跳转至

學習日誌

這是我建構 AI Agent 過程中累積的經驗筆記，涵蓋 Claude Code、Claude Agent SDK 與 Model Context Protocol — 什麼有效、什麼失敗，以及我現在最常用的模式。

我在建構 AI 驅動工具與工作流程時累積的筆記、實驗和心得。大部分來自 2025–2026 年的 OpenClaw 專案，以及日常 Claude Code 的零散使用。剛接觸的讀者可以先看 Claude Code 入門。

目的

這本日誌主要寫給自己：記錄什麼有效、留意跨專案重複出現的模式，順便讓其他人少踩幾個我已經踩過的坑。

近期記錄

Prompt 工程觀察

  • 結構化 prompt 勝過冗長的散文。JSON/YAML 約束比單純自然語言描述更可靠。
  • 把測試當預言機很好用，先把預期行為寫清楚，模型就比較不會漂移。
  • 小而可驗證的步驟，比一次丟一個龐大任務好太多。

工具整合經驗

  • 基於檔案的狀態被低估了。外部記憶（檔案、git）比依賴上下文視窗可靠。
  • MCP 讓上下文共享變簡單許多，它把 Agent 讀取外部狀態的方式標準化了。

多 Agent 模式

以下實務筆記可以搭配 多 Agent 系統概述一起讀：

  • 一個協調者加上幾個專注的子 Agent，是我目前最常用的組合。
  • 共享狀態需要紀律。沒有結構化格式，Agent 不是重複工作就是互相打架。

正在探索

  • [ ] 用於生產工作流程的 Claude Agent SDK
  • [ ] 評估驅動的技能開發
  • [ ] 具有檢查點/恢復功能的長時間運行 Agent

相關文章