AGENT SKILL 一日工作坊 · 先備知識
動手之前，我把最底層的九塊磚頭一層一層疊給你看。疊到頂端那一塊，就是你今天要親手做的 Skill。
第一層
LLM（大語言模型）做的事極其樸素：看著你給的字，猜下一個最可能的字，猜完接上去，再猜下一個。
Large Language Model，大語言模型。ChatGPT、Claude、Gemini 背後都是這種架構。它是整座九層塔的地基。
看你給的文字，猜下一個字。猜完接上去，再猜下一個。一個字一個字吐，永遠在做這同一件事。
理解這一點，你就不會神化它，也不會怕它。它不是魔法，是個會接龍的工具。今天我們要做的，是把這個工具導引到你的工序上。
接龍拆解
第二層
中間有個翻譯官叫 Tokenizer，負責把你的文字切塊、轉成數字餵給 AI。AI 吐出數字後再轉回文字。那一塊一塊的單位，就叫 Token。
一句話被切開的樣子
翻譯官的工作
每一個切片，都對應一個數字 ID（Token ID）。AI 看到的不是文字，是這一串數字。這個例子剛好一字一塊，但 token 不一定等於字 ── 下一頁就見反例。
重要陷阱
平均換算：1 個 Token ≈ 0.75 個英文字 ≈ 1.5–2 個中文字。用字數估 Token 數，常常低估。連到今天：API 按 Token 收費，叫 AI 讀一整份大手冊很貴。
第三層
大家以為跟它聊過、它就記住了。其實模型是無狀態（stateless）：每一次請求都重置回同一個空白，把整段對話從頭重讀一次。
它像記得前文，是因為程式每次都把對話歷史重新餵進去。沒餵進去的，它一個字都不知道。
這整包每次重新餵進去、攤開給它看的東西，就叫 Context（上下文） ── 像一張桌子，沒攤上去的，它看不到。
Context Window
桌子的大小上限叫 Context Window。主流模型現在約 100 萬 Token，等於一整套哈利波特全集攤得下。
桌子不是越滿越聰明。攤太多東西，AI 的注意力會被稀釋，開始跳步、忘記前面交代的規則。
Context 容量比例示意
記住這張桌子。等一下講到 Skill，你會看到一個聰明的設計，專門省這張桌子。
第四層
沒那麼玄。你在對話框裡打的那一句話，就是一個 Prompt。
一句問題或指令。例：「幫我寫一封感謝信，對象是客戶小明，語氣專業。」
把你的 Prompt 加上 Context 裡的所有資訊，一個字一個字猜出來。
一封感謝信。你的 Prompt 講得多清楚，輸出就多到位。
Prompt 是你唯一能控制的輸入。講得清楚，AI 就能做出你要的東西。
兩種 Prompt
「你是一位耐心的數學老師，絕對不能直接給答案，要引導學生自己想出來。」
「3 加 5 等於幾？」
輸出：「你覺得先把 3 個蘋果放到桌上，再放 5 個，一共幾個？」
同樣的問題，因為背後有 System Prompt，AI 的回答完全不一樣。
Prompt Engineering
「幫我寫文章」
「針對 30–40 歲媽媽族群，寫一篇 300 字的 IG 文案，推廣暑假親子課程，語氣溫暖帶行動呼籲。」
把這 5 件事先想清楚，AI 就不用猜 ↓
模型越來越聰明，你說得模糊它也能猜。但想清楚你要什麼，永遠比背技巧更重要。
等一下做 Skill，description 寫得好不好，就是這門功夫的應用。
先講痛點
你問 AI「今天台北天氣怎樣」，它只會說「抱歉我查不到即時資訊」。它就是個文字接龍機器，沒有手、沒有眼睛。
這不是 AI 不夠聰明，是它天生的設計限制。打破這道牆，才是下一頁要講的事。
Tool 的本質
平台＝Claude Code 等 · 大模型＝Claude／GPT · 天氣工具＝外部服務
Tool 就是 AI 伸出去的手。今天階梯 6 用 serper 查 Google、階梯 8 用瀏覽器抓競品，那些都是 Tool。
別怕這個詞
你不用進廚房，照菜單說「我要一號餐」，窗口就把餐遞出來。這就是 API。
連到今天
API Key 就是「點餐資格卡」。申請到卡，窗口才理你。這就是課前要你申請的原因。
你的 Skill 就是那台開進得來速的車。它知道怎麼對哪個窗口說什麼，把資料拿回來給大模型用。API Key 就是資格卡，有卡才有資格點餐。
痛點
工具要能被 AI 使用，得先「接入」平台。問題來了：每個平台各有一套規範。
天氣查詢
Notion、Slack…
同一個工具，接到 ChatGPT 照一套寫、接到 Claude 又一套、接到 Gemini 再一套。工程師寫到崩潰。這就是 MCP 出現之前的接入規範地獄。
MCP 是什麼
同一工具要寫三套規範。每增加一個 AI 平台，就多寫一遍。
只寫一次。所有支援 MCP 的 AI 平台，全部能用。
MCP 全名 Model Context Protocol（模型上下文協定）。名字很學術，你把它記成「工具接入的統一規範」就好。一條線取代三條線。
一個比喻
以前每支手機配一條不同的充電線。Type-C 出來之後，一條線接所有裝置。MCP 對工具接入做的事，跟 Type-C 一模一樣：統一規格，一次寫通。
連得上 GA4 是 MCP 的事；連上後怎麼判斷一個關鍵字健不健康，是 Skill 的事。
能連到廚房，不等於做得出好菜。菜好不好，靠食譜。這也是為什麼今天重點在教你寫 Skill，而不是教你裝一堆工具。
Agent
你說一句意圖。它自己想步驟、自己連續呼叫工具、自己把事做完。
你今天用的 Claude Code，就是一個 Agent。你只下意圖，它自己規劃步驟、自己呼叫工具、自己把事跑完。
主角登場
Agent 很強，但它不知道你的私人規則。每次重打很煩。Skill 解這個問題。
每次都要重打規則：輸出格式、語氣、流程、限制條件。打完還要確認它有沒有漏讀。
規則提前寫進 Skill，以後只說一句「出門助手」，它就自動照你的規矩辦，不用每次重講。
超能力外掛卡。 平常收著不佔位置，要用才抽出來。一份 Markdown 檔，就是你給 Agent 的完整說明書。
解剖一份 Skill
名字 + 描述。告訴 Agent 這個 Skill 叫什麼、什麼時候該用它。這是 Agent 平常看到的全部。
步驟與規則。告訴 Agent 接到這個任務要怎麼做，細節全在這裡。只有描述「命中」了才會被翻開。
SKILL.md 大寫是接頭暗號。 檔名必須大寫，名字錯系統就不認。一個資料夾、一份 SKILL.md，僅此而已。
最聰明的設計
還記得 Context 那張有限的桌子嗎？這個設計專門省桌子。
Progressive Disclosure（漸進式披露）。 掛一百個 Skill 也不會塞爆桌子。不需要的內容不上桌，省 Context、省錢。
接下來做什麼
接下來十個階梯，你會把最煩的 SEO 工序，一個一個變成一句話就跑完的 Skill。
↑ 你今天學的九個概念，全疊在這座塔上 ── Skill 就站在最頂端。
把最煩的 SEO 工序一個一個變成 Skill，最後做出一個用你自己風格寫作的 Skill。我們開始。
九層收斂
你不用懂怎麼造腦造手。你只要學會寫最頂層那份說明書。 我們開始。