[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-claude-code-advanced-patterns-six-months-zh":3,"article-related-claude-code-advanced-patterns-six-months-zh":24,"series-ai-agent-795e71d1-19c4-4e7e-9fe8-4f3e56375ebd":77},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":10,"related_article_id":15,"keywords":16,"key_takeaways":10,"views":22,"created_at":23,"published_at":23,"topic_cluster_id":10},"795e71d1-19c4-4e7e-9fe8-4f3e56375ebd","claude-code-advanced-patterns-six-months-zh","用了 Claude Code 半年，這五件事我希望一開始就知道","\u003Cp>Claude Code 上手一週之後，大部分人還在問它「一個問題、拿一個答案、關掉視窗」。這個用法跟 ChatGPT 差不多，看不出差異。\u003C\u002Fp>\n\u003Cp>差別要從「讓它記住東西」開始。Claude Code 最被低估的能力不是跑 shell、也不是搜網頁，而是\u003Cstrong>跨 session 的記憶機制\u003C\u002Fstrong>：CLAUDE.md、MEMORY、Skill、Subagent、Cron、MCP server 這一整組工具，拼起來能把一個 AI 助手變成一個\u003Cstrong>會學習的數位分身\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>這篇整理用了半年後，最想回去告訴剛開始那個自己的五件事。不是功能清單，是「這些功能\u003Cstrong>應該用在什麼情境\u003C\u002Fstrong>」。\u003C\u002Fp>\n\u003Ch2>一、CLAUDE.md 不是人格設定，是 guardrail\u003C\u002Fh2>\n\u003Cp>很多教學把 CLAUDE.md 當作「給 Agent 寫人格」的地方，寫「你要直接、有觀點、不要用客服用語」這種指示。這些寫了沒錯，但用錯重點。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776738620609-g10m.png\" alt=\"用了 Claude Code 半年，這五件事我希望一開始就知道\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\n\u003Cp>\u003Cstrong>CLAUDE.md 的真正用途是 guardrail\u003C\u002Fstrong>，不是 personality。它是你每次對話都會被強制注入的上下文，最有效的用法是寫\u003Cstrong>你反覆踩到的陷阱\u003C\u002Fstrong>，而不是泛泛的性格描述。\u003C\u002Fp>\n\u003Cp>例子，這種寫法沒用：\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>你要簡潔、有觀點、不要囉嗦。\u003C\u002Fp>\n\u003C\u002Fblockquote>\n\u003Cp>Claude 讀了這段幾乎什麼行為都不會改，因為「簡潔」跟「囉嗦」它本來就有判斷。有用的寫法是：\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cul>\n\u003Cli>DELETE \u002F UPDATE 執行前，必須先用相同 WHERE 條件跑 SELECT 確認影響範圍\u003C\u002Fli>\n\u003Cli>API Key 禁止硬編碼，要用環境變數\u003C\u002Fli>\n\u003Cli>完成修改必須跑 linter 才能標記任務完成\u003C\u002Fli>\n\u003C\u002Ful>\n\u003C\u002Fblockquote>\n\u003Cp>這三條是\u003Cstrong>可執行的檢查點\u003C\u002Fstrong>。Claude 違反這些條件時你能指著條文說「你違反規則 X」，它會真的改。\u003C\u002Fp>\n\u003Cp>實務建議：CLAUDE.md 保持在 1KB 以內，寫「\u003Cstrong>事件驅動\u003C\u002Fstrong>」的規則（當你遇到 X 就要 Y），不寫「\u003Cstrong>狀態描述\u003C\u002Fstrong>」的規則（你是 Y 類型助手）。前者是 guardrail，後者是裝飾。\u003C\u002Fp>\n\u003Ch2>二、Memory 不是檔案系統，是「頻率 × 持久度」的儲存\u003C\u002Fh2>\n\u003Cp>Claude Code 的 Memory 大致分三層：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>Session Memory\u003C\u002Fstrong>：當前對話的上下文，關掉就沒了\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Persistent Memory\u003C\u002Fstrong>：\u003Ccode>MEMORY.md\u003C\u002Fcode> + \u003Ccode>USER.md\u003C\u002Fcode> 跨 session 持久\u003C\u002Fli>\n\u003Cli>\u003Cstrong>Skill Memory\u003C\u002Fstrong>：從經驗提煉的可重用工作流\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>表面看起來像三種檔案，實際上是\u003Cstrong>頻率 × 持久度\u003C\u002Fstrong>的兩軸：存得越久、調用頻率越低，就該用越濃縮的形式。\u003C\u002Fp>\n\u003Cp>踩過的坑：早期什麼都塞 \u003Ccode>MEMORY.md\u003C\u002Fcode>，包括「今天 deploy 了 v4.9.3」「某個客戶的 edge case 處理」這種臨時性事實。結果兩個月後 \u003Ccode>MEMORY.md\u003C\u002Fcode> 膨脹到 8KB，每次對話都被灌一堆無關歷史，品質反而下降。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>該存的三種東西\u003C\u002Fstrong>：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>難重現但會重複遇到的陷阱\u003C\u002Fstrong>（例：\"Supabase RLS 在 service role 下會被繞過，所有 public routes 必須 \u003Ccode>status=eq.published\u003C\u002Fcode> 明寫條件\"）\u003C\u002Fli>\n\u003Cli>\u003Cstrong>專案的長期決策\u003C\u002Fstrong>（例：\"Stack A 使用 Nuxt 3，不遷 Next.js\"）\u003C\u002Fli>\n\u003Cli>\u003Cstrong>用戶明確的偏好\u003C\u002Fstrong>（例：\"commit 訊息用 conventional commits，不加 emoji\"）\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>\u003Cstrong>不該存的三種東西\u003C\u002Fstrong>：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>短期狀態（今天 deploy 了什麼）\u003C\u002Fli>\n\u003Cli>可以從 code \u002F git 讀出來的事（專案結構、最近 commits）\u003C\u002Fli>\n\u003Cli>單次專案的細節（「本次重構的檔案列表」）\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>這些短期資訊放 task list、git log 或 session memory 就夠。寫進 \u003Ccode>MEMORY.md\u003C\u002Fcode> 反而污染未來對話。\u003C\u002Fp>\n\u003Ch2>三、Skill 的價值在組合，不在單個 Skill 多強\u003C\u002Fh2>\n\u003Cp>很多人把 Skill 當「插件」使用，裝一個用一個。這樣看不出 Skill 的真正價值。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776738619980-6887.png\" alt=\"用了 Claude Code 半年，這五件事我希望一開始就知道\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\n\u003Cp>\u003Cstrong>Skill 的化學反應出現在串接\u003C\u002Fstrong>。舉個具體例子，做一個新聞網站的內容管線，可以串 5 個 Skill：\u003C\u002Fp>\n\u003Col>\n\u003Cli>\u003Cstrong>keyword-research\u003C\u002Fstrong>：輸入話題，產出 SEO 關鍵字與搜尋意圖\u003C\u002Fli>\n\u003Cli>\u003Cstrong>content-brief\u003C\u002Fstrong>：輸入關鍵字，產出文章大綱 + 原始資料來源\u003C\u002Fli>\n\u003Cli>\u003Cstrong>draft-writer\u003C\u002Fstrong>:輸入大綱，產出第一版 HTML 文稿\u003C\u002Fli>\n\u003Cli>\u003Cstrong>humanizer\u003C\u002Fstrong>：掃描 AI 寫作模式，產出修訂建議\u003C\u002Fli>\n\u003Cli>\u003Cstrong>seo-optimizer\u003C\u002Fstrong>：輸入稿件，檢查 meta、canonical、內鏈密度\u003C\u002Fli>\n\u003C\u002Fol>\n\u003Cp>每個 Skill 單用都普通，串起來能跑出一條\u003Cstrong>零接觸\u003C\u002Fstrong>的文章產製線。重點不在 Skill 強度，在於它們\u003Cstrong>透過檔案系統傳資料\u003C\u002Fstrong>——每步輸出寫到固定檔案，下一步直接讀，不依賴記憶體變數。\u003C\u002Fp>\n\u003Cp>設計 Skill 的三個原則：\u003C\u002Fp>\n\u003Cul>\n\u003Cli>\u003Cstrong>單一職責\u003C\u002Fstrong>：一個 Skill 只做一件事，不要塞兩個功能\u003C\u002Fli>\n\u003Cli>\u003Cstrong>冪等\u003C\u002Fstrong>：同樣輸入跑兩次結果不變\u003C\u002Fli>\n\u003Cli>\u003Cstrong>可觀察\u003C\u002Fstrong>：每一步輸出落地為檔案，出錯時可以打開看\u003C\u002Fli>\n\u003C\u002Ful>\n\u003Cp>這三點看起來像 Unix 哲學，因為\u003Cstrong>它就是 Unix 哲學\u003C\u002Fstrong>。Skill 系統真正的設計靈感是 pipe，不是插件。\u003C\u002Fp>\n\u003Ch2>四、Subagent 派工的三種錯誤姿勢\u003C\u002Fh2>\n\u003Cp>Subagent 是「派生子任務」的機制，讓主 session 可以丟工作給獨立的子 Agent 並行跑。很多人第一次用會犯三個錯誤：\u003C\u002Fp>\n\u003Cp>\u003Cstrong>錯誤一：濫用並行\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>把所有任務都丟 subagent。實際上\u003Cstrong>有順序依賴的任務並行反而更慢\u003C\u002Fstrong>，因為要把每個 agent 的結果餵給下一個，還得重新拼 context。只有\u003Cstrong>確定無依賴\u003C\u002Fstrong>的任務才適合並行。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>錯誤二：context 重複餵\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>派 subagent 時把整個對話歷史塞給它。Subagent 的價值就是\u003Cstrong>乾淨 context\u003C\u002Fstrong>，重新餵歷史違反設計。正確做法：給 subagent「目標 + 必要上下文」，讓它用空白腦袋做事。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>錯誤三：沒設 exit criteria\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>Subagent 不知道什麼時候算完成。預設行為是把話講完、寫個總結就停，但它可能只做了 30% 的任務就「結案」了。正確做法：在派工指令裡寫清楚「必須驗證 X 通過、必須產出 Y 檔案、必須回報 Z 數據」，沒達到不能結案。\u003C\u002Fp>\n\u003Cp>以 OraCore 的文章產製為例，我的派工模板是：\u003C\u002Fp>\n\u003Cblockquote>\n\u003Cp>把這 8 篇 markdown 轉成 HTML 並插入 DB。驗收條件：\u003C\u002Fp>\n\u003Col>\n\u003Cli>執行 \u003Ccode>SELECT count(*) FROM articles WHERE slug LIKE 'xyz-%'\u003C\u002Fcode> 結果為 8\u003C\u002Fli>\n\u003Cli>每筆 \u003Ccode>rewrite_status = 'done'\u003C\u002Fcode>、\u003Ccode>status = 'published'\u003C\u002Fcode>\u003C\u002Fli>\n\u003Cli>4 組 zh\u002Fen 透過 \u003Ccode>related_article_id\u003C\u002Fcode> 雙向連結。回報時附 SELECT 結果。\u003C\u002Fli>\n\u003C\u002Fol>\n\u003C\u002Fblockquote>\n\u003Cp>Subagent 知道自己要達成什麼才算完成，結果品質直接從「猜它做到哪」變成「驗證數字」。\u003C\u002Fp>\n\u003Ch2>五、跨 CLI 協作：tmux、MCP server、檔案 bus 的取捨\u003C\u002Fh2>\n\u003Cp>用到一定程度會想「能不能讓 Claude Code 當主控，派工給 Codex、Gemini、本地的 llama.cpp 等不同模型？」這個想法合理，因為\u003Cstrong>每個模型有各自強項\u003C\u002Fstrong>：Opus 強在架構判斷、Codex 強在重構、Gemini 強在長 context 摘要。\u003C\u002Fp>\n\u003Cp>實作路徑有三種：\u003C\u002Fp>\n\u003Cp>\u003Cstrong>路徑一：tmux send-keys\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>用 tmux 開多個視窗分別跑不同 CLI，主控用 \u003Ccode>tmux send-keys\u003C\u002Fcode> 派指令，再 scrape terminal 讀回答。快速能動，但四個硬傷：沒 exit code、沒 structured response、terminal 字元污染、記憶靠人工。適合做 demo，不適合生產。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>路徑二：MCP server\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>把每個 CLI 包成 MCP server 的 tool，主控呼叫 \u003Ccode>dispatch_to(model, task)\u003C\u002Fcode>，回應以 JSON 傳回。結構化、有錯誤處理、context 可以用 MCP resource 共享。工作量比 tmux 大（要寫 MCP server），但\u003Cstrong>一次投資長期受益\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>\u003Cstrong>路徑三：檔案匯流 bus\u003C\u002Fstrong>\u003C\u002Fp>\n\u003Cp>所有 agent 共用一個資料夾，透過檔案讀寫通訊。主控寫 \u003Ccode>\u002Ftasks\u002F001.json\u003C\u002Fcode>，worker 輪詢資料夾找新任務、寫 \u003Ccode>\u002Fresults\u002F001.json\u003C\u002Fcode>。簡單、debuggable、任何語言都能當 worker。缺點是輪詢開銷、沒即時性。\u003C\u002Fp>\n\u003Cp>我的結論：\u003Cstrong>demo 用 tmux、生產用 MCP、研究型實驗用檔案 bus\u003C\u002Fstrong>。不要想著一種解決所有情境。\u003C\u002Fp>\n\u003Ch2>結語：從工具到系統\u003C\u002Fh2>\n\u003Cp>Claude Code 最反直覺的地方是，它不是「一個工具」，是\u003Cstrong>一個會成長的系統\u003C\u002Fstrong>。用得越久，它越懂你。你踩過的坑變成它的 Skill，你的偏好寫進 Memory，你的專案規則刻在 CLAUDE.md。三個月後你會發現它已經不只是 AI 助手，更像是\u003Cstrong>一個繼續替你工作的數位分身\u003C\u002Fstrong>。\u003C\u002Fp>\n\u003Cp>從「跟 AI 聊天」到「讓 AI 替你幹活」的距離，不是功能差距，是認知差距。先挑最痛的點切入：每天重複同樣指令的就寫 CLAUDE.md，多專案的就搞 project-level 規則，想讓 AI 自動做事的就上 Cron 加 Skill。\u003C\u002Fp>\n\u003Cp>重要的是開始用，讓系統自己長大。\u003C\u002Fp>\n\u003Ch2>延伸閱讀\u003C\u002Fh2>\n\u003Cul>\n\u003Cli>\u003Ca href=\"\u002Fnews\u002Fclaude-design-anthropic-launch-zh\">Claude Design 上線：Anthropic 推 AI 設計工具挑戰 Figma\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fnews\u002Fclaude-design-codebase-aware-system-zh\">Claude Design 最關鍵的技術細節：讀 codebase 建設計系統\u003C\u002Fa>\u003C\u002Fli>\n\u003Cli>\u003Ca href=\"\u002Fnews\u002Fclaude-design-features-guide-zh\">Claude Design 功能完整解析：從對話到 slide 只要一句話\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Ful>","用 Claude Code 超過一週的人都會發現，它跟 ChatGPT 最大的差別不是能跑 terminal、也不是能搜網頁，而是它會記住東西並且隨使用成長。但多數人停在「跟它聊天」的階段。這篇整理半年經驗裡最有感的五件事：CLAUDE.md 的真正用法、Memory 該存什麼、Skill 組合的化學反應、Subagent 派工的三種常見錯誤，以及跨 CLI 協作（Claude Code \u002F Codex \u002F Gemini）的實作選擇。","OraCore Original",null,"OraCore","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1776738620609-g10m.png","ai-agent","zh","cbfdbb12-d79f-47c3-8a9a-df1443ff0d74",[17,18,19,20,21],"Claude Code","AI Agent","CLAUDE.md","Subagent","MCP",8,"2026-04-20T08:25:00.602016+00:00",{"tags":25,"relatedLang":36,"relatedPosts":40},[26,28,30,32,34],{"name":19,"slug":27},"claudemd",{"name":21,"slug":29},"mcp",{"name":17,"slug":31},"claude-code",{"name":20,"slug":33},"subagent",{"name":35,"slug":13},"AI agent",{"id":15,"slug":37,"title":38,"language":39},"claude-code-advanced-patterns-six-months","Claude Code Advanced Patterns: 5 CLI Agent Design Tips","en",[41,47,53,59,65,71],{"id":42,"slug":43,"title":44,"cover_image":45,"image_url":45,"created_at":46,"category":13},"83c2f8f6-3710-466e-b52c-473b811f0535","how-to-set-up-openclaw-safely-zh","如何安全架設 OpenClaw","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780549368665-1t2l.png","2026-06-04T05:02:21.26625+00:00",{"id":48,"slug":49,"title":50,"cover_image":51,"image_url":51,"created_at":52,"category":13},"0ba5b1a8-82c5-464a-bea5-9a2c8730da74","aws-devops-agent-turns-incident-chaos-into-triage-zh","AWS DevOps Agent 把事故排查變成三步","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780466689960-g1sv.png","2026-06-03T06:03:14.154923+00:00",{"id":54,"slug":55,"title":56,"cover_image":57,"image_url":57,"created_at":58,"category":13},"841eac88-b0f0-4a4c-9e1e-efc3b5c16281","kimi-k26-live-300-agent-workflows-zh","Kimi K2.6 上線：300 代理工作流","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780430574285-hqpn.png","2026-06-02T20:02:24.972179+00:00",{"id":60,"slug":61,"title":62,"cover_image":63,"image_url":63,"created_at":64,"category":13},"f0411957-bcdb-42d9-a267-3e90ae7d9cb1","how-to-take-a-sabbatical-at-openai-zh","怎麼申請 OpenAI sabbatical","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780398216422-8fi7.png","2026-06-02T11:02:25.74372+00:00",{"id":66,"slug":67,"title":68,"cover_image":69,"image_url":69,"created_at":70,"category":13},"37a5e429-4235-439c-9b05-bb377085462c","8-steps-build-production-rag-with-langchain-zh","8 步驟打造可上線的 LangChain RAG","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780178597493-4hz7.png","2026-05-30T22:02:48.14022+00:00",{"id":72,"slug":73,"title":74,"cover_image":75,"image_url":75,"created_at":76,"category":13},"e73c041b-852b-44c3-85aa-0f1e2e5848e3","ai-agents-hit-chaos-mode-claude-code-openclaw-zh","Claude Code＋OpenClaw 讓 AI 代理失控升溫","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780160576178-yqcs.png","2026-05-30T17:02:25.725767+00:00",[78,83,88,93,98,103,108,113,118,123],{"id":79,"slug":80,"title":81,"created_at":82},"4ae1e197-1d3d-4233-8733-eafe9cb6438b","claude-now-uses-your-pc-to-finish-tasks-zh","Claude 開始幫你操作電腦","2026-03-26T07:20:48.457387+00:00",{"id":84,"slug":85,"title":86,"created_at":87},"5bede67f-e21c-413d-9ab8-54a3c3d26227","googles-2026-ai-agent-report-decoded-zh","Google 2026 AI Agent 報告解讀","2026-03-26T11:15:22.651956+00:00",{"id":89,"slug":90,"title":91,"created_at":92},"2987d097-563f-46c7-b76f-b558d8ef7c2b","kimi-k25-review-stronger-still-not-legend-zh","Kimi K2.5 評測：更強，但還不是神作","2026-03-27T07:15:55.277513+00:00",{"id":94,"slug":95,"title":96,"created_at":97},"95c9053b-e3f4-4cb5-aace-5c54f4c9e044","claude-code-controls-mac-desktop-zh","Claude Code 也能操控 Mac 了","2026-03-28T03:01:58.58121+00:00",{"id":99,"slug":100,"title":101,"created_at":102},"dc58e153-e3a8-4c06-9b96-1aa64eabbf5f","cloudflare-100x-faster-ai-agent-sandbox-zh","Cloudflare 的 AI 沙箱跑超快","2026-03-28T03:09:44.142236+00:00",{"id":104,"slug":105,"title":106,"created_at":107},"1c8afc56-253f-47a2-979f-1065ff072f2a","openai-backs-isara-agent-swarm-bet-zh","OpenAI 挺 Isara 的 agent swarm …","2026-03-28T03:15:27.513155+00:00",{"id":109,"slug":110,"title":111,"created_at":112},"7379b422-576e-45df-ad5a-d57a0d9dd467","openai-plan-automated-ai-researcher-zh","OpenAI 想做自動化 AI 研究員","2026-03-28T03:17:42.090548+00:00",{"id":114,"slug":115,"title":116,"created_at":117},"48c9889e-86df-450b-a356-e4a4b7c83c5b","harness-engineering-ai-agent-reliability-2026-zh","駕馭工程：從「馬具」到「作業系統」，AI Agent 可靠性的終極密碼","2026-03-31T06:42:53.556721+00:00",{"id":119,"slug":120,"title":121,"created_at":122},"96d8e8c8-1edd-475d-9145-b1e7a1b02b65","mcp-explained-from-prompts-to-production-zh","MCP 怎麼把提示詞變工作流","2026-04-01T09:24:39.321274+00:00",{"id":124,"slug":125,"title":126,"created_at":127},"f2ca7720-b471-4ce5-9336-2a9ac2a876fd","amazon-bedrock-agents-multi-agent-workflows-zh","Amazon Bedrock Agents 進入多代理工作流","2026-04-01T09:30:29.945429+00:00"]