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。
Agent 與協作
- Agent 與協作OpenAI dot 怎麼用？從實作整理的交辦、接續與驗收方法把研究、內容規劃與網站修改交給 OpenAI dot 後，我整理出交辦、接續與驗收三步方法，附可改寫的任務模板與網站填寫例，說清楚既有決定怎麼接續、成果怎麼檢查。
- Agent 與協作Agent 不只是 LLM：State、Tools、Memory 如何組成可運作系統Agent 不只是 LLM 加 Tool。理解 State、Context、Memory、Retrieval、Tools 與 Agent Runtime 如何組成可持續運作的閉環，以及為什麼 system truth 不該只存在模型文字裡。
- Agent 與協作Action Space、Permissions、HITL、Stop Conditions：怎麼讓 Agent 有能力但不失控Agent 有能力不代表可以隨便行動。從 Action Space、Least Privilege、Runtime Permission、Human-in-the-Loop、可逆性、Budget 到 Stop Conditions，理解如何讓 Agent 在明確邊界內可靠執行。
- Agent 與協作Agent 的權限、批准、停止條件與還原怎麼分開設計？先縮小資料與動作權限，再把外部寫入放到人工批准點，補上停止條件與可驗證的還原路徑。
- Agent 與協作AI Agent Definition of Done：如何定義完成條件可靠的 AI Agent 不靠更流暢的回覆，而靠可觀察的完成條件。從任務、結果、失敗案例到人工校準，建立可維護的驗收方法。
- Agent 與協作Agent Harness 是什麼？從 Claude 公開資料理解可驗證的 AI 工作流從 Claude 公開工程資料整理：Agent Harness 定義資料、工具、停止條件、權限與可回看紀錄，讓 AI 工作流可驗證。
- Agent 與協作AI Agent 驗收：為什麼「完成」不等於任務完成AI Agent 的回覆、產物、驗收結果與真實任務完成是不同層次。用四層完成定義，避免把流暢文字誤當成可靠交付。