← 回到學習地圖
R5

打造自動化

從「我用 AI」到「AI 替我值班」

Agency・設定一次,AI 獨立執行

終點站也是新的起點:你設定好之後,AI 自己跑。重複教的事寫成技能,例行工作排程自動執行,大任務拆給多個 AI 分工。

這一站解鎖

技能點詳解

每個技能點先給重點(讀這個就夠用);想深入的話,展開看完整說明與實作步驟

01

Skills:教一次,用一輩子

把「每次都要重講的公司規矩和固定流程」寫成一個 Skill,之後 AI 遇到相關工作會自動照做,不用你每次從頭交代。等於幫 AI 建了一本「我們公司怎麼做事」的內部手冊。

  • Skill 是一包「怎麼做」的操作說明:把某類工作的步驟、規矩、範本打包起來,AI 判斷到相關任務就自動套用。
  • 適合做成 Skill 的是「流程」,不是「知識」:每次都一樣的做事方法(報表格式、品牌語氣、驗收清單)適合;一次性的背景資料不適合(那是 Project 的事)。
  • 不用寫程式:直接用聊天的方式請 AI 幫你把流程整理成 Skill,它會處理技術細節,你只要把規矩講清楚。
  • 建一次、無限次重用:以後每次相關工作都自動照同一套標準跑,品質穩定、不會漏步驟、不會每個人做出來都不一樣。
  • 可以慢慢養:Skill 不是一次就要寫完美,用一陣子發現哪裡不對,再請 AI 改就好。
深入研讀 · 實作步驟 收合

先講白話:Skill 就是一份「這類工作要照這樣做」的說明書,交給 AI 保管。你在絲萬萬每天都在重複同一批交代——「日期要寫成 2026/07/05 這種格式」「標題不要用問號」「報表最後一欄一定要放合計」「寫貼文語氣要親切但不能太浮誇」。這些話你今天講、明天還要再講,換一個對話又要重講一次。Skill 就是把這疊「每次都要唸的規矩」寫下來一次,之後 AI 一碰到相關工作就自動翻出來照做。官方的比喻是「專業能力包」——你其實已經在用了:當你請 AI 幫你做出一份 Excel、PowerPoint 或 PDF,背後就是內建的 Skill 在幫它把檔案做得漂亮,只是你沒察覺。真正的威力在於你可以做「自己公司專屬的」那種。

最重要的判斷是:什麼該做成 Skill,什麼不該。一句話分辨——Skill 存的是「怎麼做」(流程),Project 存的是「是什麼」(知識)。你們公司的品牌介紹、客戶名單、過往案例,這些是「參考資料」,放進 Project 讓 AI 隨時查;但「每份社群貼文要照這五個步驟寫、用這種語氣、結尾一定加行動呼籲」這種每次都一樣的做事方法,就是 Skill。判斷準則很簡單:如果這件事你會對每個新同事講一樣的話、如果它是一套「照著跑」的固定步驟、如果你希望不管誰來做結果都長一樣——那就適合做成 Skill。反過來,只用一次的臨時要求、會一直變的資訊、或需要你當下判斷的決策,就不要硬塞進 Skill。

怎麼生出一個 Skill?最省事的方法是「用講的」。你不用開檔案、不用寫任何程式碼,直接跟 AI 說「我想把我們寫月報表的流程做成一個 Skill」,它會反過來訪談你:這個流程要達成什麼?做得好的長什麼樣?什麼時候會用到?你把平常怎麼做講一遍,如果手邊有範本檔、格式範例、品牌規範,一起丟給它參考,它就會幫你整理成一份結構清楚的 Skill 存起來。技術上這份東西叫 SKILL.md(一個純文字說明檔),但你完全不必知道它裡面長怎樣——你只要負責「把規矩講清楚」,格式的事交給 AI。

養 Skill 是一個持續的過程,不是一次定生死。第一版通常七八分像,實際用幾次就會發現「啊它還是會漏掉合計那欄」或「語氣還是太正式」,這時候直接請 AI「幫我改一下這個 Skill,補上……」它就會更新。這其實是一種投資思維:你花二十分鐘把一個每週都要做的流程寫成 Skill,往後每一次都省下重新交代的時間,而且品質不再看你當天有沒有記得提醒。對絲萬萬這種「重複性行政與行銷工作很多」的環境,這正是把「只有 kaiwu 會弄」變成「規矩寫在 Skill 裡、誰來都做得對」的關鍵一步。

實作步驟

  1. 挑一件「你每次都要重講」的事 從最煩的開始。挑一項你每週至少做一次、而且每次都要對 AI 交代同一批規矩的工作,例如每月業績報表整理社群貼文撰寫會議記錄格式化。一次只做一個,別想一口氣把全公司流程都寫進去。
  2. 確認它是「流程」不是「資料」 問自己:這是一套「照著跑的步驟」,還是「一份參考資料」?步驟 → 做成 Skill;資料(公司簡介、客戶清單)→ 放進 Project。搞錯這一步,Skill 會又肥又難用。
  3. 開新對話,請 AI 幫你把流程做成 Skill 直接說:我想把「每月業績報表整理」做成一個 Skill,請你先問我需要的問題。讓它來訪談你,比你自己空想著寫更完整。
  4. 把規矩講清楚,附上範本 回答它的提問時,把「做得好長什麼樣」講具體:欄位順序、日期格式、語氣、絕對不能出現什麼。手邊有做好的範例檔(Excel、範本文件)就一起上傳,它會照著抓你的標準。
  5. 存下來,然後實測一次 請 AI 產生並儲存這個 Skill 後,馬上拿一筆真實工作測試:不再交代任何規矩,只說「幫我整理這個月的報表」,看它有沒有自動照你的標準做。
  6. 用幾次、發現不對就請它改 哪裡漏了、哪裡語氣不對,直接說幫我更新這個 Skill,之後合計那欄一定要放最後。迭代兩三輪,它就會愈來愈貼近你要的。

例子:每月業績報表

這樣寫

每個月你都要對 AI 重講一遍:「日期寫成 2026/07 格式、店別照北中南排、每區要小計、最後一列放總計、金額用千分位、不要幫我加註解」——講漏一句就要重做,換人做又是另一種樣子。

改成這樣

把這套規矩做成一個「業績報表整理」Skill 後,你只要說「幫我整理這個月的報表」,它自動照全部格式做出來。下個月、換同事來按同一句話,結果都一模一樣。

常見踩雷

  • 把一次性的背景資料(公司簡介、客戶名單)硬做成 Skill——那是 Project 的工作,塞進 Skill 只會讓它臃腫難維護。
  • 想一口氣寫一個「什麼都會」的萬能 Skill。愈想包山包海愈不準;一個 Skill 專心做好一類工作。
  • 第一版不完美就放棄。Skill 本來就是養出來的,用幾次再修,比一開始想寫到完美有效率得多。

深入來源:Claude 101・Working with skills

02

Connectors / MCP:接上你的真實系統

讓 AI 走出對話框,直接連上你每天在用的工具——Google 雲端硬碟、試算表、Gmail、公司資料庫——直接讀你的真實資料、甚至幫你更新。不用再複製貼上,AI 從「聊天助理」升級成「能實際動手的同事」。

  • 連接器(Connector)= AI 和你工具之間的橋:接上之後,AI 能直接搜尋、讀取、有些情況還能幫你更新你在 Google 硬碟、Notion、Slack 等工具裡的真實資料。
  • MCP 是這座橋的共通規格:可以把它想成「AI 界的 USB-C」——一個統一插槽,任何工具照這規格做一條線,就能插上 AI。
  • 省掉最煩的複製貼上:以前要把資料從試算表複製出來貼進對話,現在 AI 直接去讀,資料永遠是最新的、也不會貼錯行。
  • AI 只看得到「你本來就看得到」的東西:接上你的信箱不等於它能看老闆的信箱——權限跟著你的帳號走。
  • 安全是重點:只接信得過的來源、給最小必要權限、隨時可以撤銷,接「能寫入/能改資料」的工具要特別謹慎。
深入研讀 · 實作步驟 收合

影片來源:Anthropic《Claude Code 101》· 在 YouTube 觀看原片

先講對你有什麼用。到目前為止,AI 再聰明也被關在對話框裡——它看不到你的 Google 試算表、讀不到你雲端硬碟的檔案、進不了公司資料庫,所以你得當「人肉搬運工」:把資料複製出來貼進對話、它回你之後再複製回去。連接器就是把這道牆打通——接上之後,AI 可以直接去你的工具裡搜尋檔案、讀資料、分析數字,有些工具還能反過來幫你新增或更新紀錄。官方一句話點破:連接器讓 AI 從「助理」變成「知道你狀況的協作夥伴」,因為它終於能碰到你每天在用的真實資料,不必每次從零開始。

那 MCP 是什麼?MCP(Model Context Protocol,模型情境協定)是連接器背後的「共通規格」。用個好懂的比喻:以前每種裝置都有自己的充電線、彼此不通,很麻煩;USB-C 出現後變成一個統一插槽,什麼都能插。MCP 就是「AI 界的 USB-C」——它訂了一套統一的接線標準,任何工具(Google 硬碟、資料庫、你們公司內部系統)只要照這規格做一條「MCP 連接線」,就能插上 AI 直接對話。你完全不需要懂它技術上怎麼運作,只要知道:因為有這個共通標準,AI 才能一致地接上五花八門的工具,而不是每接一個都要重造輪子。對非工程師來說,你會遇到的多半是別人已經做好的連接器,你只要點「連接」就好。

實際怎麼用?連接器分兩種。一種是雲端服務連接器,接的是網路上的服務——Gmail、Google 硬碟、Notion、Slack 這類;到官方的連接器目錄(claude.ai/directory)或在對話框左下角的「+」裡找到你要的工具,按「連接」,它會跳到那個服務的登入頁請你登入、並列出「AI 想要哪些權限」讓你確認,同意後就接上了。另一種是桌面擴充,跑在你自己電腦上的 Claude 桌面版程式裡,能讓 AI 讀你電腦本機的檔案、操作本機程式。接上之後,你就能直接說「幫我找我們討論廠商合約的那封信」「把上週產品會議的筆記整理成摘要」「這個月超過一千元的交易列給我看」——AI 會實際去對應的工具裡撈資料回答你。

這一步威力大,責任也跟著大,所以安全要擺前面講。核心觀念有三個。第一,權限是分層、可挑的:連接時它會列出要哪些權限,你可以只給讀取、不給修改;能不給的就別給。第二,AI 看得到的範圍等於你的範圍:接你的公司信箱,它只能看你自己收得到的信,看不到別人的——它不會因為接上就有超越你本人的權限,這點可以放心,但也提醒你「你自己看得到的敏感資料,接上後 AI 也讀得到」。第三,隨時可以斷:在設定裡或那個服務自己的安全設定裡,一鍵就能撤銷連接。最後一個原則跟 Skill 一樣——只從信得過的來源安裝連接器,看不懂的來路不明連接器不要接,尤其牽涉客戶個資、財務、能「寫入/修改」真實資料的系統,接之前先確認清楚它會做什麼。

實作步驟

  1. 先列出「你最常在哪個工具搬資料」 想想哪件事讓你一直在複製貼上:是每天在 Google 試算表撈數字?在 Gmail 翻信找決議?在雲端硬碟找檔案?從最痛的那一個開始接,最有感。
  2. 到連接器目錄或「+」找到那個工具 claude.ai/directory,或在對話框左下角按 + → 連接器,找到你要的服務(Google 硬碟、Notion、Slack 等)。
  3. 按「連接」並登入你自己的帳號 連接 後會跳到該服務的登入頁,用你平常的帳號登入。這是在告訴那個服務「我授權 AI 用我的身分存取」。
  4. 看清楚權限再授權——能不給寫入就別給 登入後它會列出 AI 要的權限。逐條看:只是要它幫你查資料,就別勾「修改/刪除」。給最小必要的權限,之後不夠再開。
  5. 接上後先測一個安全的小問題 回到對話問一句不會改到任何東西的:你現在能讀到我的 Google 硬碟嗎?列三個最近的檔案給我看。確認真的通了、而且撈到的是對的資料。
  6. 從「唯讀」任務開始用,寫入類的先人工覆核 先讓它做讀取、彙整、摘要這類不會動到資料的事。等你信任它的判斷後,再讓它做「更新紀錄」這種寫入動作——而且初期每次都自己再檢查一遍。

例子:每週業績彙整

這樣寫

每週一,你打開 Google 試算表,把上週各店數字一欄一欄複製,貼進對話請 AI 算成長率、寫成摘要,它算完你再把結果複製回另一個檔案——來回二十分鐘,還常常貼錯欄。

改成這樣

把 Google 硬碟接上後,你只說「讀上週業績試算表,各店算成長率、寫成一段摘要」,AI 自己去讀最新資料、算好給你。資料永遠是最新版,不用搬、不會貼錯。

常見踩雷

  • 權限給太寬:明明只要查資料,卻順手同意了「可修改、可刪除」。給最小必要權限,尤其能改動真實資料的權限要特別省。
  • 接來路不明的連接器:非官方、不認識的第三方連接器可能偷看或亂動你的資料。只接信得過的來源,看不懂就別接。
  • 把敏感系統一次全開:客戶個資、財務、內部資料庫這類,別為了方便一次全接上。先接非敏感的、跑順了再說,並隨時記得可以在設定裡一鍵撤銷。
  • 一接上就放手讓它寫入:初期讓 AI 做「更新/新增紀錄」時,每一次都自己再覆核一遍,確認它沒改錯,建立信任後再逐步放寬。

深入來源:Claude 101・Connecting your tools

03

Subagents:把大任務拆給多個 AI 分工

把一個大任務拆成幾塊,交給各自獨立的「分身 AI」去處理,每個分身帶著自己乾淨的腦袋做完一塊、只把重點回報給你,主線對話不會被一堆過程資料塞爆。等於你從一個人做,變成當一個小團隊的組長。

  • Subagent=一個帶著乾淨腦袋的分身:主 AI 把某塊子任務派給它,它在自己獨立的空間裡做完,只回傳結論,不把一路上翻過的雜訊帶回主線。
  • 核心價值是「保持主線清爽」:探查資料、上網查一堆東西這種過程會吃掉大量記憶體,交給分身去做,你的主對話只收到乾淨的答案。
  • 可以同時開好幾個、平行處理:不同子任務可以派給不同分身一起跑,比一件一件排隊快。
  • 用講的就能建一個:在 Claude Code 打 /agents 選「建立新 agent」,它會帶你設定用途、能用哪些工具,自動幫你寫好。
  • 不是每件事都要拆:小事直接做反而快;只有當任務夠大、過程雜訊多、或能明顯切成幾塊平行做時,拆分身才划算。
深入研讀 · 實作步驟 收合

影片來源:Anthropic《Claude Code 101》· 在 YouTube 觀看原片

先講對你有什麼用。你一定遇過:請 AI 做一件大事,它為了搞清楚狀況,先去翻一大堆檔案、上網查一堆資料,這些「查的過程」會佔掉它的記憶空間,等到真正要做事時,腦袋已經被前面那堆雜訊塞得差不多了,回答品質就開始掉。Subagent(子代理,可以想成「分身」)就是解法:主 AI 把「去把這批資料翻一遍」這種粗活派給一個分身,分身在自己一塊全新、乾淨的空間裡把活幹完,然後只回報一句「我查完了,重點是這三點」,主 AI 只收下這個結論,中間翻過的幾百個檔案完全不會弄髒主線。你要的答案拿到了,但拿到答案的那段亂糟糟的過程被擋在外面。

為什麼「乾淨的腦袋」這麼重要?可以把 AI 的記憶想成一張辦公桌——桌面就那麼大,攤越多東西越難專心。一件大任務如果全在同一張桌上做,查資料的草稿、中間的嘗試、走過的冤枉路全堆在桌上,等到要下結論時桌面已經一團亂。分身的作用,是另外開一張桌子去做臟活,做完把桌子收掉、只把一張寫著結論的便利貼遞回來。你的主桌永遠保持清爽,這在做長、做久的任務時特別有感——這也是進階使用者能一次交辦很大的事、品質還不掉的關鍵。

怎麼自己建一個分身?最省事一樣是「用講的」。在 Claude Code 裡輸入 /agents,選「建立新 agent」,它會帶你一步步走:這個分身管什麼範圍、它的任務是什麼、准它用哪些工具(例如只准它讀檔案、不准它動網路),甚至給它挑個顏色好辨認。設好之後,它會自動幫這個分身寫好名字、說明和指令,並且學會「遇到什麼樣的請求就該叫這個分身出馬」。技術上這是一個 Markdown 設定檔,但你一樣不必碰底層——你只要把「這個分身負責什麼」講清楚。進階一點還能讓分身記住跨對話的東西、或預載某個 Skill 給它專用。

關鍵判斷是:什麼時候值得拆、什麼時候是多此一舉。拆分身有它的成本(要設定、要協調),所以不是每件事都該拆。三個「值得拆」的訊號:一、任務夠大,大到過程會產生一堆你其實不想看的中間雜訊(例如「把整個資料夾翻一遍找出所有提到某客戶的檔案」);二、任務能明顯切成互不相干的幾塊,可以派給幾個分身同時做、比排隊快;三、你想保護主線對話的清爽,把粗活隔離出去。反過來,一件三兩下就做完的小事、或每一步都要接著上一步結果的緊密流程,硬拆成分身只是增加沒必要的複雜度,不如直接做。記住這是進階招式:先把單一 AI 用熟,真的遇到「大到會塞爆」的任務再搬出分身。

實作步驟

  1. 先確認這件事「值不值得拆」 問三個問題:任務夠大嗎?過程會不會產生一堆我不想看的雜訊?能不能切成幾塊同時做?三個有一個「是」才考慮拆;小事直接做更快。
  2. 在 Claude Code 輸入 /agents 建立分身 /agents,選建立新 agent。接下來它會用問答帶你設定,你不用寫任何設定檔,照著回答就好。
  3. 講清楚這個分身「負責什麼、能用什麼工具」 把它的任務範圍講具體(例如「專門負責在雲端硬碟裡搜尋並整理某主題的資料」),並只給它完成這件事需要的工具權限——用不到的就別給。
  4. 讓它自動生成,然後看一眼說明對不對 AI 會幫這個分身寫好名字、說明和指令。檢查一下「它會在什麼情況被叫出來」符不符合你的預期,不對就請它改。
  5. 交辦一個真實大任務,觀察主線有沒有變清爽 派一件會產生大量過程的活給它(例如「翻遍這批檔案找出所有提到 A 客戶的段落」),看它是不是只回報結論、而沒把過程灌回主對話。

例子:季度競品資料大整理

這樣寫

你請 AI 一口氣「把二十份競品報告全部讀完、整理成一張比較表」。它邊讀邊把每份報告的細節都攤在同一個對話裡,讀到第十五份時,前面的重點早被後面的內容擠掉,最後整理出來的表格漏東漏西。

改成這樣

改成派幾個分身分頭讀不同批報告,每個分身只回報「這批的重點摘要」,主 AI 收齊幾張乾淨的摘要後才動手整理。主線對話全程清爽,比較表完整又準確。

常見踩雷

  • 什麼都要拆:連兩三步就做完的小事也開分身,設定和協調的成本反而比直接做還高。拆分身是為了處理「大」,不是為了顯得厲害。
  • 把緊密相依的流程硬拆開:每一步都要接上一步結果的任務,拆成平行分身只會互相等、還可能對不上。這種要留在主線一步步做。
  • 給分身過多工具權限:只需要讀檔案的分身別給它動網路、改資料的權限。範圍越窄,它越專注、也越安全。
  • 還沒把單一 AI 用熟就急著玩分身:這是進階招式,先把 R1–R4 的基本功練穩,真的碰到「會塞爆」的大任務再用,不然只是增加複雜度。

深入來源:Claude 101・Working with subagents

04

Hooks:讓某些規矩「一定會執行」

Hook 是一條「在特定時機一定會自動觸發的規則」,不靠 AI 的記性、不靠你每次叮嚀——只要那個時機到了,它保證跑。用來自動整理格式、留紀錄、擋掉危險操作、做完通知你,把「希望它每次都做」的事變成「它每次一定都做」。

  • Hook 最大的特點是「一定會跑」:跟你在規範裡叮嚀 AI「記得做 X」不同——叮嚀它有時會忘,hook 是機械式的規則,時機到了必定觸發,沒有例外。
  • 不靠 AI 記性,靠自動觸發的規則:把「每次一定要做」的事從「拜託 AI 記得」升級成「系統自動幫你做」。
  • 四個常見用途:改完檔自動整理格式、把做過的操作記成日誌、擋掉危險動作(例如改到正式環境)、任務做完自動通知你。
  • 擋得住危險操作:可以設定「動作發生前先檢查」,例如發現要刪整個資料夾或改到正式設定就直接攔下來,並告訴 AI 為什麼被擋。
  • 設一次、全團隊共用:把 hook 存進專案設定,同事拿到專案就自動套用同一套規矩,不用每個人各自設定。
深入研讀 · 實作步驟 收合

影片來源:Anthropic《Claude Code 101》· 在 YouTube 觀看原片

先講對你有什麼用。你一定有過這種經驗:跟 AI 說「每次改完檔案都要順便幫我整理成統一格式」,它大部分時候會做,但總有幾次忘了——因為那是「叮嚀」,而 AI 跟人一樣,叮嚀的事偶爾會漏。Hook(掛鉤)就是解決這件事的:它是一條綁在「特定時機」上的規則,時機一到就強制執行,完全不看 AI 當下記不記得。官方講得很直白:如果一件事必須每次都做、不容許有例外,那就別放在叮嚀裡,放進 hook。這是這一整站裡最「保證」的一招——前面的 Skill、連接器都還帶點「AI 自行判斷」,hook 是唯一「一定會跑」的機制。

用個好懂的比喻:hook 就像你家的「開門就亮的感應燈」。你不必每次進門記得開燈、也不必拜託誰幫你開——只要「有人開門」這個時機發生,燈「一定」亮。Hook 也是這樣:你先選好一個時機(例如「AI 改完一個檔案之後」「AI 要執行某個動作之前」「AI 做完整件事回覆你的時候」),再綁上一個「時機到就自動做的動作」。因為它是機械式觸發、不經過 AI 的判斷,所以它是確定會發生的——這正是它跟「寫在規範裡叮嚀 AI」最根本的差別:叮嚀是「希望它做」,hook 是「它必定做」。

四個最實用的場景,對照你的工作想:一、自動整理格式——AI 一改完檔案,自動把格式排整齊,你不用每次提醒;二、自動留紀錄——把 AI 做過的每個動作記成一份日誌,之後要交代「這是誰、什麼時候改的」有據可查,對需要留痕的作業很有用;三、擋掉危險操作——在動作真正發生「之前」先攔一道,例如偵測到要刪整個資料夾、要改到正式環境、要送出不該送的東西,就直接擋下並告訴 AI「這個不准、原因是……」,讓它自己修正;四、做完通知你——AI 跑完一件長任務就自動發個通知給你,你不用一直守著螢幕看它好了沒。

要不要碰 hook?坦白說,這是本站四招裡技術味最重的一招——設定 hook 通常要指定「一段時機到了就執行的小指令」,比較偏工程。對非工程師的建議是:你不一定要自己動手寫,但一定要「知道有這個東西、知道它能保證什麼」,這樣你就能對 AI 說「幫我設一個 hook,讓每次改完檔都自動整理格式」或「幫我設一道防線,任何刪除整個資料夾的動作都先擋下來問我」,讓 AI 幫你把它建起來。核心心法一句話記住:可有可無的提醒,寫在叮嚀裡就好;絕對不能出錯、每次都必須發生的事,才值得做成 hook。尤其牽涉到「防止改壞正式資料」「留下稽核紀錄」這種零容錯的規矩,hook 的「保證執行」正是它無可取代的價值。

實作步驟

  1. 先分清楚:這是「叮嚀」還是「鐵律」 問自己:這件事偶爾漏掉沒關係,還是絕對不能有例外?偶爾漏掉沒關係 → 寫進一般規範叮嚀就好;絕對不能有例外(防改壞正式資料、一定要留紀錄)→ 才值得做成 hook。
  2. 選一個「時機」 想清楚這條規矩該綁在什麼時候觸發:是改完檔案之後(自動整理格式)、某個危險動作之前(先攔下來檢查)、還是整件事做完時(通知你)。
  3. 用講的請 AI 幫你把 hook 設起來 不必自己寫設定,直接說:幫我設一個 hook,每次你改完檔案就自動整理格式,或幫我設一道防線,任何刪整個資料夾的動作都先擋下來,讓 AI 處理技術細節。
  4. 故意觸發一次,確認它「真的會擋/會做」 設完別只是相信它。故意做一次會觸發的動作(例如改一個檔、或試一個該被擋的操作),親眼確認 hook 有如預期跑起來,這才叫「保證」。
  5. 要全團隊一致,就存進專案設定 如果希望同事拿到專案就自動套用同一套規矩,請 AI 把 hook 設成專案層級並存進專案裡,之後誰打開這個專案都自動生效,不用各設一遍。

例子:防止改壞正式資料

這樣寫

你在規範裡寫「不要動到正式環境的設定檔」,也每次都口頭提醒 AI。九次都乖乖的,但總有一次它為了完成任務、順手改了正式設定,等你發現已經出包,要花半天回復。

改成這樣

設一道「動作發生前先檢查」的 hook,只要偵測到要改正式設定,就一定被擋下、還會告訴 AI 為什麼不准。從「靠它記得別動」變成「它根本動不了」——這種零容錯的事,保證執行才安心。

常見踩雷

  • 把「其實只是偏好」的事都做成 hook:hook 是給「絕對不能有例外」的鐵律用的。可有可無的小要求塞進 hook,只會讓設定又多又難維護,寫進一般叮嚀就夠了。
  • 設完不驗證就以為安全:hook 的價值是「保證執行」,但你得親眼觸發一次確認它真的會跑。沒測過的防線,等於沒有防線。
  • 擋太兇,把正常工作也卡死:防線設得太寬(例如擋掉所有刪除動作),會連正常操作都做不了。範圍要抓準,只擋真正危險的那種。
  • 基本功還沒穩就急著上 hook:這是四招裡最偏技術的一招。先把 Skill、連接器用順,真的有「零容錯規矩」需求時再請 AI 幫你設 hook,別為了炫技而設。

深入來源:Claude 101・Working with hooks

出站條件

做出一個「設定一次、之後不用你出手」的自動化,穩定跑一週。

改編來源: Introduction to Agent Skills Introduction to Subagents Introduction to MCP