前言

不知不覺我們也到了 Week3 的收尾篇了。

那這一週算是把前面介紹的 SKILL、SubAgent、MCP 這三種擴充強化 AI 的方式做一個總結收斂，減少大家在實務上使用時的疑惑。

各自的定位

前面我們分別認識到 SKILL、SubAgent、MCP 這三種方式，而這各自都有屬於它的定位點：

• Skill： 教 AI 方法/流程，讓 AI 可以符合你預期的做事方式，例如前面章節所使用的 commit-message skill 一樣，我們教 AI commit 訊息該怎麼寫、套入 Frontend Design 的規則，讓 AI 知道前端畫面該怎麼設計。
• SubAgent： 花錢（Token）請一位專人去處理特定事情，例如前面章節所使用的 code-reviewer SubAgent 一樣，我們請一位專人去審查我們的程式碼，並回報給我們結果。
• MCP： 讓 AI 可以與外部專案溝通的萬能轉接頭，就像使用了 Context7 MCP 一樣，我們讓 AI 可以直接去查詢官方文件，或是去接上 GitHub、Figma 等外部工具，讓 AI 可以直接與外部專案溝通。

同時，我也把這件事情製作成表格給你做一個比較：

那這邊也有件事情要特別強調一下，這三個東西並非互斥，是可以相輔相成的，不是說選了 SKILL 就不能用 MCP，或是選了 SubAgent 就不能用 SKILL，千萬不要忘記前面的 Context7 MCP 例子，裡面就同時使用了 SKILL 跟 Rule，MCP 負責去查文件，SKILL 跟 Rule 負責告訴 AI 什麼時候該去查，這就是多個東西疊在一起的實際案例。

何時該用？

認識了各自定位之後，當然要來了解一下我們該如何選擇。

基本上你可以參考底下三個問題來決定何時該用什麼：

1. 這件事情是不是同一套做法會重複用？ 是就寫成 SKILL，每次都一定要做的事情就可以寫成 SKILL，像是 commit 訊息格式、前端畫面設計規則、查官方文件的步驟等等。
2. 這個工作適不適合外包出去、只拿結論回來？ 是就建一個 SubAgent，像是 Code Review、研究資料、大範圍掃描專案這種高度佔用 Context 的工作就很適合建 SubAgent，讓它去做完再回報結果給你。
3. 需不需要碰專案資料夾以外的東西？ 是就接 MCP，像是瀏覽器、內部資料庫、Figma、GitHub 等等，這些都屬於專案資料夾以外的世界，這時候就要接 MCP 了。

這邊我們也看一下流程圖，方便你更容易理解彼此使用時機：

那如果好死不死這三個都不是呢？其實 CLAUDE.md 寫一下規則就好了，畢竟 CLAUDE.md 就是專門給你寫一些閱讀程式碼也無法理解的規則的地方。

Week 3 動手檢查清單

接下來 Week3 的結尾我也提供一份檢查清單給你，讓你試著檢查一次：

• [ ] 知道 SKILL 就是一個資料夾加一份 SKILL.md，也知道自己寫的放 .claude/skills/、用裝的會收在 ~/.claude/plugins/。
• [ ] 用 /plugin 裝 Frontend Design，並用來把畫面改造過一輪。
• [ ] 畫面改完後有跑過一次測試（新增、刪除、重新整理、看統計），確認功能沒有被改壞。
• [ ] 專案裡有 DESIGN.md，有通過 lint 驗證，並且用 @DESIGN.md 掛進 CLAUDE.md。
• [ ] commit-message SKILL 的自動觸發跟 /commit-message 手動觸發都有嘗試過，而且它會先列出範圍等你確認才 commit。
• [ ] 有嘗試 code-reviewer SubAgent，用點名 or @ 派工過一次，拿到的 Review 結果有親自看過。
• [ ] 接上 Context7 MCP，/mcp 看得到它已連線，也問過一次套件問題，並看到它自己去查文件。

結語

Week3 也差不多就到這邊了。

其實你會發現基本需要理解的 AI Agent 知識還是不少，但這邊僅僅只是滄海一粟，因為我連 Hook、Rules 等這些設定都還沒介紹過，但我認為前面的知識就可以涵蓋 80% 的使用情境了，剩下的 20% 你可以在之後的實務中慢慢累積甚至尋找使用。

如果沒問題的話，我們就往下一篇去吧～