把 Agent Session 沉澱成 Skill:我開始整理可重用工作流的方法
我想把每次和 Agent 完成的複雜工作,不只停在「這次做完了」,而是拆成兩種可延續的產物:Skill 保存可重複執行的 SOP,文章保存對人有價值的脈絡、取捨與反思。這樣下一次遇到類似任務時,Agent 可以直接套用流程;而我也能把工作方法整理成可以分享的文章。
Agent session 最大的浪費,是做完後沒有留下方法
很多 Agent session 其實不只是單次任務。
例如一次完整的網站調整,可能包含:
- 先討論產品或 UX 的問題
- 實作元件
- 補測試或驗證 build
- archive change
- commit 到專案
- 最後整理出為什麼這樣做
如果這些只停在聊天紀錄裡,下次要做類似事情時,我還是得重新說一次背景、偏好、流程和驗證方式。真正有價值的不是「這次改了哪幾個檔案」,而是中間形成的判斷流程。
所以我開始把完成的 session 當成原料,整理成之後可以重用的知識。
我把產物分成 Skill、Draft 和 Project note
不是每一次 session 都應該變成同一種東西。
我目前會先判斷它比較適合沉澱成哪一類:
- Skill:給 Agent 重用的操作流程。重點是觸發條件、步驟、命令、常見坑、驗證清單。
- Draft:給人閱讀的文章草稿。重點是背景、問題意識、取捨、最後形成的方法。
- Project note:只對某個專案有用的脈絡,例如某個 repo 的架構決策或維護規則。
這個分類很重要,因為 Skill 和文章的寫法完全不同。
Skill 不需要好看,它要可執行。文章不需要列出所有命令,它要讓讀者理解為什麼這套方法值得採用。
為什麼我採用「Skill first」
我現在傾向先寫 Skill,再寫文章。
原因是:如果先寫文章,很容易把 session 包裝成一個漂亮故事,但漏掉真正能重用的細節。例如:
- 什麼時候要觸發這個 workflow?
- 哪些情況不該用?
- 要先檢查什麼前置條件?
- 如果工具失敗,要怎麼換路徑?
- 最後要用什麼結果確認任務真的完成?
這些內容放在文章裡會太瑣碎,但對 Agent 下次執行任務非常重要。
所以我的順序是:
- 先從 session 裡抽出可重用 SOP。
- 把 SOP 寫成 Skill。
- 再從同一份材料裡提煉人類讀者會在意的故事和方法論。
- 最後寫成 Draft。
這樣文章不會只是操作紀錄,Skill 也不會變成散文。
什麼樣的 session 值得沉澱
不是所有聊天都值得保存。
我現在會看幾個訊號:
- 有 5 個以上的實際操作步驟
- 中間遇到非顯而易見的坑
- 有明確驗證方式
- 下次一到三個月內可能重複遇到
- 和我的核心工作流有關
- 最後形成了一個可以教給 Agent 的操作模式
如果只是一次查資料、單純問答,或只對當下有效,就不需要硬寫成 Skill。硬存太多只會讓知識庫變吵。
一次 session 裡,我會抽出哪些東西
沉澱時,我不是直接複製聊天紀錄,而是整理下面這些資訊:
- 這次原本要解決什麼問題
- 最後實際完成了什麼
- 中間做了哪些關鍵決策
- 哪些方法試過但不適合
- 哪些細節下次很容易忘記
- 需要保留的命令、檔案路徑或驗證方式
- 哪些內容不能放進公開文章,例如敏感憑證、私人 ID、內部端點或過細的機器資訊
這一步其實像是把「聊天」轉成「產品化後的工作流」。
聊天紀錄是時間序列;Skill 和文章則是經過編排的知識。
Skill 的內容要偏向可執行
一個好的 Skill 對 Agent 來說應該像是 SOP,而不是心得文。
我會希望 Skill 裡至少包含:
- 什麼情境要使用
- 什麼情境不要使用
- 前置條件
- 具體步驟
- 可能用到的命令或工具
- 常見錯誤,用「症狀 → 原因 → 修法」整理
- 最後的驗證清單
這樣下次我只要說「把這次沉澱一下」,Agent 就不需要重新猜我要的是什麼,可以直接進入整理流程。
Draft 的重點是讓讀者看懂取捨
Draft 不應該只是 Skill 的人類版。
文章要處理的是:為什麼我需要這個方法?它解決了什麼問題?我以前怎麼做?現在為什麼改成這樣?
所以文章裡會保留:
- 具體場景
- 做法的轉折
- 方法背後的取捨
- 可以被讀者借用的判斷標準
例如這次的核心不是「我建立了一個 Skill」,而是:
Agent workflow 如果只追求完成任務,很容易失去累積性;但如果每次都能把可重用部分沉澱下來,Agent 就會逐漸變成真正貼近個人工作流的助手。
這才是文章要傳達的東西。
這套流程之後會怎麼用
之後如果一個 session 完成了複雜任務,我可以直接用幾種說法觸發:
- 「把這次沉澱一下」
- 「這次可以寫成 skill」
- 「整理成 draft」
- 「把這次 session 變成 skill 和文章草稿」
Agent 接到之後,就先判斷輸出模式:
- 只需要 SOP:寫 Skill
- 有公共分享價值:Skill + Draft
- 主要是觀點整理:Draft
- 只跟專案內部有關:Project note
這讓工作流的尾聲不只是收尾,而是把這次工作變成下一次的起點。
我想保留的原則
最後,我會把這套方法壓成幾個原則:
- 不要讓 session 只留下結果,要留下方法。
- Skill 是給 Agent 執行的,文章是給人理解的。
- 先保存操作細節,再寫敘事。
- 不是每次都值得沉澱,只有可重用的才保存。
- 公開前一定要做隱私檢查。
這樣 Agent 才不只是一次性工具,而是會隨著每次合作,逐步靠近我的實際工作方式。
覺得這篇文章有幫助嗎?可以分享給朋友。
相關文章
把模糊想法變成可執行工作:我的 Supekku Workflow 設計
AI Agent 協作的問題不只是 prompt,而是脈絡如何被保存。Supekku Workflow 是我用來把模糊想法整理成可執行工作的方式:先透過對話釐清意圖、範圍與成功標準,再把需要保存的內容轉成 proposal、criteria、reasoning、actions 與 verification。
AI 時代的個人知識庫:Obsidian、RAG 與 Agent 該怎麼分工?
Obsidian、RAG 與 AI Agent 常被放在一起討論,但它們其實負責不同任務。本文從個人知識管理的角度,拆解 Obsidian 如何保存筆記、RAG 如何檢索資料、Agent 如何把內容轉成可執行的工作流。
用 Slidev 把 Markdown 變成簡報網站
用 Slidev 把 Markdown 變成簡報網站,從建立專案、自訂樣式到部署上線的完整流程與踩坑紀錄。
搜尋引擎的下一次進化:GEO (生成式引擎優化)
在 AI 驅動的時代,傳統 SEO 的「藍色連結」正在失去光環。隨著 ChatGPT、Google AI Overviews、Perplexity 與 Bing Copilot 的崛起,使用者不再點擊網站,而是直接向 AI 要答案。
讓 AI 學會查資料:RAG 與 Embedding 技術解析
當 AI 不再只靠訓練記憶回答問題,而是能即時從你的資料中檢索再生成,這就是 RAG(檢索增強生成)的核心概念。本文從 Embedding 向量化到 Cosine Similarity 相似度計算,完整拆解 RAG 的運作原理與實務要點。
