# 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）。

2.  **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）。

3.  **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。

4.  **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。
3.  **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。
2.  **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。
3.  **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。
2.  **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。
3.  **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。
4.  **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。
2.  **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。
3.  **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）。
6.  **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？