公司在數位化的同時，也在 AI 化，但這兩邊的磨擦感跟進度是不一樣的。 有的時候，我們可以自製程式或系統，裡面同時把 API、MCP都做出來，為的是建立日後可重複使用、可串連的foundation。 有的時候，我們也還是陷在有大量資料沒有從隱性知識 (tacit knowledge)成為數據，甚至還是在非常原始待整理的階段。 這很像是我在學習 AI 的過程： 有時候跑的很前面，在讀 recursive language model 遞迴語言模型的論文，讓AI把它做成一個可實際運用的SKILL。 有時候必須很狼狽的，坐在電腦前好幾個小時，盯著螢幕把上萬筆的資料做人工標註，只為了讓它能夠進到足以被AI接手處理的階段。
▍新聞都這樣說 欸欸欸，聽說以後每個人，每間公司，都可以擁有 AI Agent 來當我們的助手，甚至是當我們的員工！？ 這個現實應該總有一天會到來，而且會比我們想像的還快。 不過，在那之前，我們應該先了解什麼是 Agent。 包含我們日常在使用 ChatGPT，與它對話，或是透過 AI 工具來生成圖片、影像、或是寫程式，它們都算是 Agent 應用的一種，不過這邊想談的，是那種，你派工給它，它會自己分析任務，透過各種過程，完成目標並提供對應的文件或是產品給你的那種
▍每個人做事的方法都不一樣。 你做一件事的順序可能是 A -> B -> C ->Ｄ，有你自己的步調。 另一個人呢，可能是Ａ-> C -> B -> D，也許這兩種方式都可以得到相同的結果。 前面我們講到了SKILL，它可以把我們做事的方法抽取出來，讓AI來執行。 看情況，有些過程或許被我們寫成單一的程式，因為你想要它能夠被「更確定」的做出來。 無論如何，你都已經開始有些小小的，可被使用的材料/元件了。 ▍聰明的你，
▍怎麼辦，AI 真的記不住我要它做的事情。 我在CLAUDE.md 明明就寫的很清楚，「先想清楚文案的範圍，寫出待辦清單，再開始寫文案！！」 對，你沒看錯，我甚至還加了驚嘆號。 都這樣寫了，它不是應該要能夠準確的做到這樣嗎？ 1. 在我說要寫文案的時候，對我提出的文案方向，提出它的看法 2. 跟我討論以後，把定好的方向寫成任務清單，拆解成例如收集資料、讀取分析、用品牌語氣寫出範本 3. 根據範本寫出我要的文案草稿 如果你看完也覺得上面這3點合理，那麼你一定沒有看過我在Day 1寫的… 「你寫進去的東西，它隱隱約約記得； 放在心裡，
AI 直接爬網頁會燒光 token。MCP 像 AI 世界的 USB，讓它從「能聊天」變成「能工作」。
AI 看得懂語意，卻常算錯數字。把數字交給程式驗證，錯誤就從機率變必然。
知識工作不是「做一件事」，而是在拆解與切換之間流動。Skill 把這串心流數位化。
Prompt 是一次性對話，Skill 是把你的工作方法變成可重複執行的系統。
AI 是大腦，Tool Use 是它的手腳。接上工具，它才能看文件、寫程式、讀網頁。
AI 是 Stateless，它不會真的記得你；那些「記得」，都是工程師加上的工具。
