#Workflow

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。

走完 Claude Academy 30 天後的學習路徑整理：AI 能力邊界與 AI Fluency 4D 是所有人的必修核心，再依 AI 新手、AI 使用者、開發者三種身分，選產品入口、深化課程與 AI Fluency 身分別課。

AI Fluency for creative work 課程筆記，整理創意價值透鏡、生產視角、4D 框架與五種 AI 角色，說明創作者如何從不使用 AI 出發，為每項工作決定 AI 的介入方式、揭露與責任。

AI Fluency for pK–12 educators 課程筆記，整理 4D 框架、情境文件與 24 項可觀察指標，從差異化教材、學生資料到個人 AI 價值文件，練習在教育現場保留人的判斷與責任。

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 15–19 堂，從清晰指令、具體要求、XML 標籤到範例學習，整理如何用評估分數逐步改善 Prompt。

Building with the Claude API 前 14 堂，從 API 金鑰、對話狀態、temperature、回應串流與結構化輸出開始，再建立提示評估流程，用資料集與評分器把「感覺變好」換成可追蹤的分數。

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。

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 課程後半段筆記，整理 Description、Discernment、Diligence 的三層能力、描述—辨別循環，以及使用 AI 時的責任。

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。

Introduction to Agent Skills 課程筆記，整理 Claude Code 如何建立、載入、組織、分享與除錯可重複使用的 Skill；實際功能與指令可能依版本、平台與帳號方案而異，也適合想把重複工作整理成可共用方法的 AI 使用者。

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。

Gemini AI Mode 的對話或網頁文章不必再手動複製貼上，Modern MarkDownload 能把目前頁面下載成 Markdown，調整下載位置與輸出格式，再接進 Agent 與 Obsidian 的知識整理流程。

macOS 26 跳出 Sublime Text 是 Intel app、支援即將結束的提醒，我才決定從 ST3 升級到 ST4；升級後未存檔分頁、project、命令列編輯習慣都保留，讓我繼續把它當成隨開隨記的純文字筆記本，也不用重新整理所有設定。

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 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。

Claude 101 從第一次對話與有效 Prompt 開始，整理 Claude 的核心能力、工作方式、Projects、Memory、Artifacts、Skills、Connectors、Research 與企業搜尋。

選定一套公開的 LLM Wiki 實作後，我先用它把 50 個 summaries 批次整理成 wiki，再依自己的語言、資料結構與工作方式加上 wiki-ingest 與 changelog，讓外部 skill 逐步變成可持續維護的知識系統，也說明為什麼先站在公開實作上再疊加，比從零重寫更適合我的工作流。

照文件執行遞迴 chmod 後，Mac 的 CPU 飆高、風扇持續運轉。這次從 Spotlight 索引排查，到一次排除所有 Git 開發專案。

從 Threads 認識 Digital Garden 後，我發現自己未必需要反覆修改同一篇文章。用系列文把一個個小問題串起來，也能讓知識持續生長成一片森林。

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。

把 CLAUDE.md 與 AGENTS.md 當成自己能控制的最高常駐 instruction layer 後，我用 Token Diet 重新判斷哪些規則該留下、哪些該延後讀取。

Skill 不是裝得越多越好。我用 Claude Code 內建的 /doctor 健檢盤點裝了什麼，再從 subagent 啟動時的 context 成本出發，重新分辨預載、按需讀取、共同 reference 與移除四種去處。

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。

升級 macOS 26 後 Mac 常常發燙？這次實測發現 BetterDisplay 4.3.4 的 App menu caching 持續吃掉 43% CPU；關閉後立即回到 0%。

ChatGPT Classic 是什麼？就是改名後的舊版 ChatGPT App：Codex App 升級成新版 ChatGPT，舊 ChatGPT 改叫 Classic。這篇用我實際更新的過程，整理兩者差別、左欄 Chat／Work 怎麼分，以及額度各走哪個 pool。

Claude Dispatch 不再只是綁定一個 Cowork session 的獨立介面。它現在像一個持久的派工中樞，依任務類型分流到 Cowork 或 Claude Code。

實際用手機接手 AI 工作後，我發現 Codex Remote 對我的 workflow 更順：隨時回到任一專案或對話，而不是只能接住一條預先開放的 session。

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。

一張 Spokenly Dashboard 的 WPM 卡片，讓我從中英混雜字數、打字機時代留下的 Standard Word 慣例，一路追問到「節省時間」究竟該怎麼算。

Typeless 讓我開始用口述時間、字數和節省時間觀察自己的 workflow。換到 Spokenly 後，我從本機 History log 做了一個靜態 Dashboard，讓後續調校有資料可看。

OpenMemory 裝好後，真正的問題不是會不會存，而是怎麼把記憶策略寫進 System Prompt。這篇整理我怎麼收斂查詢時機、寫入準則，和三層記憶分工。

跟 AI 一起完成任務後，最有價值的不是最後產物，而是那段被調整出來的流程。這篇整理為什麼要趁 session 還在，把任務沉澱成下次可直接呼叫的 Skill / SOP。

AI 對話框裡常常藏著解法、試錯和判斷理由。這篇整理我為什麼會在 session 結束前請 AI 匯出 Markdown，把一次對話保存成未來可以搜尋、引用和再加工的知識材料。

Markdown 插圖的兩個痛點：1. 路徑太長：用資料夾結構 + 相對路徑解決管理；2. 體積太重：用 macOS 內建 sips 解決壓縮，一行指令壓掉 90%，不用裝任何東西。