影片筆記：Claude Code 進階教學：用了 Skills 但 AI 還是不聽話？解決 AI 偷懶不照規則做事的關鍵設定

一句話總結

針對 AI Agent 經常「偷懶」或產生幻覺、不遵循 Skill 規則的問題，單純增加規則或依賴人工審查無法長期解決；講者介紹使用 Hawk 工具，將 Skill 從「建議書」轉變為「合約」，透過自動觸發檢查腳本強制驗證 AI 行為，未通過則要求重寫，以實現自動化且無縫的規則執行。

核心重點

1. AI 不遵循指令的系統性問題：

• AI 經常跳過 Skill.md 或 Curt.md 中的規則，僅依賴聊天框內的上下文記憶。
• 即使有 Reference 或 WritingStandard 等檔案，AI 仍可能自由發揮。
• 這不是指引不夠清楚，而是 AI 系統層面的特性（講者稱為「回頭啦」或系統特性）。

1. 現有解法的局限性：

• 增加規則：若 AI 不讀取檔案，增加規則無效；規則過多會分散注意力。
• 明確指令：短期有效，長期 AI 可能忘記或無視。
• 人工審查：最有效但無法規模化，耗時（講者需花 30 分鐘修改）。

1. Hawk 工具的核心機制：

• 概念轉變：將 Skill.md 從「建議書」轉變為「合約」。
• 自動檢查：在 AI Agent 執行動作前後，自動觸發檢查腳本。
• 強制修正：若違規（如缺少事實驗證、未讀取必要檔案），Hawk 攔截並要求 AI 重寫，直到通過檢查（PASS）為止。
• 無縫整合：整個過程無需人工介入，由 AI 自我驗證。

1. Hawk 的注意事項與最佳實踐：

• 效率與衝突：過多 Hawk 會降低效能，規則間可能衝突導致「鬼打牆」。
• 精準控制：撰寫 Hawk 腳本需精準，長期累積需定期刪除不再使用的設定。
• 協作方式：不應強求 AI 一次性讀取龐大的 Skill 資料夾，而應明確指示呼叫特定 Skill，並搭配 Hawk 驗證 AI 是否「讀取」了關鍵檔案。

詳細大綱

一、 現狀與問題：AI 不遵循指令

1. 常見誤區：認為寫好 Skill 或下載他人 Skill，AI Agent 就會自動完美執行。
2. 實際情況：

• AI 經常「偷懶」，跳過 Skill.md 或 Curt.md 中的規則。
• AI 可能僅依賴聊天框內的上下文記憶，而非讀取外部參考檔案。
• 即使有 Reference 或 WritingStandard 等檔案，AI 仍可能自由發揮，違反既定規範。
• 這並非使用者撰寫指引不夠清楚，而是 AI 系統層面的問題。

1. 現有解法的局限性：

• 增加規則：若 AI 根本不去讀取檔案，增加規則無效；規則過多可能分散注意力。
• 明確指令：短期有效，長期 AI 可能忘記或無視；且違背 Skill 自動判斷的初衷。
• 人工審查：最有效但無法規模化，耗時（如講者需花 30 分鐘修改）。

二、 解決方案：引入 Hawk 工具

1. Hawk 的核心概念：

• 將 Skill.md 從「建議書」轉變為「合約」。
• 強制 AI Agent 在執行動作前後，自動執行檢查腳本。

1. 運作流程：

• 觸發條件：當發生指定事件（如撰寫特定類型文章）時觸發。
• 自動檢查：Hawk 攔截 AI 的回覆，檢查是否違規（如缺少事實驗證、未讀取必要檔案）。
• 自動修正：若違規，Hawk 將結果回傳給 AI Agent 要求重寫，直到通過檢查（PASS）為止。
• 無縫整合：整個過程無需人工介入，由 AI 自我驗證。

1. 實際應用案例：

• 撰寫 Trade 或付費文章時，強制 AI 進行事實驗證。
• 檢查 AI 是否上網查證 3-5 遍，並提供來源。
• 檢查 AI 是否讀取了必要的附件或檔案。

三、 Hawk 的注意事項與限制

1. 效率影響：

• Hawk 需要判斷正確性，若錯誤則重做，可能降低 AI 回覆速度。
• 過多 Hawk 會導致效能降低。

1. 規則衝突：

• Hawk A 與 Hawk B 可能互相衝突，導致「鬼打牆」無法產出結果。

1. 管理難度：

• 撰寫 Hawk 腳本需精準，否則易誤判。
• 長期累積後難以管理，需定期刪除不再使用的 Hawk。

1. 與 Skill 的協作：

• 不應強求 AI 一次性讀取整個龐大的 Skill 資料夾（本末倒置）。
• 應利用 Hawk 驗證 AI 是否「讀取」了關鍵檔案（如 Skill.md），而非強迫讀取所有內容。
• 最佳實踐：明確指示呼叫特定 Skill，並搭配 Hawk 進行自動化檢查。

四、 總結與資源

1. 最佳實踐總結：

• 給定指令時，明確說明需呼叫的 Skill 及參考檔案。
• 使用 Hawk 自動檢查 AI 產出是否符合需求。

1. 資源獲取：

• 講者將內容整合為教學問檔（教學文件）。
• 加入免費的「AI 隨機」社群可下載。
• 檔案存放於 Community 或 Castworm 相關路徑。

1. 推廣：

• 付費版學習中心提供實戰技巧與每週 AI 直播。
• 歡迎留言提問、訂閱頻道並開啟小鈴鐺。

工具 / 模型 / 名詞整理

• Skill：指代 AI 的技能或規則設定檔案。
• Skill.md：Skill 的 Markdown 格式規則檔案。
• Curt.md：講者提及的另一種指令/指引檔案（疑點：聽似為特定工具或講者自訂名稱，逐字稿中與 Skill.md 並列）。
• Crid.md：講者口誤或聽寫錯誤提及的檔案名稱（疑點：上下文似指代規則檔案）。
• AI Agent：人工智慧代理程式。
• Hawk：用於自動檢查、驗證 AI 行為並強制執行規則的工具/功能。
• Trade：講者提及的文章主題類型（貿易/交易相關）。
• Castworm：講者提及存放檔案或筆記的平台（疑點：聽似為特定平台名稱，需查證）。
• AI 隨機：講者提及的免費社群名稱（疑點：聽似為社群名稱，需查證）。

操作流程整理

1. 定義規則：撰寫 Skill.md 或 Curt.md 等規則檔案，定義 AI 應遵循的標準（如事實驗證、來源提供、檔案讀取要求）。
2. 設定 Hawk 觸發條件：配置 Hawk 工具，設定在特定事件（如撰寫 Trade 文章）發生時自動觸發檢查。
3. 執行任務：AI Agent 接收指令並嘗試產出內容。
4. 自動檢查：Hawk 攔截 AI 的回覆，驗證是否違規（例如：是否查證 3-5 遍、是否提供來源、是否讀取必要附件）。
5. 循環修正：

• 若通過檢查：任務完成。
• 若未通過：Hawk 將結果回傳給 AI Agent，要求重寫。
• AI 根據反饋修改內容，再次進入檢查流程，直到通過（PASS）。

1. 定期維護：定期清理不再使用的 Hawk 設定，避免規則衝突與效能下降。

值得注意的限制或風險

1. 效能與速度：Hawk 的檢查與重做機制可能降低 AI 回覆速度。
2. 規則衝突：多個 Hawk 規則之間可能互相衝突，導致「鬼打牆」無法產出結果。
3. 管理複雜度：長期累積的 Hawk 設定難以管理，若腳本撰寫不精準，易產生誤判。
4. 過度依賴：不應強求 AI 一次性讀取龐大的 Skill 資料夾，應聚焦於關鍵檔案的驗證。

逐字稿辨識疑點

• Skill.amd：逐字稿中多次出現此寫法，疑為 Skill.md 的聽寫錯誤或口誤。
• Curt.amd：疑為 Curt.md 或 Skill.md 的聽寫錯誤。
• Crid.md：疑為 Skill.md 或 Curt.md 的聽寫錯誤。
• 員性的參考：疑為 圓形的參考 或 原性的參考（意指非強制性、建議性的參考），或為 員外 的誤聽。
• 回頭啦：疑為 AI 系統特性的描述，或為特定術語的聽寫錯誤（如「回頭率」？但語境不通），或為口語表達「回頭看」之意。
• 奇志十一：疑為 指令 或 腳本 的聽寫錯誤（上下文：寫 Hawk 跟寫...需要非常精準）。
• AI 隨機：社群名稱，疑為 AI 社群 或特定品牌名稱的聽寫錯誤。
• Castworm：平台名稱，疑為 Castbox、Caster 或其他平台的聽寫錯誤。
• DADY AI Agent：疑為 Daily AI Agent 或特定產品名稱的聽寫錯誤。
• 省個 30 分鐘：疑為 花個 30 分鐘 的聽寫錯誤。
• 神批：疑為 審批 或 審視 的聽寫錯誤。
• 收證：疑為 驗證 或 認證 的聽寫錯誤。
• 長破：疑為 強制 的聽寫錯誤（上下文：並不是長破 AI 一定要根據...）。
• Tech：疑為 Tool 或 Team 的聽寫錯誤（上下文：但 AI Tech 根本沒有看）。
• 度是：疑為 都是 的聽寫錯誤（上下文：最好的解法度是）。
• 鬼打場：疑為 鬼打牆 的聽寫錯誤。

可延伸追問

1. Hawk 工具具體如何與 Claude Code 或其他 AI Agent 平台整合？是否有開源程式碼或具體設定範例？
2. 如何撰寫精準的 Hawk 檢查腳本，以避免誤判或規則衝突？
3. 在什麼情況下應選擇「明確指令」而非「Hawk 自動檢查」？兩者權衡的基準為何？
4. 「AI 隨機」社群與 Castworm 平台具體是什麼？如何獲取相關的教學文件與資源？
5. 對於大型 Skill 資料夾，如何優化 Hawk 的檢查範圍以平衡準確性與效能？