Agent 的上下文工程:文件是共享記憶,也是邊界
讓 Agent 做對事情的關鍵,不是把所有內容塞進 prompt,而是把目標、限制與狀態放在可找到的位置。
從專案文件、Agent Skill 設計與評測,到用 CI 和 script-gated workflow 把 AI 協作變成可驗證的工程流程。
讓 Agent 做對事情的關鍵,不是把所有內容塞進 prompt,而是把目標、限制與狀態放在可找到的位置。
一段 prompt 只有在觸發、資源、權限與驗證都被設計好時,才稱得上可重用的 Agent Skill。
AI 能把迭代速度拉高,卻不會自動知道專案的目標、限制與歷史;本文拆解文件如何成為人與 agent 共用的邊界、共享記憶與驗證介面,並介紹 doc-architect skill 的實務工作流。
深入拆解 Agent Skill 的觸發、工作流、資源與驗證設計,並以 eval、失敗分類、人工審核及版本治理建立可稽核的自我提煉與升級迴路。
從一次把 SKILL.md 從 302 行砍到 159 行的真實重構出發,對照 Anthropic 的 Claude 5 context engineering 六條新規則,說明哪些規則該交給模型判斷、哪些不變量必須編進 script 與工具介面。
一次 doc-architect 重構加進整個 CONTEXT.md 模組,SKILL.md 卻從 225 行降到 216 行。拆解文件的三層機器保證——長度預算與棘輪、術語裁決的權限邊界、Fresh Session Test 的獨立驗收。
從內容管線的專用 Lottie workflow 出發,拆解如何把 motion brief、portable profile、CanvasKit 預覽與決定性驗證整理成可跨專案使用的 lottie-maker Agent Skill。
從觸發描述、資訊階層與 progressive disclosure 出發,拆解 Prompt 紀律派如何以少而準的文字讓 Agent 維持可預期的工作流程,以及它不能取代介面保證的地方。
從 schema、工具參數、狀態機、dry-run 與驗證閘門出發,拆解介面保證派如何在程式中落實 Skill 的不可逆邊界,以及這些保證仍然無法涵蓋的地方。