Share
Embed
Always Think from Agent's Perspective : 站在 Agent 的肩膀上,看它看到的世界
這份簡報主要延續了如何做到 STOP CODING ,深度探討 10 個 Agent 槓桿點並我們應該具備的 Prompt 能力:
- 第五個思維轉變
- 10 個 Agent 槓桿點
- Promot 的 6 個層級
『 Stop coding and start templating.』
去寫那個會自己長大、會教 Agent、會讓你整個團隊都變強的 Prompt template。你才能夠把自己的槓桿擴散到團隊中
希望這次分享能幫助到大家!
Neo Hsu
April 09, 2026
Transcript
34 slides
-
02 今日議程 01 第五個思維轉變 停止寫計畫 02 10 個槓桿點 Agent 最值得投資的地方
03 Prompt 的 6 個層級 從 L1 到 L6 04 行動指引 帶得走的下一步 -
03 開始之前——對齊三件事 你不需要知道的 • MCP / SKILL / SDD •
任何 AI Agent 工具 你需要的基礎 • 知道什麼是 prompt • 用過 terminal 三個層次 • 觀念:思維轉變 • 方法:10 個槓桿點 • 進階:Prompt 6 個層級 專注於了解 Agent 可以看到什麼,之後遇到其他 AI 工具都可以通用 -
04 四個思維轉變(回顧) 1 停止寫 Code 工程師的價值是槓桿,不是手動敲鍵盤 2 建構系統 造出 Agent
能自己看見、理解、解決問題的系統 3 系統思維 架構、命名、測試結構,都為 Agent 可讀性服務 4 自動規模化 成功的模式變成模板,一次投入、反覆收益 你從執行者變成設計者,從個人效率變成系統效率 -
06 10 個槓桿點 01-04 基礎層 Context · Model · Prompt
· Tools Agent 的「感官」 05-07 回饋層 STDOUT · Types · Tests Agent 的「神經系統」 08-10 結構層 Architecture · Plans · Templates Agent 的「骨架」 什麼是槓桿點?花 10 分鐘設定,Agent 省 2 小時撞牆的地方 -
07 01 Context — 上下文是稀缺資源 釋放上下文空間 每個 token 都聚焦在當下任務 Context
要能獨立運作 不能依賴「我們之前聊過」 為離線 Agentic 鋪路 從空白實例啟動 = 規模化前提 每次開新 session,都當成給一個完全陌生的同事交接工作 建議使用 SKILL + CLI 取代 MCP 服務可大幅縮小 context -
08 02 Model — 不同階段用不同腦 Claude Opus — 規劃 貴、慢、深度思考
推理、規劃、關鍵決策 Claude Sonnet — 執行 便宜、快速 重複性任務、速度優先 Thinking Keywords think → think hard → think harder → ultrathink -
09 03 Prompt — 好的 Prompt = 好的 Plan 1
明確的目標 2 有序的任務清單 3 驗證標準 4 輸出格式要求 一個好的 Prompt 後面會用 6 個層級深入拆解 -
10 04 Tools — Agent 的能力上限取決於你 自訂斜線命令 Commands / Skill
/ MCP → /tools, /review 子代理 Subagent 平行、隔離、可組合 → Task() 開一個出去跑 本機 CLI Tool docker · gh · psql · kubectl · golangci-lint 不要讓 Agent 只能用預設提供的工具。主動設計、主動提供 -
11 05 STDOUT — 讓 Agent 看到它看不到的 你的直覺 $ docker
logs -f <image> | tail -n 200 → 自己 copy log 貼到 coding agent 分析修改問題 更高槓桿 # Agent 即時監控 log + 分析 $ copilot -p "Run docker logs... to capture 1 minute then analyze errors" 把 STDOUT 餵給 Agent,眼睛長出來,它才能幫你 -
12 06 Types — 型別是影響範圍地圖 "Trace how the User type
flows through the entire application." Type = 影響範圍地圖 Agent 精準追蹤資料流 Any = 資訊黑洞 Agent 的眼睛被關上了 型別不是寫給 compiler 看的,是寫給 Agent 看的 -
13 07 Tests — 驗證命令嵌入計畫 $ copilot -p "make test
and fix issue" 計畫 → 執行 → 驗證命令 → STDOUT → 修正或通過 Agent 跑完自己知道有沒有通過驗證,不需要你回頭檢查,會自行修復 -
14 08 Architecture — 七個調整方向 清晰的單一入口點 (README / CLAUDE.md /
copilot-instructions.md) LSP / ast-grep 結構化理解 有意義的命名 = 免費的文件 測試檔案鏡射原始碼結構 README 散布在子目錄 Const 設定集中在同個檔案 每個檔案一個職責 這七點全部為同一件事:讓 Agent 閱讀你的 code 更容易 -
15 09 Plans — 代理寫,你審查 一句話 你輸入 → /plans 代理分析
→ 產生計畫 代理寫 → 你審查 改幾處 → 代理執行 按模板 從「寫 Plan」變成「Agent 寫 Plan + 你 Reivew Plan + 呼叫 Agent 改幾處」 -
16 10 Templates — 團隊級別的槓桿 區分類型 雜務 / 缺陷 /
功能分開:/chore · /bug · /feature 模板會進化 透過修正進化,擴散到不同團隊 特化模板 /migrate-db · /add-api-endpoint · /fix-frontend-bug 你改一次模板,整個團隊都變強 -
17 10 個槓桿點 — 全景圖 層 # 槓桿點 核心概念 基礎
01 Context 稀缺資源,反覆開新實例 基礎 02 Model thinking keywords 加深思考 基礎 03 Prompt 好的 prompt = 好的 plan 基礎 04 Tools 主動設計、主動提供 回饋 05 STDOUT 讓 agent 看到執行結果 回饋 06 Types 追蹤資料流,代替文件 回饋 07 Tests 驗證命令嵌入計畫 結構 08 Architecture 七項調整方向 結構 09 Plans 代理寫,你審查修改 結構 10 Templates 區分、進化、特化 -
18 Prompt 的 6 個層級 從「隨手寫」一路到「用 prompt 生 prompt」 L1
隨手提示 一次性指令 L2 順序工作流 固定步驟 L3 條件控制流 條件判斷 L4 委派子代理 橫向擴展 L5 高階函式 ★ Prompt 當參數 L6 元提示 ★★ Prompt 生 Prompt 這張表可以當成 reference card -
19 MCP 和 Skill 沒有你想的那麼特別 MCP = tool schema(文字)+ endpoint
Skill = SKILL.md(文字)+ scripts 核心都是「文字」 Prompt 是 Agent 的基本單位,MCP / Skill 只是 Prompt 換另一種呈現方式 掌握 Prompt 方法讓 Agent 長眼睛會是目前最重要的事情 -
20 一個完整 Prompt 的 12 個段落 核心 6 個 Purpose
Variables Instructions Relevant Files Workflow Report 進階 6 個 Metadata Title Codebase Structure Expertise Template Examples 從隨手提示,進化到教 Agent 寫 Prompt 完整說明範例 -
21 L1 隨手提示 — 丟完即止 使用區塊:Title · Purpose # List
All Tools List all available tools detailed in your system prompt. Display them in bullet points using typescript function signature format. 無 Workflow · 無 Variables · 無 Report 大部分人停在這裡。可以用,但拿不到槓桿 完整說明範例 -
22 L2 順序工作流 — 結構的開始 使用區塊:Title · Purpose · Relevant
Files · Workflow · Report # Install ## Relevant Files - Makefile - README.md ## Workflow - Make git-config - Make setup ## Report Output the work in a concise bullet list. 關鍵進化:「順序」— 隱性知識變成顯式步驟 L2 很好,但真實世界會需要判斷 完整說明範例 -
23 L3 條件控制流 — Prompt 會說「如果…就…」 使用區塊:Title · Purpose ·
Variables · Workflow · Report ## Variables PATH_TO_PLAN: $ARGUMENTS ## Workflow - If no PATH_TO_PLAN → STOP immediately and ask the user to provide it. - Read the plan. Think hard. Implement. 關鍵進化:「決策」— 從線性腳本升級為自主分支 缺了參數?它不會亂跑,它會停下來問你 完整說明範例 -
24 L4 委派子代理 — 從「自己做」到「派人做」 注意:L4 不是 slash command —
它是 prompt 設計範式 主 Prompt — 接收任務 + 數量 Sub-agent 1 Sub-agent 2 Sub-agent 3 Sub-agent 4 Sub-agent 5 關鍵進化:「橫向擴展」— 一個 prompt 開 N 個 agent L4 解決規模問題。但 100 種任務 = 100 個指令? 完整說明範例 -
25 L5 高階函式 — Prompt 成為一等公民 plan.md 你的計畫檔 → $ARGUMENTS
作為參數傳入 → /implement 讀取 → 思考 → 執行 → Report 回報結果 傳進去的不是資料,而是另一個 prompt 關鍵進化:「可組合」— 就像 higher-order function L5 能執行任何計畫,也能串接組合不同 Promptn 完整說明範例 -
26 L6 元提示 — 用 Prompt 產生 Prompt 你不再寫 prompt,你教
Agent 寫 prompt /chore 是怎麼來的?L6 meta-prompt 產生的: 1. Purpose — 創建雜務計畫 2. Instructions — 讀、析、出 4. Template ← 最關鍵 3. Variables — 接收一句話 因為有了 L6,你才敢停止寫 Plan ( Speckit / OpenSpec 的 prompt 屬於這層級) 完整說明範例 -
27 L5 + L6 實戰:從一句話到完整工程 Step 1 — L6 生成計畫
/chore 把所有 print 替換為 logging → Agent 讀 codebase → 生成完整 plan → Step 2 — L5 執行計畫 /implement @plan.md → 讀 plan → 逐步執行 → 完成實作 你串接兩個指令,Agent 完成了完整的工程工作。 你的角色:只需在每一步檢查 →「繼續」或「調整」 -
28 六層演進:每一層加一個能力 L1 隨手提示 一次性 L2 順序工作流 + 順序 L3
條件控制流 + 條件 L4 委派子代理 + 委派 L5 高階函式 ★ + 組合 L6 元提示 ★★ + 生成 不用一次跳到 L6。但你要知道天花板在哪。 -
29 Agent-First 不是萬能的 不適合的情況 • 沒有基本測試文化 • 程式碼庫沒有清晰架構 • 專案處於高度探索期
先補齊的前提 • CI 能跑的測試套件 • 基礎型別系統或文件 • 團隊對 prompt 有基本共識 先補齊槓桿點——特別是 Architecture、Tests、Types 效益才會爆發 -
30 怎麼知道自己在進步? Size ↑ 交給 Agent 的任務規模 L6 讓你把更大規模任務交出去 Attempts
↓ 平均修正次數 好的模板 + L5 = 更少來回修正 Streak ↑ 連續成功次數 模板化工程 = 可重複的成功 Presence ↓ 你需要在場的時間 離線 Agentic = 你完全不需在場 四個 KPI,2 上升 2 下降 -
31 換腦袋 → 找槓桿 → 練功夫 心態 5 個思維轉變 停止寫
Code 建構系統 系統思維 自動規模化 停止寫 Plan ★ 工具 10 個槓桿點 Context Model Prompt Tools STDOUT Types Tests Arch Plans Templates 技藝 6 個層級 L1 隨手提示 L2 順序工作流 L3 條件控制 L4 委派子代理 L5 高階函式 ★ L6 元提示 ★★ -
32 回到工作中——你可以做什麼 1 盤點 你現有的 prompt 在哪個層級? 2 升級一個 選
ROI 最高的 prompt,升到 L2/L3 3 建立第一個模板 用 /chore 或 /bug 格式 4 試跑一次 L5 寫計畫檔,用 /implement @plan.md 5 目標 下週前有一個 L3+ 可重用的 prompt Prompt 不管用?檢查 STDOUT。計畫不夠好?檢查 Tests 和 Types。 -
33 同一個需求,一句話就差一個世界 Before — L1 隨手提示 ✗ 手寫 ✗ 不穩定
✗ 不可復現 After — L6 元提示 ✓ 自動生成 ✓ 結構化 ✓ 可復現、可量產 L6 自動讀 codebase → 分析 pattern → 產生完整 template,直接給團隊用。