公開筆記

把靈感、腳本、分鏡、影片生成與剪輯串成五步流程，並標出哪些工作適合交給 AI、哪些仍需要人工判斷。

Agent 的表現不只取決於模型，也取決於提示、工具、沙盒、記憶與驗證迴路；失敗可以被轉成下一輪的系統改進。

從單次交接往上拆解長期治理：如何防失憶、防污染與錯誤接手，讓跨 session 工作能從可驗證狀態續上。

用獨立 context、專責角色與 hooks 拆解軟體任務，並依風險與規模決定何時需要多代理、審查與自動驗證。

Skill 不是一段提示詞，而是有觸發條件、輸入、輸出、邊界與失敗模式的工作單元；重點是讓能力在對的時機被取用。

用「取用速度 × 轉化程度」判斷知識該內化、技能化或安全外置，避免把所有內容都塞進同一個記憶系統。

外置大腦的重點不是存得多，而是找得到、取用得順，還能讓 AI 在需要時重建你的知識與工作脈絡。

短期功能領先不等於護城河；真正難複製的是會隨時間累積的關係、資料、轉換成本與個人化脈絡。

先穩住現金流與財務防火牆，再談投資與複利；用緊急預備金、債務排序和規則化分配降低被迫決策的風險。

一張把 raw 素材升成 wiki 的操作卡：先判斷是否值得升級，再補結構、觀點、關聯與可回查的來源。

進場前先寫清配置歸屬、方向、退出條件與再平衡點，把臨場情緒改成可檢查、可回顧的規則。

用 Fogg 模型降低單次啟動摩擦，再用 Hooked 迴圈累積回訪與投入，將習慣設計落到真實產品決策。

成熟的 AI 工作流不是工具越多越好，而是先定義期望行為，再用 Skill 執行，最後組成可維護的能力網絡。

AI-first 知識庫的核心是讓 context 可被重建：用 frontmatter、索引、狀態與交接，讓 AI 知道從哪裡開始、做到哪裡。

知識庫與資產複利共享三條設計律：先確認方向、降低維持摩擦，並避免用過度調校破壞長期連續性。