AI 工具本地化

當我們的專案需求提升時，最容易發生的狀況是，一般的AI Tool 太慢了，沒辦法讓我直接用同一套工具進行產出
當我們用Web AI Tool 處理一個需求時大概是以下流程

• 確認需求

• 照需求撰寫Prompt

• 成果產出修正

• 確認成果並交付
  初步看沒有什麼問題，也應當如此操作
  但當我們的工作量開始變多在各個流程都會遇到不同的問題

• 確認需求 : 需求可能重複、要重新對AI Tool 解釋

• 照需求撰寫Prompt : Prompt 每次都要重新照需求調整並生成

• 成果產出修正 : AI 的可能幻覺與規範不一致，每次修正的時長都不太一樣

• 確認成果並交付 : 成果難以追蹤版本

突然發現每個地方都有還可以調整的地方，若我們的工作需求量不大，不做任何調整也不是問題
但當我們想要更進一步讓AI可以有更大的成長與運行度

當我們開始擴展將我們的需求整合成有系統化的處理流程時會遇到幾個問題

• 專案內容結構不統一
• AI 生成時無從得知專案全貌
• 各檔案內風格不統一

發現最明顯的問題就是 無法統一

專案習慣如何統一

https://agents.md/
Agent AI 有哪些好處

• 通用性高 : 各AI 提供商都會遵照其套用方式進行開發
• 可讀性高 : Markdown 格式方便整理
• 使用難度低 : 只要把對應檔案放進專案中AI 就會先判斷去讀取並進行運作

好處很多，但也有相應的成本

• Agent 中要完整敘述專案架構
• Agent 要明確表明撰寫習慣

也就是說，Agent 在你的專案中表達要夠完整的表述出你認為要完成專案內容的所有資訊與條件

那要有哪些內容呢?

• 專案架構: 最好是架構資料夾下有對應的說明文件，不用全部依賴於單一檔案
• 統一撰寫風格: 逐一寫出 寫Code 的風格、條件、注重事項、註解如何表述

在此基準上Agent 的注入使用其實注重的點在於流程與維護

Agent 的優先度與注意事項

深度的專案架構子資料夾中的內容是否也可用Agent 來進行溝通
可以，但是要把握一個重點
上層越抽象
下層越具體

我們來舉個例子吧

- 根目錄

-- 測試資料夾

--- 燒機測試 ...

-- 專案資料夾

--- 功能1

--- 功能2

假定這樣的架構下，我們在每個資料夾都有對應的Agent

- 根目錄 : 用於解釋專案用途，撰寫風格

-- 測試資料夾 : 用於解釋何謂測試

--- 燒機測試 ... : 用於解釋各測試的細節與流程

-- 專案資料夾 : 用於解釋專案細節與SPEC

--- 功能1 : 用於解釋功能SPEC

--- 功能2 ...

如上，每一層的使用都是要更加精細的表達出專案內容與注意事項，讓AI 自己去串連整個專案的內容與執行

Agent / Prompt 相輔相成

Agent 與 Prompt 的定位不太依樣，雖然進到Cli 有一種分不出來的情境
那我們就以用途來區分

• Agent: 指明專案方向
• Prompt: 指名執行細節

AI 本身還是需要以任務驅動，因此Prompt 明確的指定怎麼做，而由Agent 來規範做的過程的注意原則

https://ithelp.ithome.com.tw/articles/10399540
Prompt 的設計與方向也可參考我的前一篇文章

AI 協作的過程中，就是一種體現出，如何與AI 溝通的訓練與規劃
而不是單純的對自己技術的專研。