AI 工作流與團隊
整理工作流程、資料與責任，讓方法能穩定重跑並交給同事。
把單次做法變成可重複、可交接的方法
推薦閱讀
AI 工作該放在專案、資料夾，還是新的對話？
先讓專案、檔案和對話各有職責，重要結果有正式位置。
所有文章
- Agent 與協作Claude 如何區分 Prompt、Skill、Tool 與 Subagent？依 Claude 公開資料整理：用三個問題分辨一次性 Prompt、可重用 Skill、Tool/MCP 資料連線與獨立 Subagent。
- Agent 與協作Claude 的多 Agent 建議：什麼時候該拆任務？依 Claude 公開的多 Agent 資料整理：用資料污染、真正平行與獨立驗證三個訊號，判斷何時該拆、何時先把單一 Agent 做好。
- Agent 與協作從 Claude 公開工程資料，建立可靠 Agent 工作流整理 Claude／Anthropic 公開的 Agent 工程資料：Harness、多 Agent、Skills、驗收與人類關卡，並說明它們如何組成可驗證工作流。
- 知識與記憶管理AI 產出不是知識：用候選層與人工審核守住知識庫不要把每次 AI 輸出直接寫進知識庫。用候選層保留來源、範圍、不確定性、敏感度與人工接受決定。
- Agent 與協作避免 Agent 膨脹：何時該用 Task、Board、Skill 或 Profile新題目不必等於新 Agent。用五個問題判斷該選 Task、Board、workspace、Skill 或 Profile，並理解 Profile 不是安全隔離。
- Agent 與協作個人與工作 AI 系統如何分離：用最小資訊完成必要交接個人與工作 AI 可採平行入口。了解最小資訊交接、Memory 寫入核准，以及 Profile 不等於完整安全隔離的原因。
- Agent 與協作多 Agent 工作入口：從 Dispatcher 到 Work Chief of Staff模糊工作不應立刻硬派。用釐清結果、辨識未知、選擇最小結構與明確派工，建立責任清楚的工作入口。