Claude Code: 从零搭建你的 AI 工作团队（Skills + Agents）| 回到Axton
三句話摘要
用 Claude Code 從零搭建 AI 工作流團隊，以 Skill（操作手冊）加 Agent（執行成員）的架構，實現內容審查與多平台自動發布。 先把腦中的流程寫成 AI 可執行的 Skill，再建 Agent 照章辦事——這個「先定流程、再配人」的順序，是讓 AI 工作流真正穩定可控的關鍵。 先定流程（Skill），再配人（Agent）：如同創業要先把業務流程跑通、寫成 SOP，才去招人，若直接給 Agent 一個目標放手讓它自行組隊，結果必然混亂失控。Skill 是你腦中流程的 AI 可執行版本，Agent 則是拿著 Skill 照章辦事的執行者。
重點整理
重點- 1
先定流程（Skill），再配人（Agent）：如同創業要先把業務流程跑通、寫成 SOP，才去招人，若直接給 Agent 一個目標放手讓它自行組隊，結果必然混亂失控。Skill 是你腦中流程的 AI 可執行版本，Agent 則是拿著 Skill 照章辦事的執行者。
- 2
雙模型交叉審查能覆蓋單模型的系統性盲區：同一個模型審查自己生成的內容存在固有盲點；讓 Claude 負責邏輯與結構，Gemini 負責事實準確性與風格一致性，兩邊獨立審查後匯總，覆蓋面顯著高於單模型全維度審查。
- 3
MCP 是 AI 操控外部平台的橋梁：透過配置 MCP 連線，Agent 可以直接呼叫 Make 上的工作流，不需要人工手動到平台點擊執行，真正實現端到端自動化。
- 4
Agent 的複雜度應匹配任務需求：複雜任務才需要裝備多個 Skill；簡單任務（如長文轉推文）直接靠 Claude 基礎能力加系統提示詞即可，不必過度設計。
實用技巧與重點
乾貨- 工具：Claude Code（Anthropic 官方插件）、Cursor 編輯器、Gemini CLI、Make 平台、MCP 協議
- 模型：Claude Sonnet（預設）、Gemini（透過 CLI 呼叫）
- 初始化指令：`/init` → 自動生成 CLAUDE.md
- 安裝官方 Skill 倉庫：輸入 `plugin` 添加 Anthropic 官方 Skills 倉庫，必裝 Skill Creator
- 建立 Agent 指令：進入終端輸入 `agents` → 選擇手動或自動創建
- Agent 設定欄位：名稱、system prompt、觸發條件描述、工具權限、模型、顏色、memory 範圍
- 掛載 Skill 到 Agent：在 `.claude/agents/publisher.md` 的 frontmatter 手動加入兩個 Skill 字段
- 發布 Skill 流程：讀取文章 → 校驗元數據 → 用戶確認 → 呼叫 MCP → 推送草稿箱 → 回報結果
- 審查報告範例：Claude 指出結構問題（比喻矛盾、結尾缺乏可執行 takeaway）；Gemini 指出事實問題（泛化斷言無來源、表述過於絕對、「提示詞」應改為「Prompt」）
- 實際成果：文章自動推送至微信公眾號草稿箱，四維審查全部通過，標題 22 字符合限制
- 作者自建規模：12 個 Agent（「可家族」），涵蓋信息篩選、內容策劃、視頻製作、視覺設計、多平台發布
- 完整流水線效果：一條指令 → 篩選本週 AI 重點新聞 → 查詢知識庫 → 生成 Newsletter → 自動配圖 → MCP 一鍵發布微信公眾號，中間只介入一次
- 開源項目：GitHub 上的 AI Pair（全功能多模型討論辯論 Skill）
- 書籍：《重構個體——AI 時代如何打造個人競爭力》，電子工業出版社，附 26 條提示詞模板與自動化工作流模板
結論
結論“先把腦中的流程寫成 AI 可執行的 Skill，再建 Agent 照章辦事——這個「先定流程、再配人」的順序，是讓 AI 工作流真正穩定可控的關鍵。”
完整解析
詳細當前市面上許多 Agent 編排框架的做法是：建一個 Agent、給它一個目標，讓它自行組建團隊、自行決定怎麼做。這種方式在實踐中往往導致流程混亂、產出質量不穩定。本影片的核心論點是：應先把流程定義清楚（Skill），再配置執行的人員（Agent），就像創業時要先自己把業務流程跑通、寫成 SOP，才去招募員工，而不是拿到錢就丟給一個 CEO 說「你看著辦」。
技術實現上，整個系統完全在 Cursor 搭配 Claude Code 插件的環境中完成，無需寫程式也無需操作命令行。第一步是執行 `/init` 初始化，Claude 會讀取 `context` 資料夾中預先準備好的寫作風格、審查標準、發布規範等文件，自動生成 `CLAUDE.md` 作為 AI 團隊的「入職手冊」，讓後續每個會話一開啟就知道項目背景與規則。隨後透過官方 plugin 倉庫安裝 Skill Creator，作為後續創建和優化所有 Skill 的基礎工具。
內容審查 Skill 的設計邏輯體現了雙模型交叉驗證的思想：Claude 負責邏輯與結構審查，Gemini 透過 CLI 負責事實準確性與風格一致性審查，兩路獨立完成後匯總成一份統一報告。這樣的分工設計能避免同一模型審查自身輸出時的系統性盲區，實測結果顯示兩個模型確實發現了截然不同的問題，覆蓋面明顯優於單模型全維度審查。微信發布 Skill 則引入了 MCP 協議，以 Make 平台作為中間件，讓 AI 能直接呼叫外部工作流、推送草稿到公眾號後台，實現從內容到發布的完整自動化，無需人工介入平台操作。
Agent 的創建在終端輸入 `agents` 指令後以互動方式完成，需依序填入名稱、system prompt、觸發條件描述、工具權限、模型與記憶範圍。Publisher Agent 將審查與發布兩個 Skill 串聯成流水線，任何一篇文章進來都先過審查關，通過後才執行發布；而 social voice Agent 則刻意不掛載任何 Skill，僅靠 Claude 的基礎能力將長文轉換為社交媒體短文，兩者並列展示了依任務複雜度靈活配置的設計原則。影片最後揭示，作者以完全相同的方法論搭建了 12 個 Agent 組成的「可家族」，能以一條指令完成從信息篩選、知識庫查詢、Newsletter 生成、自動配圖到一鍵發布的完整週期，全程僅需人工介入一次。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
