Claude 官方頻道最近放出一批從 Code with Claude London 延伸出來的分享。
如果逐支看，會很像工程師公開課。
但我覺得它更有價值的地方，不是教你某個產品按鈕怎麼用，而是 Anthropic 正在把「怎麼跟 agent 一起工作」這件事公開化。
所以這篇不是影片摘要。
我想把它拆成幾個一般工作者也用得到的問題：
- AI 越用越亂時，怎麼拆？
- 什麼叫真的有驗證？
- 記憶到底該怎麼存？
- 什麼時候該換模型，什麼時候只是流程壞了？
1. 先看：Tool, skill, or subagent?
這支是我會放第一支的原因很簡單：
它講的不是「怎麼寫更好的提示詞」，而是當一個 agent 長大以後，怎麼避免提示詞變成倉庫。
影片裡的例子是一個庫存管理 agent。
一開始它只解一個問題，後來每幾週多一個需求，最後長成約 400 行的系統提示詞、12 個工具，還有 3 個包在工具裡的 subagent。
表面看起來功能變多。
但真正發生的是：它開始繞路、變慢、規則互打，甚至 subagent 明明做對了，回報給主 agent 時卻漏掉重點。
我覺得這是很多人接下來都會遇到的問題。
你可能沒有寫一個正式 agent，但你可能已經在做同一件事：
- 每次 AI 忘記，就補一條規則。
- 每次輸出不穩，就補一段格式。
- 每次流程出錯，就把整段流程塞進自訂指令。
補到最後，不是 AI 更懂你。
是它開始不知道哪條規則在什麼時候才該用。
這支影片給我的工作者版 takeaway
當 AI 開始變難用，不要立刻補提示詞。
先判斷它該放在哪一層：
- 主提示詞：每次都要知道的事
- skill：需要時再拿出的工作手冊
- tool：真的去外部世界動手的能力
- subagent：另一個乾淨腦袋
這四個詞聽起來像工程名詞，但其實是工作整理術。
你不是要把 AI 教得更乖。
你是要先整理它的工作間。
接下來我會怎麼看這批公開課
這一系列我不打算逐支搬運。
我會照「工作流成熟度」來看：
- 先拆分工：Tool / Skill / Subagent
- 再做驗收：Evals for taste
- 再談記憶：Agents that remember
- 再談使用習慣：How we Claude Code
- 再談提示詞治理：The prompting playbook
- 再談模型選擇：Picking the right model
- 再談可驗證流程：Trustworthy workflows
- 最後才談放手：Stop babysitting your agents
這個順序背後有一個想法：
不要一開始就追求自動化。
先把工作拆乾淨，再設驗收，再讓 AI 記住，再談放手。
你現在可以先做的一件事
打開你最常用的自訂指令或專案提示詞。
把裡面每一條規則標成四類：
- 永遠要知道
- 有時才需要
- 需要真的去外部世界做事
- 需要另一個乾淨腦袋
你會很快看出來：
很多原本塞在提示詞裡的東西，其實應該搬出去。
我把這件事整理成一份「Agent 分工判斷表」。如果你只是想先拿表格，可以看文章下方的下載卡片。
原始來源
這篇整理自 Claude 官方公開課影片〈Tool, skill, or subagent? Decomposing an agent that outgrew its prompt〉。
