第三章：Skills 技能系統

概述 | Overview

本章說明 Claude Agent 系統中的 Skill（技能） 機制 —— 一套封裝好的、可重複執行的工作流。每個 Skill 定義了「做什麼、誰來做、怎麼做、品質怎麼管」，使用者只需透過 /command 觸發，系統便會自動調度對應的 Agent、遵循預設的多階段流程、執行品質閘門檢查，並產出結構化報告。

Skill 的設計哲學可以用一句話概括：把專家級的工作流程標準化，讓每次執行都有一致的品質底線。

一、Skill 是什麼

定義

Skill 是一個封裝好的可重複工作流，具備以下特徵：

特徵 說明
觸發方式 使用者在對話中輸入 /skill-name 加上必要參數即可啟動
自描述 每個 Skill 都有 SKILL.md 檔案，完整定義名稱、參數、流程、品質標準
多階段流程 從需求釐清到報告產出，劃分為明確的階段（Stage），每階段有專責 Agent
品質閘門 關鍵階段設有 Gate（如來源品質閘門），未通過則暫停流程、回報使用者
深度可選 多數 Skill 支援 quick（精簡）、full（完整，預設）、deep（強化）三種模式
結構化產出 產出遵循預定義的模板和格式，確保可追溯、可比較

Skill 與 Agent 的關係

Skill 是「指揮官」，Agent 是「執行者」。一個 Skill 會調度多個 Agent，每個 Agent 在指定階段負責特定任務。Skill 定義了 Agent 之間的協作順序、資訊傳遞方式（如 CRF 寫檔制）、以及衝突解決機制（如 Agent Teams 辯論）。

Skill 的檔案位置

所有 Skill 統一存放於 ~/.claude/skills/ 目錄下，每個 Skill 一個子目錄：

~/.claude/skills/
  brand-research/SKILL.md
  marketing/SKILL.md
  research/SKILL.md
  brainstorm/SKILL.md
  tool-research/SKILL.md
  ops/SKILL.md
  plan/SKILL.md
  present/SKILL.md
  new-project/SKILL.md

二、Skill 清單總覽

下表列出系統中所有現行 Skill，依業務重要性排序。

名稱 觸發指令 用途摘要 涉及的 Agent 主要輸出物
品牌調研 /brand-research <brand> 品牌「是什麼」的系統性診斷，產出品牌現況報告 Deep Researcher, Strategist, Context Analyst, Consumer, Skeptic, Business Intel, Creative Council, Marketer, Joker 品牌審計報告（含計分卡、InsightCards、來源品質報表）
行銷提案 /marketing <product> 品牌「該怎麼做」的行銷處方，含策略分析與提案包裝 Deep Researcher, Strategist, Marketer, Skeptic, Survey Architect, Joker, Storyteller, Context Analyst, Business Intel, Insight Analyst, Creative Council, 決策層 行銷提案報告（含策略、傳播規劃、問卷設計、決策層辯論）
研究調研 /research <topic> 對指定主題進行多角度系統性研究 Tech Scout, Business Intel, Economist, Context Analyst, Deep Researcher, Strategist, Storyteller, Joker 研究報告（含六大研究章節、交叉審視、策略整合）
創意風暴 /brainstorm <challenge> 純創意發想，不需數據，鼓勵非共識想法 Musk, Creative Council, Joker, Context Analyst, Consumer, Jobs 創意概念清單（發散 → 碰撞 → 收斂）
工具調研 /tool-research <target> 對工具或專案進行技術研究與資安評估 Deep Researcher, Tech Scout, Security Expert, White Hat, Black Hat, Joker, Architect 深度調查報告（含技術分析、資安評估、採用建議）
技術規劃 /plan <feature> 需求分析、技術選型、架構設計 Technical Architect, Architect, TDD Guide, Code Auditor 技術規劃書（含需求、架構、實作計劃）
系統運維 /ops <command> 伺服器狀態檢查、清理、日誌查看、套件更新 無（直接執行系統指令） 系統狀態報告或操作結果
文檔預覽 /present <file> 將 Markdown 轉為 HTML 並開啟網頁檢視 無（直接執行轉換與伺服器） 可瀏覽的 HTML 頁面
新建專案 /new-project <name> 建立專案目錄並配置初始結構 無（互動式建立） 專案目錄、CLAUDE.md、agent-deck session

三、核心業務 Skill 詳細說明

以下三個 Skill 是系統的核心業務能力，具備最完整的多階段工作流和品質管控機制。

3.1 品牌調研 /brand-research

一句話定位：品牌的「健康檢查報告」—— 診斷品牌過去到現在的狀態。

報告讀者：外部廣告行銷公司。報告的目的是讓廣告公司比品牌客戶更了解其品牌，以專業高度協助解決商業問題。

深度模式

模式 說明 產出 Token 規模
quick 精簡版，單一 Agent（Strategist） 品牌計分卡 + 3 張 InsightCards + 關鍵建議 基準
full（預設） 全面版，5 位必派 + 動態補位 完整品牌審計報告（13 章） 基準 x3-5
deep 強化版，full + Tournament + Self-Critique 完整報告 + 競賽評選 + 自我批評修正 基準 x5-8

多階段工作流

階段零：需求釐清
    品牌名稱、產業確認、用戶想了解的面向、可用內部資料
    ⛔ 閘門：品牌與產業未確認前，不進入後續階段

階段一：診斷（並行）
    Strategist ── 品牌定位分析、競爭格局
    Deep Researcher ── 新聞/社群/行銷操作全景調研
    Context Analyst ── 文化契合度、消費者認知
    Business Intel ── 競品品牌策略蒐集（動態）

階段 1.5：來源品質閘門
    每項數據標註來源等級（A/B/C/D/E）
    ⛔ 閘門：超過 50% 關鍵數據為 D/E 級 → 暫停流程，回報使用者

階段二：驗證
    Consumer ── 用戶視角品牌體驗 + 消費行為分析
    Creative Council ── 品牌訊息與傳播效果（動態）

階段三：洞察
    Skeptic ── 品牌風險與盲點
    Marketer ── 行銷定位與成長機會（動態）

動態交叉審視（Agent Teams 辯論）
    至少 2 個不同專業框架的 Agent 對同一數據產生不同解讀
    Joker 必須在場，職責是打破假共識
    最多 2 輪辯論

階段四：報告產出 + 自檢
    主控讀取所有階段檔案，依模板產出報告
    逐項自檢：事實紀律、InsightCard 品質、可讀性、事實傳播檢查

品質管控機制

機制 說明
來源品質閘門 每項數據必須標註來源等級（A-E），超過 50% 為 D/E 級即暫停
認識論分層 所有事實與推論標註 L1（已驗證）到 L5（未知），不確定就降級
CRF 寫檔制 Agent 完整分析寫入檔案，回傳主控僅摘要（≤300 tokens），控制 context 膨脹
交叉審視 多視角碰撞為必要條件，不可只用單一 Agent 壓力測試
事實傳播檢查 報告中的事實修正必須 grep 比對所有階段檔案，確認無殘留舊錯誤
研究限制聲明 報告開頭強制揭露資料缺口、未知與 AI 局限
Model Routing 核心 Agent（Strategist / Skeptic / Consumer）不可降級為 Sonnet；純分類任務可降級

與 /marketing 的銜接

/brand-research 是「健康檢查報告」，/marketing 是「治療計畫」。典型使用順序為先做品牌調研、再做行銷提案。/marketing 會自動檢查是否有同品牌的 /brand-research 產出，有的話引用不重做。

3.2 行銷提案 /marketing

一句話定位：品牌的「治療計畫」—— 從現在到未來的行銷處方。

報告讀者：外部廣告行銷公司。每份報告同時包含內部策略分析與對外提案包裝。

深度模式

模式 說明 產出
quick 精簡版 Executive Summary + 3-5 張 InsightCards + 來源品質報表
full（預設） 完整版 全部章節 + 驗證層 + 決策層辯論
deep 強化版 完整報告 + Tournament 選拔 + Self-Critique 自我批評

多階段工作流

階段零：需求釐清
    核心問題定義、限制與期待、brand-research 快取判斷
    ⛔ 閘門：核心問題未定義清楚前，不進入後續階段

階段一：研究支持（並行）
    Deep Researcher ── 深度調研、一手資料
    Business Intel ── 商業情報、競爭分析（動態）
    Context Analyst ── 消費文化、社會趨勢（動態）

階段 1.5：來源品質閘門
    與 /brand-research 相同的閘門規則

階段二：多維度策略分析（並行）
    Strategist ── SWOT、市場定位、差異化策略
    Marketer ── 行銷策略、傳播規劃、通路策略

階段三：洞察整合
    Insight Analyst ── InsightCard 產出、因果分析（動態）

階段四：報告產出
    Storyteller ── 提案敘事線與溝通主軸（必派）
    Survey Architect ── 研究假設 + 問卷設計（必派）
    Creative Council ── Creative Brief 審視（動態）
    主控 ── 依模板產出報告

階段 4.5：自檢與事實紀律
    InsightCard 品質檢查、事實傳播檢查、跨報告一致性、內部一致性

階段五：動態審視（Agent Teams 辯論）
    第一波 ── 驗證層：Skeptic + 1 位動態驗證者
    第二波 ── 決策層 + Joker：2-3 位張力最大者展開辯論
    最多 2 輪辯論

特有的品質機制

機制 說明
brand-research 快取 若已有同品牌調研，僅注入摘要（~2K tokens），不注入完整報告（~15-20K tokens）
雙軌報告 同時服務「內部策略分析」與「對外提案包裝」兩種讀者
問卷設計（Survey Architect） 必派，將策略假設轉化為可驗證的問卷，確保「下一步」可執行
決策層辯論 選張力最大的 2-3 位（而非全員），真正的辯論不需要 6 人，需要 2 個真正不同意的人
Storyteller 必派 確保報告不只是數據堆砌，而有提案級的敘事線
Client Brief 交叉比對 若有客戶提供的 brief，載入但不直接信任，進入挑戰流程

3.3 研究調研 /research

一句話定位：對任意主題進行多角度系統性研究的「研究院」。

深度模式

模式 說明 產出
quick 單人主導（Deep Researcher） Executive Summary + 5 張 InsightCards + 來源品質報表
full（預設） 5 位研究員 + Context Analyst 雙焦點 完整研究報告（六大研究章節 + 交叉審視 + 策略整合）

Full 模式的六大研究視角

研究員 研究視角
Tech Scout 科技前沿、技術趨勢、新興技術
Business Intel 商業情報、市場動態、競爭格局
Economist 經濟環境、貨幣趨勢、財務影響
Context Analyst（地緣） 地緣政治、法規環境、國際局勢
Context Analyst（文化） 文化趨勢、社會脈動、消費者心理
Deep Researcher 學術研究、一手資料、系統性綜述

這是唯一讓 Context Analyst 產出兩份獨立交付物（Deliverable A + B）的 Skill，因為地緣法規和文化消費者是兩個截然不同的研究方向，不應混寫。

多階段工作流

階段一：六大視角並行研究

階段二：來源品質閘門
    Deep Researcher 彙整所有研究員的來源品質報表

階段 2.5：動態交叉審視（Agent Teams 辯論）
    主控識別研究員之間最大的 2 個張力點
    正方 vs 反方 + 碰撞者（領域最遠的 Agent）+ Joker
    最多 2 輪

階段三：策略整合
    Strategist 整合研究成果，必須讀取交叉審視結果

階段四：報告產出
    Storyteller 產出完整研究報告

與其他 Skill 的差異

四、輔助 Skill 說明

以下 Skill 服務於特定場景，流程較精簡，但各有其不可替代的用途。

4.1 創意風暴 /brainstorm

用途：純創意發想，不做策略分析，不需數據佐證，鼓勵瘋狂想法。

與 /marketing 的關鍵差異：/brainstorm 是「發散思維」的工具，而 /marketing 是「收斂決策」的工具。前者刻意避免數據和邏輯約束，後者則以數據和驗證為基礎。

三階段流程：

階段 目標 主要 Agent 特色
發散 產出 10+ 原始想法，數量優先 Creative Council, Joker, Context Analyst SCAMPER 方法；禁止說「不行」「不可能」
碰撞 Agent Teams 真實互動 Consumer, Joker, Creative Council, Jobs Consumer 即時反饋「我會買嗎？」；Joker 保護最瘋狂的想法
收斂 篩選 3-5 個最終概念 Jobs 四重篩選：原創性、共鳴感、可執行性、記憶點

產出格式：原始想法池 → 碰撞結果 → 最終概念卡片 + Jobs 評語 + 被淘汰但值得記住的想法。

4.2 技術規劃 /plan

用途：對功能或專案進行需求分析、技術選型、架構設計。

兩種範圍：

範圍 階段 Agent
mvp（預設） 需求分析 + 架構設計 Technical Architect, Architect
full 加上品質保證 再加 TDD Guide, Code Auditor

產出：功能需求表、系統架構圖、技術選型表、任務拆解、里程碑、風險評估、決策記錄。full 範圍另含測試策略與關鍵測試案例。

4.3 系統運維 /ops

用途：伺服器日常維運操作，是唯一直接執行系統指令的 Skill。

子指令 功能 執行內容
/ops status 系統狀態 磁碟空間、記憶體、Docker 容器狀態
/ops cleanup 系統清理 Docker 空間查看（不自動刪除）、journal 日誌清理
/ops logs <容器> 容器日誌 查看指定 Docker 容器的最近日誌
/ops update 套件更新 apt update && apt upgrade

特性：不涉及任何 Agent 調度，純粹的系統指令封裝。需要特殊工具權限（Bash(docker:*), Bash(sudo:*) 等）。

4.4 文檔預覽 /present

用途：將 Markdown 報告轉為精美的 HTML 頁面，開啟臨時網頁伺服器供瀏覽器檢視。

執行步驟：確認檔案 → 取得 Tailscale IP → 使用自訂腳本 md2html.py 轉換 → 啟動 port 8899 伺服器 → 顯示連結 → 等待使用者確認後關閉。

視覺特色：

典型使用場景：品牌調研或行銷提案完成後，使用 /present 將報告轉為可展示的 HTML，供團隊成員瀏覽或截圖。

4.5 工具調研 /tool-research

用途：對特定工具、開源專案或技術產品進行深度技術研究與資安評估。

兩種模式：

模式 流程 產出
quick Deep Researcher + Security Expert 快速掃描 Executive Summary + 風險摘要表 + 採用建議
full（預設） 六人調查 + 資安辯論 完整技術研究 + 資安評估 + 辯論摘要

Full 模式的獨特機制 —— 資安三人組辯論：

Security Expert（防守者）、White Hat（攻擊者）、Black Hat（對手）完成獨立分析後，啟動 Agent Teams 辯論。Joker 以「框架外」視角介入，例如在三人都聚焦技術面時提出社會工程或供應鏈風險。

產出中包含：風險摘要（Critical/High/Medium/Low）、攻擊面分析、威脅建模、資安辯論摘要、最終採用建議（推薦 / 有條件 / 不建議）。

4.6 新建專案 /new-project

用途：建立新專案目錄並自動配置初始結構。

互動流程：

  1. 解析參數（專案名稱、群組）
  2. 檢查是否已存在
  3. 詢問專案類型（商業 / 技術 / 研究 / 其他）與簡短描述
  4. 建立目錄結構與 CLAUDE.md 模板
  5. 建立 agent-deck session
  6. 顯示使用說明

三種模板：

專案類型 模板重點
商業專案 品牌/產品資訊、目標受眾、里程碑
技術專案 技術棧、架構、開發指南
研究調查 研究目標、研究問題、方法論

五、核心 Skill 的共通基礎設施

三個核心業務 Skill（/brand-research、/marketing、/research）共享以下基礎設施，這些機制確保了報告品質的一致性。

5.1 認識論規範（Epistemic Standards）

所有事實與推論必須標註確信等級：

等級 含義 使用時機
L1 已驗證 有可核實的一手來源 官方財報、公開數據、官網資訊
L2 可靠推估 有可信二手來源 產業報告、專業媒體、春樹資料
L3 合理推論 基於已知事實的邏輯推導 消費者認知推估、市場趨勢判斷
L4 假設 證據不足的推測 品牌資產估值、受眾假設
L5 未知 找不到任何依據 明確標示，不可迴避

硬規則：L4/L5 不可作為核心結論、策略主張或最終建議的主要依據。

5.2 來源品質閘門（Source Quality Gate）

每項數據必須標註來源等級（A 級為官方一手、E 級為無來源），並產出來源品質報表。若超過 50% 關鍵數據為 D/E 級，系統暫停流程，向使用者說明資訊缺口後，由使用者決定是否繼續。

5.3 CRF 寫檔制（Compact Relay Format）

解決多 Agent 協作中 context 膨脹的問題。Agent 將完整分析寫入獨立檔案（如 stage1/strategist.md），回傳主控的僅為摘要（≤300 tokens）。主控需要完整資訊時讀取檔案，不需要時只看摘要。

5.4 Agent Teams 辯論制

當研究發現中存在張力或矛盾時，系統升級為 Agent Teams 真實多方辯論。核心規則：

5.5 Model Routing

為平衡品質與成本，不同環節使用不同模型等級：

適用 Opus（不可降級） 適用 Sonnet（可降級）
Strategist, Skeptic, Consumer, Joker 來源品質報表整理（純分類）
決策層 Agent, Storyteller 自檢環節（checklist 核對）
研究員（research Skill） 交叉審視 teammates

六、Skill 的擴展機制：如何建立新 Skill

6.1 建立步驟

  1. 在 ~/.claude/skills/ 下建立新目錄：例如 ~/.claude/skills/my-new-skill/

  2. 撰寫 SKILL.md：這是 Skill 的唯一必要檔案，定義完整的工作流。檔案開頭使用 YAML frontmatter 宣告元資料：

---
name: my-new-skill
description: 技能描述 | Skill description
user-invocable: true
arguments:
  - name: param1
    description: 參數說明 | Parameter description
    required: true
  - name: depth
    description: quick / full
    required: false
---

  1. 定義 Agent 調度：列出每個階段會派遣的 Agent、角色、是否必派。

  2. 定義品質閘門：決定哪些環節需要 Gate（建議至少包含來源品質閘門）。

  3. 定義輸出格式：撰寫產出模板，確保結構化且可追溯。

  4. 定義 Model Routing（可選）：標明哪些 Agent 不可降級。

6.2 設計原則

原則 說明
單一職責 一個 Skill 解決一個明確問題，不要做成萬能工具
深度可選 建議至少支援 quick 和 full 兩種模式
閘門優先 寧可在中途停下來問使用者，也不要帶著錯誤數據往前衝
Agent 精簡 必派 Agent 寧少勿多，動態補位彈性調整
誠實原則 找不到數據就留白標注，不可用模糊語言偽裝推論為事實
Reference 共用 品質規範（認識論、事實紀律等）盡量引用 ~/.claude/library/reference/ 下的共用文件，避免重複定義

6.3 現有 Skill 可參考的模式

附錄：Skill 參數速查表

Skill 必填參數 選填參數
/brand-research brand（品牌名稱） industry（產業）、depth（quick/full/deep）
/marketing product（產品名稱） market（目標市場）、depth（quick/full/deep）
/research topic（研究主題） depth（quick/full）
/brainstorm challenge（挑戰） constraints（限制條件）
/tool-research target（目標） depth（quick/full）
/plan feature（功能名稱） scope（mvp/full）
/ops command（子指令） 依子指令不同
/present file_path（檔案路徑） 無
/new-project name（專案名稱） group（群組）

本章依據 2026-03-09 版本的 SKILL.md 檔案撰寫。Skill 持續演進中，最新規格以各 SKILL.md 為準。

Generated by AI Elite Team | Present Skill v5.0
↑