前幾天一直在講 Prompt、Workflow、Skill。
今天我又回頭看了一下我前面用 Claude 寫的:
taiwan-sciencepark-briefing
一開始覺得很厲害。
因為我把台灣半導體產業、科學園區、土地、人口、資源、地緣政治、海外擴廠全部塞進去了。
但現在越看越覺得:
這個 Skill 好像也太大包了吧。
如果什麼事情都叫同一個 Skill 做,那跟以前丟一句:
幫我整理台灣半導體產業的崛起。
好像也沒有差很多。
只是我把「一大包 Prompt」改叫 Skill 而已。
這次老師上課的題目是:
台灣半導體產業的崛起
光這八個字,其實就可以拆出很多問題。
例如:
全部丟給一個 Skill 做,好像真的有點太貪心。
| Skill | 負責什麼 |
|---|---|
| 產業歷史 Skill | 整理 1970 年代到現在的重要政策、技術、產業事件 |
| 科學園區 Skill | 整理竹科、中科、南科、嘉義、高雄、橋頭、屏東等園區的發展 |
| 資源治理 Skill | 分析水、電、土地、交通、人才怎麼配置 |
| 地方社會 Skill | 看徵收、人口、房價、產業、聚落與文化的影響 |
| 人才教育 Skill | 看理工人才需求、大學教育與就業結構 |
| 海外布局 Skill | 整理美國、日本、德國等海外擴廠與供應鏈移動 |
| 資料查核 Skill | 專門檢查年份、數字、來源、政策與最新進度 |
| 討論題 Skill | 把前面的資料變成可以上課繼續問的問題 |
這樣突然就清楚很多。
我現在的理解是:
Skill 不是越大越厲害。
反而應該是:
我叫這個 Skill 出來的時候,我很清楚它到底負責什麼。
例如「產業歷史 Skill」。
我給它的 Input 可以是:
它的工作就是:
把歷史時間軸整理好。
最後 Output:
| 年代 | 事件 | 為什麼重要 | 資料來源 |
|---|
它不要突然跑去分析房價。
房價是另外一個 Skill 的工作。
例如我要問:
台灣科學園區為什麼從新竹一路往中南部擴張?
這就交給「科學園區 Skill」。
它可以整理:
竹科 → 中科 → 南科 → 嘉義 → 高雄/橋頭 → 屏東
然後每個園區都用固定欄位:
最後再做比較。
這就比叫 AI:
幫我介紹台灣科學園區。
清楚很多。
因為這也是我自己最有興趣的部分。
半導體產業不是只有工廠和工程師。
工廠要蓋下去,後面還有:
水、電、土地、交通、人才。
所以我想叫這個 Skill 每次都回答幾個問題:
誰需要這個資源?
資源從哪裡來?
政府怎麼配置?
誰因此受益?
誰承擔成本?
有沒有產生衝突?
這樣 AI 就不是只有告訴我:
「某園區一年需要多少水。」
而是開始幫我整理:
資源是怎麼被分配的。
這才是我真正想看的東西。
這個我現在覺得很重要。
因為前面六個 Skills 跑完之後,我不想直接拿去用。
還要有一個 Skill 專門當壞人。
它的工作就是:
挑錯。
例如:
最後把問題列出來。
我覺得這跟前面講 AI 幻覺又接起來了。
不是叫 AI:
不要亂講喔!
而是真的安排一個步驟:
你現在的工作就是去檢查前面的 AI 有沒有亂講。
因為這次本來就是上課。
如果最後只產生一大堆資料,其實也滿無聊的。
所以前面的 Skills 都跑完之後,可以再問:
這些資料可以繼續追問什麼?
例如:
這些才比較像「與 AI 對話」。
所以我現在會把原本的一大包:
taiwan-sciencepark-briefing
重新想成:
一個大的 Workflow。
裡面不是只有一個 Skill。
而是:
歷史 → 園區 → 資源 → 地方 → 人才 → 海外 → 查核 → 討論
每一個 Skill 各做自己的事情。
最後再把它們組起來。
我覺得我到 Day 12 才真的開始搞懂:
不是把 Prompt 寫得很長,就叫做 Skill。
真正有用的 Skill,應該是把一個複雜工作拆成:
一個一個清楚、可以重複執行、也可以檢查的工作。
明天 Day 13,就真的挑幾個出來,看看一個 Skill 到底要怎麼寫成:
Trigger → Input → Process → Check → Output。