AI Agent基本功 EP05:三層一次講清楚 搞定 技能/全域/專案
三句話摘要
AI 代理的技能系統：如何用使用說明書組織電腦能力，跨代理共享和複合成項目 AI Agent 的技能系統核心是將電腦能力記錄成通用、可共享的使用說明書，透過全局和項目設定靈活調用，複雜項目可由 GitHub repo 作為「超大說明書」實現跨 Agent 複現。 技能的本質是使用說明書，具有通用性：技能不是代碼，而是將電腦已有能力（內部 Python 工具、外部應用連結）打包成純文本說明。所有 AI Agent（Claude Code、ChatGPT、OpenCode 等）都能讀懂並執行，實現跨代理無縫共用。
重點整理
重點- 1
技能的本質是使用說明書，具有通用性：技能不是代碼，而是將電腦已有能力（內部 Python 工具、外部應用連結）打包成純文本說明。所有 AI Agent（Claude Code、ChatGPT、OpenCode 等）都能讀懂並執行，實現跨代理無縫共用。
- 2
全局設定與項目設定各司其職：全局設定用於放置工作效率最高、最常用的功能（如「用語音回答我」「語音輸入文字正規化」），在所有對話中都會載入；但過多的全局設定會消耗 Token，故應謹慎取捨。項目設定則僅在特定項目中生效。
- 3
複雜項目是技能的複合體，以 GitHub repo 作為「超大使用說明書」分享：多個技能可組合成複雜項目。例如台語教材項目整合了語音生成、PPT 製作、測驗生成、網站生成等功能。由於本地檔案過大，GitHub repo 內儲存的是構建項目的完整說明書，讓其他 Agent 按說明自動下載教材、安裝工具、連接外部應用，最終在自己電腦上重建相同的項目環境。
實用技巧與重點
乾貨- 工具與功能清單：
- Edge TTS：免費語音合成，預設台幣 0.3 元/圖片，升級 20 美金/月可 2000 張
- yt-dlp：下載 YouTube 影片、字幕、音訊
- MarkItDown：檔案轉換工具
- Matplotlib：生成各種資料圖表
- FFmpeg：常用音視訊處理工具
- Seedance：編輯生成影片（價格較貴，少用）
- Draw 技能：使用 GPT-Image 生圖
- Voice Clone：用三師爸或指定人聲生成語音
- Audio to SRT：音訊/影片轉 SRT 字幕，使用免費 Groq Whisper API
- 具體方法與設定：
- 三層備援機制：Edge TTS → 備選方案 → 離線 Windows 內建語音
- 技能分享方式：存成資料夾 OR 上傳 GitHub repo
- 語音回答觸發詞：在對話中輸入「用語音回答我」
- 語音輸入文字正規化規則：自動修正同音錯字、斷詞錯誤、工具名音譯
結論
結論“AI Agent 的技能系統核心是將電腦能力記錄成通用、可共享的使用說明書，透過全局和項目設定靈活調用，複雜項目可由 GitHub repo 作為「超大說明書」實現跨 Agent 複現。”
完整解析
詳細講者將技能放在基本功第五集講解，因為前四集奠定了基礎。第三集講電腦本地能力（Python 工具安裝懒人包），第四集講外部工具連結（API 與網頁應用）。只有掌握了這些基礎，才能理解和創建技能。
技能的核心定義是一份使用說明書——純 Markdown 文本檔案，記錄你電腦能做的事情。它不是代碼，而是將已有的內部工具（如 Edge TTS 語音合成、yt-dlp 視頻下載）和外部工具連結（如 NotebookLM、Gmail）的使用流程文檔化。講者強調，技能具有通用性，無論使用哪個 Agent，都能讀懂並執行這份說明書。
講者分享了兩個重要的全局設定。第一個是「用語音回答我」——在對話後的提示詞中加入這句話，Agent 會自動使用 Edge TTS 生成語音回覆。採用串流播放，無需等待整段完成，約一秒就能聽到第一個字，且在後台執行不會彈出視窗。第二個是「語音輸入文字正規化」，這不是獨立的轉寫程式，而是全局理解規則。Agent 收到語音輸入的轉寫文字後，會自動依上下文修正同音錯字、斷詞錯誤和工具名音譯，實現雙重保險且幾乎不消耗 Token。講者本人已實現全語音工作流，無需手動修字。
對於分享技能，講者提供了兩種方式。第一種是存成資料夾：在 Agent 中指示「將某技能存成資料夾」，便可用於備份或讓其他 Agent 讀取。第二種是上傳 GitHub repo，將使用說明書公開在網路上，供他人獲取。
講者最後說明了項目的概念。項目是多個複雜技能的組合，例如他的台語教材項目整合了語音生成、投影片製作、影片生成、考卷生成、互動網站生成等功能。由於項目包含大量本地檔案（超過 1GB），無法完整上傳 GitHub，因此策略是編寫「超大使用說明書」的 GitHub repo。其他 Agent 拿到這份說明書後，會自動下載所需教材、安裝程式、連接外部工具，最終在自己的電腦上重建相同的項目環境。這樣，GitHub repo 不再是單純的代碼倉庫，而是承載工作智慧和經驗的使用說明書倉庫。
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。
