#Agent

為部落格文章加一顆「貼給 AI 整理」按鈕，點一下就複製包好的 Prompt。記錄為什麼不叫「AI 幫我整理」、視覺動效怎麼收斂，以及 Prompt 裡行銷與引用署名的界線。

macOS 26 移除 Launchpad 後，我試用 LaunchOS 並比較替代方案，最後選擇 LaunchNext。本文記錄 Homebrew 安裝、捏合手勢設定、舊排列匯入，以及讓 Agent 用 CLI 批次整理 App 的實際過程與限制。

Orca 支援多個 Claude 帳號，卻不能在啟動 agent 時直接挑選帳號。我為了從手機遠端使用 company 帳號，把閒置的 OpenClaude slot 接到 `claude-company`，再用 shim 與 Orca hooks 修好 Chat UI 找不到對話的問題，並整理實測限制。

之前用 cmux 召喚 Codex 卻傳不了訊息，這次改用 Orca CLI：從 Claude 啟動 Codex、用 tab ID 查 handle 傳訊，並拆解它和 cmux、Claude Agent Teams、codex-plugin-cc 的差別。

Orca Remote Control 教學：用 iPhone 或 iPad 經 Tailscale 配對桌面 Orca，接續 Agent 對話、找回舊 session，並開獨立 Terminal 操作 CLI、啟動 dev server。附 Orca Mobile 下載與 QR code 配對步驟。

Cloudflare Diagnostics 顯示網站不支援 Markdown for Agents，但我已有 .md endpoint。本文比較 content negotiation 與獨立 Markdown URL，並記錄如何補上 Agent 讀取文章所需的標題、canonical URL 和摘要。

AI Fluency for builders 課程筆記，從 4D 框架與建構者六大能力整理人機分工，再用診所等候時間專案實作問題簡報、驗收測試、需求訪談、使用者測試與發布檢查，最後附上課程測驗。

Building with the Claude API 最終評量 23 題，按 API 存取、提示評估、工具使用、MCP、Claude Code 與代理工作流程整理每題考點與答案。

Building with the Claude API 第 57–67 堂，從 Claude Code、MCP 整合走到平行化、串連、路由工作流程與代理取捨，最後用環境檢查把自主行動接回可驗證的結果。

Building with the Claude API 第 47–56 堂，從 MCP 的 server/client 架構走到 tools、resources、prompts 與 Inspector，用一個 CLI 專案把外部資料與預先測試的指令接進 Claude，也整理資源注入的限制。

Building with the Claude API 第 20–31 堂，從工具函式與 JSON schema 到多輪對話、串流、文字編輯與網路搜尋，拆解 Claude 的代理迴圈。

Claude Academy 的 Building effective human-agent teams 課程，從單人 AI 走向多人協作，整理 shared memory、shared context、角色、北極星目標與逐步建立信任，也記下我釐清 Team 方案與用量計費的過程。

老闆想用 MCP 讓 agent 回答網站功能，我改用 llms.txt、SKILL.md 和 Copy to agent 按鈕，讓 agent 回到 web 操作並下載規格書。

Orca ADE 不只是把 Claude Code、Codex 與多個 terminal 放進同一個視窗；它讓 Agent session 留在開著的那台 Mac 上，我用 Tailscale 從手機或另一台電腦接管，工作在裝置之間不中斷。從 cmux 換過來一個月，這是我最有感的一次工具更換。

AI Fluency: Framework and foundations 課程前半段筆記，整理 4D 框架、生成式 AI 的能力與限制，以及如何用問題意識、平台意識和任務委派做出更好的 AI 協作決策。

Deploying Claude Enterprise with confidence 下半部課程筆記，整理支出上限、可見性、採用訊號與部署方案，並說明新產品推出時如何重新檢查管理決策；實際功能依版本、合約與組織設定而異，適合正在規劃企業導入的管理者。

Deploying Claude Enterprise with confidence 上半部課程筆記，整理企業導入的推出目標、組織與群組設計、介面與連接器權限，以及 Skill、Plugin、Project 的治理選擇；實際功能依版本、合約與組織設定而異。

The AI-Native SDLC Playbook 課程筆記，從 intent.md、spec.md 與 plan.md 的 committed artifacts 出發，整理 Skills、continuous evals、AI review、hooks、CI/CD 與 control band 如何把 AI 開發流程串成可治理的閉環；功能與方案會依版本、平台和組織設定而異。

Introduction to Subagents 課程筆記，整理 Subagent 如何透過獨立 context window 隔離探索工作、用 /agents 建立自訂代理，並以輸出格式、障礙回報與工具權限設計可靠的委派流程，適合研究與程式碼審查工作。

Model Context Protocol 進階課程筆記，整理 Sampling、Roots、通知、Stdio 與 StreamableHTTP 的雙向通訊、SSE 連線和狀態取捨。

Introduction to Model Context Protocol 課程筆記，從 MCP 客戶端與伺服器開始，整理工具、資源、提示和 Inspector 的分工與實作流程。

Claude Code in Action 課程筆記，從 /goal、/compact、Routines 與 headless，到 Hooks、權限模式、GitHub Actions、Code Review 和 Plugin，整理讓 Agent 長時間工作的設定與驗證方法。

Claude Platform 101 從 Messages API、模型選擇與 agent loop 出發，整理 Tool use、Extended thinking、Skills、MCP、Context management 與 Managed agents 的分工。

Claude Cowork 簡介後半段，整理 Claude in Chrome、Microsoft 365 附加元件、技能評估、團隊分享與安全工作的實用邊界。

Claude Cowork 課程前半段筆記，整理工作資料夾、連接器、權限、委派、多步驟任務、全域指示、Projects、Skills 與 Plugins；功能會依版本、平台與帳號方案而異。

Claude Code 101 課程筆記，從 AI 編碼代理、權限與 context 開始，整理 Explore → Plan → Code → Commit 工作流程，再介紹 CLAUDE.md、Subagent、Skill、MCP 與 Hooks 的角色與使用情境；實際功能會依版本、平台與帳號方案而異。

手上有多篇散落、互相重疊的知識，怎麼整理成一份之後真的能用的理解？這篇介紹 Karpathy LLM Wiki 的原始架構、三個工作流程、repo 選型，以及它和 OpenSpec 的相似邏輯。

AEO 不是把文章改成只給 Agent 看的格式，而是用漸進式披露，先讓人和 Agent 理解文章價值，再決定是否深入閱讀。從 GitHub Raw、TL;DR 到部落格的 KeyTakeaways，這篇整理我如何把問題、答案與限制放在文章前面，同時保留正文的脈絡、推理與轉折。

AI Agent 幫忙測試時，常會啟動 dev server 卻忘記關掉，留下難以追查的 localhost port。Ports 是免費的 macOS menu bar 工具，讓我看見服務狀態，並快速跳到 terminal 或結束 process。

手機遠端控制不只能接手既有工作。把 Remote Control 放進 summon script 後，我能直接從手機召喚新 Agent，並立即接手工作。

當我已經知道要叫誰、用哪個帳號時，不必再讓 Skill 一題一題問。把 cmux 啟動流程抽成 summon script 後，能直接使用，也能讓 Skill 少帶一大段操作細節。

我把「開一個新 AI、套上指定 Agent、選帳號與工作位置」做成 summon-agent Skill，讓 Claude 透過 cmux CLI 建立一個真正可長駐協作的工作現場。

Agent 需要的是角色與 routing，不是每一份 Skill 的完整手冊。把 Skill 留在共同來源、讓 Agent 按需 reference，才能避免多帳號與多 Agent 的規則慢慢分岔。

Claude 與 Codex 的 Agent 格式不同，是否就得維護兩套？我用 shared contract、registry 與 runtime adapter，把角色設定拆成各自只有一份權威來源。

同時使用個人 Claude、company 帳號與 Codex，不必維護三套工作環境。把登入與額度分開後，Skills、MCP、規則與 Agent 都能維持各自的單一來源。

Agent 能去另一個 repo 工作，卻不一定會讀專案規則。這篇整理原因，以及用全域規則補上的做法。