# 影片筆記：AI 也需要分工合作——使用 Sub-Agent 比你想像中還簡單！

## 一句話總結
面對複雜的多步驟任務，與其撰寫冗長且易出錯的單一長提示詞，不如將任務拆解，利用 **Sub-Agent**（子代理）進行分工合作，由主 Agent 整合結果，以提升處理效率與細節準確度。

## 核心重點
*   **單一提示詞的局限性**：
    *   當任務複雜（如規劃旅行、整理資料）時，單一提示詞會變得冗長且難以撰寫。
    *   AI 容易顧此失彼，遺漏細節。
    *   受限于上下文記憶空間（比喻為書桌空間有限），可能簡化或丟棄資訊。
*   **Sub-Agent 的核心概念**：
    *   將大任務拆解，由多個專門的 AI 小幫手（Sub-Agent）分工合作。
    *   最後由主 Agent（Main Agent）整合結果。
    *   比喻：提示詞如便利貼；Sub-Agent 如蜜蜂生態系統（分工合作）。
*   **適用情境判斷**：
    *   **簡單任務**（如想標題、改句子）：適合直接撰寫提示詞。
    *   **複雜任務**（多步驟、多類型檢查、需反覆檢查、大家族旅遊）：適合使用 Sub-Agent。
*   **技術實作（以 Claude Code 為例）**：
    *   透過建立 `.claude` 資料夾及 `agents` 資料夾，定義多個 Markdown 檔案。
    *   使用 **YAML Front Matter** 設定每個 Agent 的 `Name` 與 `Description`。
    *   主提示詞需明確指示使用 Sub-Agent 並整合結果。

## 詳細大綱

### 1. AI 使用的常見困境
*   **直覺用法**：丟問題 -> 回答 -> 不夠好 -> 修改要求。
*   **複雜任務挑戰**：規劃旅行、整理資料、寫報告等多步驟任務。
*   **單一 AI 處理多任務的問題**：
    1.  提示詞過長複雜，難以撰寫清楚。
    2.  AI 難以同時兼顧所有細節，容易遺漏。
    3.  資訊處理與記憶空間有限，類似人類書桌空間，資料過多會遺忘或簡化。

### 2. Sub-Agent 的概念與優勢
*   **定義**：想像為小團隊，每個 AI 負責特定工作，最後整合結果。
*   **優勢**：降低單一提示詞複雜度，避免細節遺漏，分工明確。

### 3. 案例示範：一家三口兩天一夜旅行規劃
*   **任務目標**：預算 8000 元，包含交通住宿餐飲、親子景點、雨天備案。
*   **方法一：直接提示詞**
    *   操作：輸入完整需求給 AI。
    *   結果：快速生成完整計劃，適合簡單案例。
    *   缺點：若規模擴大（如大家族、公司旅遊），提示詞會變長、變亂，難以修改與除錯，最終可能導致使用者放棄 AI。
*   **方法二：Sub-Agent 做法**
    *   **分工**：
        1.  **行程規劃 Agent**：安排景點與路線。
        2.  **預算檢查 Agent**：計算總花費是否超支。
        3.  **親子檢查 Agent**：評估適合度與雨天備案。
    *   **流程**：主 Agent 分派任務 -> Sub-Agents 平行或順序處理 -> 主 Agent 整合與協調修改 -> 輸出最終計劃。

### 4. 技術實作步驟 (Claude Code)
*   建立專案資料夾 `Family Travel`。
*   建立 `.claude` 資料夾（官方規範，以點開頭）。
*   在 `.claude` 內建立 `agents` 資料夾。
*   建立三個 Markdown 檔案，使用 **YAML Front Matter** 格式：
    *   上方：設定 `Name` 與 `Description`（供 AI 識別職責）。
    *   下方：具體的提示詞內容（角色與工作細節）。
    *   檔案名稱範例：`Trip Planner`, `budget checker`, `family checker`。
*   在 Claude Code 中驗證 Agent 載入（Library 頁面可見）。
*   主提示詞策略：明確指示使用 Sub-Agent 並整合結果，協調問題。

### 5. 觀念總結與應用場景
*   **比喻**：提示詞如便利貼；Sub-Agent 如蜜蜂生態系統（分工合作）。
*   **適用情境**：
    *   簡單任務（想標題、改句子）：直接提示詞。
    *   複雜任務（多步驟、多類型檢查、需回頭檢查）：Sub-Agent。
*   **應用範例**：業務分類問題、老師出考卷、活動籌備。
*   **核心精神**：Sub-Agent 是工具箱的一環，非強制改變工作流程，而是解決特定複雜問題的工具。

## 工具 / 模型 / 名詞整理
*   **ChatGPT**
*   **Sub-Agent** (或 SubAgent)
*   **Claude Code**
*   **YAML Front Matter**
*   **Markdown** (檔案格式)
*   **Agent** (代理/小幫手)
*   **主 Agent** (Main Agent)
*   **YAML** (標記語言)
*   **Front Matter** (檔案頭部元數據)

## 操作流程整理
1.  **任務評估**：判斷任務是否為多步驟、需反覆檢查或規模較大。若是，考慮使用 Sub-Agent。
2.  **環境設定**：
    *   建立專案資料夾（例如 `Family Travel`）。
    *   建立 `.claude` 資料夾。
    *   在 `.claude` 內建立 `agents` 資料夾。
3.  **定義 Sub-Agents**：
    *   建立多個 Markdown 檔案（例如 `Trip Planner`, `budget checker`, `family checker`）。
    *   在每個檔案上方使用 **YAML Front Matter** 定義 `Name` 和 `Description`。
    *   在檔案下方撰寫該 Agent 具體的提示詞內容。
4.  **驗證載入**：在 Claude Code 中確認 Agent 已載入（可於 Library 頁面查看）。
5.  **執行主任務**：
    *   撰寫主提示詞，明確指示使用已定義的 Sub-Agents。
    *   指示主 Agent 整合各 Sub-Agent 的結果並協調問題。
6.  **輸出結果**：獲得最終整合後的計劃或答案。

## 值得注意的限制或風險
*   **上下文記憶限制**：單一 AI 處理過多資訊時，受限于上下文空間，可能簡化或遺忘細節。
*   **提示詞複雜度**：直接撰寫長提示詞時，若任務規模擴大，提示詞會變長、變亂，難以修改與除錯。
*   **非強制性**：Sub-Agent 並非必須取代現有流程，而是視情況選用的工具箱技術。

## 逐字稿辨識疑點
*   **SubAgent / Sub-Agent**：逐字稿中多次出現此詞，有時拼寫為 "SubAgent"，有時語境似指 "Sub-Agent" 或 "Sub Agent"。影片口語中聽起來像是 "Sub-Agent" 或 "Sub Agent"，但文字稿顯示為 "SubAgent"。
*   **prom**：逐字稿中提到「你可以把 prom 想象成一張寫著需求的便利貼」，推測為 **Prompt** 的口誤或聽寫錯誤，但依規則標為疑點。
*   **2000块**：逐字稿中提到「2000块如果要订到三人房的话」，貨幣單位「块」與上下文新台幣（元）或一般貨幣單位不符，疑為口誤或聽寫錯誤，但依規則保留原樣。
*   **Family Travel**：資料夾名稱，依逐字稿保留。
*   **.claude**：資料夾名稱，依逐字稿保留。
*   **agents**：資料夾名稱，依逐字稿保留。
*   **Trip Planner**、**budget checker**、**family checker**：Agent 檔案名稱，依逐字稿保留。
*   **running**、**library**：Claude Code 介面中的頁面名稱，依逐字稿保留。
*   **esc**：鍵盤按鍵名稱，依逐字稿保留。
*   **YAML Front Matter**：技術術語，依逐字稿保留。
*   **Name**、**Description**：YAML 中的欄位名稱，依逐字稿保留。

## 可延伸追問
*   除了 Claude Code，其他 AI 開發平台或框架是否支援類似的 Sub-Agent 架構？
*   在設計 Sub-Agent 的 `Description` 時，有哪些最佳實踐可以避免 Agent 之間的功能重疊或衝突？
*   當多個 Sub-Agent 的結果發生衝突時，主 Agent 應具備什麼樣的邏輯或提示詞策略來進行仲裁？
*   如何監控和評估 Sub-Agent 系統的整體效能與成本？