標的 subagents。 * **章節骨架**： 1. 應用範例與運作原理 (JS 腳本協調 subagents)。 2. 為何需要動態工作流 (解決三大失敗模式)。 3. 核心調度模式 (分類、扇出、對抗、過濾、錦標賽、迴圈)。 4. 實務應用場景 (重構、研究、排序、Triage 等)。 5. 開發建議與最佳實踐 (Token 預算限制與工作流共用)。 ## ROUND 2: DISSECTION | 血肉解剖 * **隱形假設**：假設拆分任務後，多代理協同的溝通成本與 API 延遲，其帶來的效益遠大於直接使用單一超大上下文模型；假設子代理能精準遵守 JS 腳本分派的微型目標。 * **邊界條件**：動態工作流會消耗極大的 Tokens，對於傳統簡單的開發任務屬於「殺雞用牛刀」，並不適用。同時，它依賴 JavaScript 執行環境與內建工具 (如 Math, JSON 等)。 ## ROUND 3: SOUL | 靈魂提取 * **知識連結**：Map-Reduce 分散式運算 (Fan-out-and-synthesize)；演化與遺傳演算法 (Generate-and-filter / Tournament)；Actor Model 併發模型。 * **深層洞見**：LLM 應用的下一個里程碑是 "Meta-programming of agents" (代理的元編程)——LLM 不僅是寫業務代碼，更能根據任務即時寫出「管理與編排其他 LLM」的架構腳本，實現系統級的動態重構。 * **行動呼籲**：重新檢視目前單一 Prompt 無法完美解決的複雜任務，嘗試將其拆解為對抗性 (Adversarial) 或錦標賽 (Tournament) 模式的動態工作流。 --- # A harness for every task: dynamic workflows in Claude Code (Architectural Deep Dive) ## 前言/背景 這篇文章探討了 Claude Code 的新功能：**動態工作流 (Dynamic Workflows)**。傳統預設的 Claude Code harness (工作環境/調度器) 是針對一般編程任務設計的，要求模型在「同一個上下文窗口」中完成計畫與執行。然而，面對長時間運行、大規模並行或高度結構化的對抗性任務時，單一視窗架構會遭遇效能與準確度的瓶頸。動態工作流允許 Claude 根據任務需求，即時撰寫專屬的 JavaScript 調度腳本，生成多個獨立的子代理來協同解決問題。 ## 章節詳細總結 ### 動態工作流如何運作 (How dynamic workflows work) 動態工作流本質上是執行一段 JavaScript 檔案，其中包含了能夠生成並協調**子代理 (subagents)** 的特殊函數。 * **運行環境**：包含標準 JS 函數 (JSON, Math, Array 等) 來處理資料。 * **智能與隔離度控制**：工作流可以動態決定每個子代理要使用哪個級別的模型 (如 Sonnet 或 Opus)，並決定是否讓子代理在獨立的 **worktree** (工作區) 中運行，以確保環境隔離。 * **中斷恢復**：若工作流被使用者中斷或終端機關閉，重啟會話後工作流能從中斷點恢復執行。 ### 為什麼需要動態工作流？ (Why dynamic workflows) 在單一上下文窗口中處理複雜任務，模型會逐漸暴露出三種致命的失敗模式 (Failure Modes)： 1. **Agentic laziness (代理惰性)**：面對龐大多步驟的任務，Claude 可能在完成部分進度後就提前宣布完工 (例如：安全審查 50 個項目只看了 20 個)。 2. **Self-preferential bias (自我偏好偏見)**：當要求 Claude 根據某個標準來評估「自己」產生的結果時，它會傾向給予偏袒的好評。 3. **Goal drift (目標漂移)**：經過多次對話與上下文壓縮 (compaction) 後，細節如邊緣測試要求或 "don't do X" 的負面約束會逐漸遺失，偏離最初目標。 **解決方案**：透過工作流編排多個具備獨立 context window 的 Claude 實例，給予每個實例專注且隔離的目標。 ### 核心調度模式 (Helpful patterns) 文章歸納了 6 種 Claude 構建動態工作流時常組合的模式： 1. **Classify-and-act (分類與行動)**：先用一個分類代理判斷任務類型，再路由給對應的處理代理。 2. **Fan-out-and-synthesize (扇出與合成)**：將任務拆分為大量小步驟，每個步驟分配一個代理處理（確保無污染乾淨的上下文），最後由一個合成節點等待所有結果並合併輸出。 3. **Adversarial verification (對抗驗證)**：每生成一個執行代理，就同時生成一個獨立的審查代理，針對嚴格的標準進行對抗性檢驗。 4. **Generate-and-filter (生成與過濾)**：發散生成多個想法，然後根據標準或驗證機制進行過濾與去重，只保留最優質的結果。 5. **Tournament (錦標賽)**：生成 N 個代理用不同方法處理同一任務。接著透過一個裁判代理進行「成對比較 (pairwise fashion)」，淘汰直到選出最終贏家。 6. **Loop until done (循環至完成)**：對付未知工作量的任務，不設固定次數，而是根據停止條件 (如：沒有新發現、日誌無錯誤) 循環生成代理直到條件滿足。 ### 實務用例 (Use cases) 動態工作流在非單純編程的複雜任務上表現卓越： * **重構與遷移 (Migrations and refactors)**：Bun 團隊將 Zig 重寫為 Rust 時，為每個修改點 (如失敗的測試、模組) 拆分出 subagent 在獨立 worktree 中修改，並配合對抗性審查合併。*建議限制高資源消耗命令以最大化並行。* * **深度研究 (Deep research)**：扇出多個網頁搜尋，抓取來源後進行對抗性聲明驗證，最後合成帶有引用的報告。 * **排序 (Sorting)**：單一 prompt 排序 1000 行資料會因 context 限制導致品質下降。解法是建立成對比較 (pairwise-comparison) 的錦標賽管線，只有排序順序保存在主上下文中。 * **大規模分流 (Triaging at scale)**：透過「隔離 (Quarantine)」模式，禁止讀取未受信任公開內容的代理執行高權限操作，將權限移交給負責執行的代理。 * **模型智能路由 (Model and intelligence routing)**：建立分類器代理先探索 codebase，若模組複雜則路由給大模型 (Opus)，簡單則路由給小模型 (Sonnet)。 ### 開發與使用建議 (Tips for building dynamic workflows) * **結合系統指令**：可以搭配 `/loop` (定期執行) 與 `/goal` (設定強制完成條件) 使用。 * **設定 Token 預算限制**：多代理併發容易暴量，可在提示中明確宣告 `"use 10k tokens"` 來設定資源上限。 * **共享與復用**：按 `s` 儲存工作流至 `~/.claude/workflows`，或放入 skill 的目錄中透過 `SKILL.MD` 分享給團隊，並提示 Claude 將其視為 Template 動態調整而非死板腳本。 * **何時不該用**：因為會消耗極大 Token 數量，對於一般的編碼任務不該濫用（不需要為一個普通功能找 5 個 AI 評審）。 ## 總結與結論 (Key Takeaways) 1. **突破上下文極限的架構級解法**：動態工作流本質上是利用「分治法 (Divide and Conquer)」與「獨立上下文隔離」，從架構層面解決單一 LLM 處理長任務時的「代理惰性」與「目標漂移」。 2. **設計對抗性驗證 (Adversarial Verification) 消除偏見**：在架構系統時，切忌讓同一個 LLM 實例「球員兼裁判」。應強制分離生成節點與驗證節點，確保客觀性。 3. **動態智能路由 (Dynamic Routing) 的成本最佳化**：利用輕量代理作為前置的 Classifier，根據探勘到的任務複雜度決定後續調用哪種等級的模型，這是企業級 AI 應用控制成本的關鍵策略。 4. **無信任隔離設計 (Quarantine Pattern)**：在處理外部輸入 (如客服信件、Bug Report) 時，將「讀取分析」的代理與「執行高權限動作」的代理在工作流中解耦，實施最小權限原則。 5. **嚴格的 Token 預算治理**：併發 Agent 模型極易引發成本失控，任何動態工作流系統都必須實作或提示明確的 Token 消耗上限 (Budget Cap)。

--- tags: [個人成長, 心智模型, 生產力] date: 2026-06-07 read: false source: "2026-06-04T142258+0800-How to fix your entire life in 1 day.md" --- # How to fix your entire life in 1 day  原始來源與檔名：2026-06-04T142258+0800-How to fix your entire life in 1 day.md --- ## NAPKIN | 餐巾纸 * 一句話：真正的改變並非來自設定表面目標與強求自律，而是透過心理深層挖掘（正反向願景）與持續的行為迭代（控制論）來重塑個人身份（Identity）。 * 公式：改變 = 身份重塑 (Identity Shift) + 控制論迭代 (Cybernetics Feedback Loop) + 遊戲化目標層級 (Gamified Goal Hierarchy) ## ROUND 1: SKELETON | 骨架掃描 * 核心問題：為什麼大多數人的新年新希望或改變人生的嘗試最終都會失敗？ * 核心答案：因為人們只專注於「改變行為」，卻忽略了「改變身份（你是誰）」。行為是目標導向的，而潛意識目標受限於長期的社會與自我條件化。 * 論證結構與章節骨架： 1. 失敗的根本原因：未改變底層身份 (I & II & III)。 2. 心智的層級與智能的定義：從被動接受到主動建構 (IV & V)。 3. 實作指南 (1 Day Protocol)：早晨的心理挖掘、日間的模式中斷、晚間的洞見整合 (VI)。 4. 系統化運行：將人生遊戲化，建立包含反向願景與日常槓桿的防護罩 (VII)。 ## ROUND 2: DISSECTION | 血肉解剖 * 隱形假設：人具備足夠的「能動性 (Agency)」來面對痛苦並改變現狀；且數位時代已提供了充足的「機會 (Opportunity)」。 * 邊界條件：此框架對那些對現狀「尚未感到足夠痛苦或不滿 (Dissonance)」的人無效，因為缺乏啟動改變的內在張力。 ## ROUND 3: SOUL | 靈魂提取 * 知識連結：Cybernetics (控制論)、Mihaly Csikszentmihalyi 的心流理論 (Flow)、Alfred Adler 的目的論 (Teleology)、Maxwell Maltz 的心理控制學、自我發展階段模型 (Ego Development Stages)。 * 深層洞見：低智商的標誌是「無法從錯誤中學習並執著於問題」，高智商（在此情境下）是「獲取你想要的東西的能力」，透過設定目標、感知回饋、修正行為的無窮迭代。你的現狀是因為你的潛意識「想要」這個現狀（為了安全感或逃避評價）。 * 行動呼籲：停止設立表面目標。花一天的時間執行「願景與反向願景」的心理挖掘，設定每日的模式中斷提示，並建立一套包含 1年任務、1個月專案與每日槓桿的遊戲化系統。 --- # How to fix your entire life in 1 day (Architectural Deep Dive) ## 前言/背景 這篇文章解決的核心問題是「為何多數人無法達成真正的自我改變」。作者 Dan Koe 指出，傳統的「新年新希望」或強依賴自律的生產力技巧之所以失敗，是因為它們建立在腐朽的地基上——人們試圖改變行為，卻沒有改變驅動行為的「底層身份 (Identity)」與「潛意識目標」。 ## 章節詳細總結 ### 改變的第一法則：行為跟隨身份 (Section I & II) * **底層邏輯**：改變分為兩個層次，多數人專注於「改變行為（二階因素）」，但真正重要的是「改變身份（一階因素）」。 * **身份重塑**：如果你想獲得某種結果，你必須在達到該結果之前，就先「活出」能產生該結果的生活方式。例如：CEO 並非強迫自己早起，而是他們「無法想像以其他方式生活」；如果你只是為了減肥而暫時節食，一旦達標就會回到舊習慣，最終只是浪費時間。 * **行為的目的論 (Teleology)**：阿德勒 (Alfred Adler) 提出，所有行為都是目標導向的。你無法停止拖延，不是因為缺乏自律，而是你的潛意識目標是「保護自己免受作品發表後的評價」。你留在沒前途的工作，是為了追求安全感和不被視為失敗者。真正的改變需要改變潛意識的目標視角。 ### 身份的解剖學與防禦機制 (Section III) * **身份迴圈 (Anatomy of Identity)**： 1. 渴望達成目標 2. 透過目標的濾鏡感知現實 3. 只注意到能達成目標的「重要」資訊 (學習) 4. 採取行動並獲得進度回饋 5. 重複行為直到自動化 (條件化) 6. **該行為成為你認為自己是誰的一部分 (「我是那種...的人」)** 7. **為了維持心理一致性而防禦該身份** 8. 你的身份形塑新目標，重啟迴圈。 * **破局點**：你必須在步驟 6 和步驟 7 之間打破循環。當你的「身份」受到威脅時，大腦會像身體受到物理威脅一樣進入「戰鬥或逃跑 (Fight or Flight)」模式。這就是為什麼人們會死守著對自己有害的信念、意識形態或職業身份（例如自認只是個玩家或員工）不放。 ### 心智層級與智能的重新定義 (Section IV & V) * **心智發展 9 階段**：人的自我發展從衝動 (Impulsive)、自我保護 (Self-Protective)、從眾 (Conformist)，演進到自我意識 (Self-Aware)、個人主義 (Individualist)、戰略家 (Strategist)，最終到建構意識 (Construct-Aware) 與合一 (Unitive)。多數尋求改變的人處於 4 到 8 階段之間，開始意識到內在與外在的不一致。 * **智能 = 獲取所求的能力**：Naval Ravikant 定義智能為「從生活中獲得你想要的東西的測試」。成功的配方 = 能動性 (Agency) + 機會 (Opportunity) + 智能 (Intelligence)。 * **控制論 (Cybernetics)**：高智能系統具備控制論的特徵：設定目標 -> 採取行動 -> 感知現狀 -> 比較落差 -> 根據回饋再次行動。低智能的標誌是「無法從錯誤中學習」，遇到阻礙就放棄；高智能則明白任何問題只要時間夠長都能解決，並持續迭代。 ### 一日人生重啟協議 (1 Day Protocol) (Section VI) 作者提供了一個具體的實作框架，利用一天的時間突破心智限制，快速進入改變的三個階段（失調 Dissonance -> 不確定 Uncertainty -> 發現 Discovery）： * **早晨：心理挖掘 (Psychological Excavation)** * **反向願景 (Anti-Vision)**：深入挖掘現狀的痛苦。「如果未來五年什麼都沒變，你的普通星期二會是什麼樣子？」「如果你的行為是一種自我保護，你到底在保護什麼？代價是什麼？」找出你為了安全感而付出的代價，將這種厭惡感轉化為動力。 * **最小可行願景 (Minimum Viable Vision)**：拋開現實限制，寫下你真正想要的生活，以及你必須具備什麼樣的信念（「我是那種...的人」）。 * **日間：中斷自動駕駛 (Interrupting Autopilot)** * 設定多個隨機鬧鐘（如 11:00am, 3:15pm, 7:30pm），迫使自己中斷慣性思考。 * 提問範例：「我現在正在做的事，是在逃避什麼？」、「今天我做的事情中，有哪些是出於身份保護而非真實渴望？」 * **晚間：洞見整合 (Synthesizing Insight)** * 找出真正的敵人（內在模式與信念，而非外在環境）。 * 寫下濃縮版的反向願景（絕對不允許生活變成那樣）與願景 MVP。 * 建立三種時間維度的視角： 1. **1年視角**：一年後必須實現的具體突破點。 2. **1個月視角**：為維持1年目標，這個月必須達成的事。 3. **每日視角**：明天要時間區塊化 (timeblock) 的 2-3 個行動。 ### 將生活遊戲化 (Gamify Your Life) (Section VII) 引入 Mihaly Csikszentmihalyi 的心流理論，將上述洞見組織成一個同心圓防護罩，隔絕干擾： * **Vision (願景)**：遊戲的**勝利條件 (Win)**。 * **Anti-vision (反向願景)**：遊戲的**賭注 (Stake)**（如果放棄會怎樣）。 * **1 year goal (1年目標)**：主要**任務 (Mission)**（你人生的唯一優先事項）。 * **1 month project (1個月專案)**：**Boss 戰 (Boss fight)**（獲取經驗值與技能）。 * **Daily levers (每日槓桿)**：日常**任務 (Quests)**（解鎖新機會的日常過程）。 * **Constraints (限制條件)**：遊戲**規則 (Rules)**（鼓勵創造力的限制，不願妥協的底線）。 ## 總結與結論 1. **先成為，後擁有**：不要等到達成目標才改變生活方式。必須先在身份與日常行為上「成為」那個已經成功的人，結果才會自然發生。 2. **直面潛意識的防禦**：你之所以無法改變，往往是因為潛意識正在追求「安全感」或「免於被評價」，承認並剖析這些隱藏目標是打破僵局的第一步。 3. **運用負面驅動力**：「反向願景 (Anti-vision)」比正向願景更能提供改變初期的強大推動力。明確定義你絕對不想落入的未來，將恐懼轉化為行動的燃料。 4. **將回饋循環視為智能的展現**：放棄線性思維，採用「控制論 (Cybernetics)」的思維模式。遇到阻礙不代表失敗，只是系統迭代過程中的感知與修正環節。 5. **強制模式中斷**：僅靠早晨的日誌是不夠的，必須在日常中設定「隨機提問」，強制大腦脫離自動駕駛狀態，確保行為始終與新身份對齊。