學習筆記

TL;DR

當 AI Agent 進入真實工作流程，擴大能力的關鍵不再是持續增加 Agent，而是把組織經驗整理成可重用、可治理、可執行的 Skill。

快速結論

企業導入 Agent 的難題，正從「模型能不能做」轉為「能不能穩定、可控地規模化交付」。若每個部門各自建立 Agent，就會產生多套提示詞、工具、評測與維護流程；同一項業務規則也可能被重複實作、版本不一。

影片主張以通用 Agent 搭配 Skill 庫來擴展能力。Agent 負責理解需求、規劃與調度；Skill 將專業流程、規則、檢查點及必要資源模組化。如此，擴展能力的單位可從「新增一套 Agent 系統」改成「新增一個可複用的 Skill」。

Skill 不只是更長的提示詞，也可以包含逐步操作指南、參考資料、模板與腳本。模型可在需要時載入相關內容，並把明確、確定性的工作交由腳本執行。要讓這種方式適用於企業，還需要權限控管、審核、版本管理、回滾與執行紀錄；同時也必須處理技能格式不一致、錯誤觸發及模型能力限制等問題。

這支影片在說什麼

影片以 Anthropic 將重心從「多做 Agent」轉向「把 Skills 做成資產」為主軸，討論企業 Agent 的工程痛點與可能的擴展方式。它說明 Skill 的結構、載入方式，以及 Skill 與 MCP 在系統中的分工。接著，影片分別討論產品、平台與開發團隊需要面對的工作，以及安全、標準化和能力邊界。內容適合正在規劃企業 AI 工作流程、Agent 平台或內部流程知識管理的人閱讀。

最重要的 3-5 個重點

1. Agent 的主要瓶頸已不只是模型能力，而是維護與治理成本。 每新增一個 Agent，可能就多一套提示詞、工具鏈、評測與回滾策略；規模變大後，業務規則也容易散落在多處。
2. 通用 Agent 加 Skill 庫，可降低能力擴展時的重複建置。 Agent 負責理解、規劃與調用 Skill；Skill 承載特定流程與規範。能力擴展的單位因此從新增 Agent 改為新增 Skill。
3. Skill 的價值在於流程化、可組合、可執行。 它可以包含操作指南、參考文件、模板和腳本；模型處理理解與決策，腳本則處理明確、確定性的工作。
4. Skill 需要像軟體一樣治理。 企業至少要考慮誰能安裝或使用、誰能修改、如何審核與回滾，以及如何追蹤觸發、執行與風險事件。
5. Skill 不會消除所有風險或模型限制。 技能可能不適用於不同組織；技能選錯可能讓錯誤流程一路執行；而任務規劃與複雜推理仍受底層模型能力影響。

知識架構

1. 從多 Agent 痛點出發

   • Agent 難以專業化：通用模型可能不熟悉企業內部口徑、流程與限制。
   • Agent 難以規模化：每個 Agent 都可能形成獨立系統，增加維護負擔。
   • 提示詞無法無限承載流程知識：內容變長會增加成本，也使調整和管理更困難。

2. 以 Skill 作為能力擴展單位

   • 保留通用 Agent 作為理解、規劃和調度入口。
   • 將專業流程與規則寫成可重用的 Skill。
   • 需要時載入 Skill 及其參考資料，避免一開始把所有細節放進上下文。

3. Skill 作為工程系統

   • 以說明檔描述技能用途、觸發方式與流程。
   • 用附屬檔案保存參考資料、模板及腳本。
   • 把適合固定執行的工作交由腳本處理，並觀察技能選擇和執行結果。

4. 與工具連接層分工

   • MCP：影片將其定位為連接工具與資料的介面，例如 CRM、資料庫或內部系統。
   • Skill：描述業務流程如何進行，包括步驟、規則、檢查點與輸出格式。
   • 一個任務可以先透過 MCP 取得資料，再由 Skill 指引分析與產出，最後透過 MCP 寫回系統。

5. 以治理與評測支撐企業使用

   • 管理技能登錄、版本、權限與發布流程。
   • 對技能內容與依賴進行審核，控制不同環境的可執行範圍。
   • 追蹤技能觸發、失敗、成本與風險事件，並測試誤觸發情況。

關鍵概念

• Agent：

通用的 AI 執行主體；影片將其工作描述為理解需求、規劃並調用 Skills。

• Skill：為 Agent 打包的流程性知識，可包含操作指南、規則、檢查點與資源。影片強調它不只是更長的提示詞。
• 漸進式載入：先提供技能的名稱與描述；觸發時再讀取完整操作指南；需要時進一步載入參考資料或模板。
• 可組合：不同 Skill 可依任務組合使用，例如先分析資料，再依規則檢查，最後產出指定格式的報告。
• 腳本執行：把排序、抽取、格式轉換或文件生成等明確工作交由腳本，讓模型處理理解、決策、編排與解釋。
• MCP：影片將 MCP 定位為工具和資料的連接層；Skill 則是工作流程與規範層。
• Skill Registry（技能登錄庫）：影片提出的平台能力之一，用來登錄技能並管理依賴與描述資訊。
• 企業治理：涵蓋技能審核、權限、環境分級、版本發布、回滾與執行紀錄。
• 技能資產密度：影片用來描述組織累積並重用流程技能的程度；未提供明確計算方式。[資訊不足]

重要例子與細節

• 多 Agent 的維護問題：若財務、法務、招聘各有一個 Agent，就可能要維護三套提示詞、工具鏈、評測與回滾策略；規則若分別寫入，更新也可能不一致。
• 財務報表 Skill：影片舉例，流程可包含先取得資料、檢查、彙總、套用模板再輸出。實際口徑與步驟仍需依組織定義，逐字稿未提供完整範例。
• Skill 的檔案結構：
  1. 說明檔提供名稱、描述及使用指引。
  2. Skill 被觸發時，載入具體流程與執行條件。
  3. 附屬目錄可放參考文件、表單模板與腳本，按需讀取或執行。
• 企業任務的 MCP 與 Skill 組合：先用 MCP 從系統拉取客戶資料，再用分析 Skill 套用指標口徑與分析流程，接著用報告 Skill 產出模板文件，最後透過 MCP 寫回知識庫或協作工具。
• 平台治理能力：影片提出技能登錄與依賴描述、權限控管、發布流水線（含測試、灰度、回滾）及可觀測性等需求。
• 安全檢查方向：上線前審核技能內容與外部依賴；限制不同人員、技能及環境可執行的範圍；留下誰在何時觸發技能及執行何種動作的紀錄。
• 技能能力邊界：
  • 財務流程不能直接假設適用於另一家公司，因其口徑、系統與審批鏈可能不同。
  • 技能庫越大，選錯技能或誤觸發的影響可能越大。
  • Skill 提供流程指引和工具，但不會消除模型本身的規劃與推理限制。
• 影片提及的標準化趨勢：逐字稿提到一個推動 AI Agent 操作標準的基金會，名稱辨識不清，無法確認其名稱或狀態。[資訊不足]

可學習的洞察

1. 把「新增 Agent」改問成「哪個流程值得變成 Skill」。 這能讓團隊聚焦在可重用的業務流程，而非為每個需求建立一套獨立系統。
2. 將流程知識與工具連接分開管理。 Skill 說明怎麼做，MCP 說明能連到什麼；依影片的分層，這有助於避免把所有流程都寫死在 Agent 本體裡。
3. 上下文管理也是系統設計的一部分。 先載入技能索引，再按需求載入細節，能讓技能庫與每次任務的上下文分開管理。
4. 讓明確工作走確定性路徑。 若工作可以用腳本固定執行，就不必只依靠模型逐步生成；但哪些工作適合如此處理，仍須依任務判斷。
5. 技能供給變多時，治理也必須同步。 影片主張讓業務專家參與流程整理、工程團隊提供結構與治理；否則可能出現彼此不一致的技能版本。

可行動的整理

• 盤點目前各 Agent 重複使用的流程、規則與檢查點，找出適合抽成 Skill 的部分。
• 為每個候選 Skill 記錄適用範圍、輸入、輸出、操作步驟、檢查點、失敗處理方式及不適用情境。
• 將參考資料、模板與腳本整理為分離資源，避免把所有內容塞進單一提示詞。
• 明確區分模型負責的理解、判斷與解釋，以及腳本負責的固定計算、轉換或文件處理。
• 設計技能登錄、權限、審核、版本、發布、回滾與執行紀錄流程。
• 評測技能能否完成任務，也測試是否會在不適用情境下誤觸發。
• 評估跨平台相容性：確認技能格式、元資料、載入

方式與工具依賴是否能在不同 Agent 或模型中使用。

• 對「Anthropic 戰略轉向」及基金會名稱、成立時間與標準化進展，回看影片或另行查證；逐字稿辨識不清，不能當成已確認事實。

複習問題

1. 為什麼影片認為企業增加 Agent 數量後，維護與治理成本可能快速上升？
2. 影片如何分工通用 Agent 與 Skill？
3. Skill 的漸進式載入分成哪些層次？各層載入什麼內容？
4. 影片如何區分 MCP 與 Skill 在企業任務中的角色？
5. Skill 進入企業環境後，需要管理哪些安全、治理與能力邊界？

待確認資訊

• 逐字稿中的「Anthropic 今年年底公開說」缺少可辨認的公開發言內容與確切時間；影片背景資料提供的日期不能單獨證明這項說法。
• 「Berry Zhang」的姓名及原話可能有轉錄錯誤；逐字稿無法確認其身分或引述是否準確。
• 影片提到的基金會名稱、成立時間及其推動的標準內容辨識不清。[資訊不足]
• 技能格式是否能跨平台通用，逐字稿將其列為待解決問題，未提供規格或相容性實例。
• 逐字稿提到「技能庫可以無限擴展」一類說法，但沒有量化限制或實際測試資料；不宜解讀為沒有容量或效能上限。
• 影片多次提到 Skill 檔案名稱與結構，但若要照著實作，仍需回看畫面確認檔名與格式細節。