KeyFrame內部研究專用

你唯一需要的Claude教學,從入門到打造你的AI團隊

漢克蔡 | Ai 集·4月19日週日·34 min中文

三句話摘要

Claude如何透過Cowork、Skills、Plugins與Claude Code等功能,幫助個人和企業建立AI Agent團隊,實現工作流自動化與組織轉型。 AI時代企業的競爭力不再來自執行工具的多寡,而來自人是否能將自己重新定位為AI管理者與策略思維者,透過建立企業級AI基礎建設與Agent團隊架構來實現組織升級。 AI時代的工作流轉變:傳統工作流是「人理解→人思考→人執行」,消耗大量體力與腦力;AI時代應轉變為「人設定目標→AI自主執行→人在關鍵節點介入」,讓AI成為執行主力。

重點整理

重點
  • 1

    AI時代的工作流轉變:傳統工作流是「人理解→人思考→人執行」,消耗大量體力與腦力;AI時代應轉變為「人設定目標→AI自主執行→人在關鍵節點介入」,讓AI成為執行主力。

  • 2

    Skills與Plugins的價值:Skills解決公司面臨的兩大浪費——為了20%的技能支付員工全額薪資,且只能在工作時間內使用;透過客製化Skills與Plugins,企業可按需要調用技能,不受時間與人力限制,同時將Skills轉化為公司資產。

  • 3

    Claude Code實現低門檻AI Agent部署:無需程式經驗,透過VS Code與Claude Code的對話式建立,設定System Folder(公司SOP與政策)與Output Folder(交易檔案),即可建立多個Sub Agent與小隊長(CLAUDE.md)的AI團隊架構。

  • 4

    AI轉型的真正成功因素:不在於購買多少AI工具或開多少會議,而在於明確的AI策略、人事結構重新定義,以及員工價值重新認定——從執行者轉變為AI管理者與思維領導者。

實用技巧與重點

乾貨
  • Claude功能架構
  • Claude Chat:顧問/智囊團角色,用於討論與規劃
  • Cowork:執行平台,支援多任務同步執行
  • Claude Code:產品製造與AI Agent建立工具
  • Skills製作流程
  • 步驟1:開啟Claude桌面版 → Customize → Skills → skill-creator
  • 步驟2:進入Cowork → 選擇工作資料夾 → 新建任務 → 描述需求
  • 步驟3:AI自動提問(客戶族群、調查內容、輸出格式等)
  • 步驟4:確認測試結果 → 「Copy to your Skills」
  • 步驟5:可在Organization Settings分享給全公司員工使用
  • Plugins使用與客製化
  • 位置:Customize → Plugins → Browse plugins
  • 官方plugins由Anthropic提供(如Design、Marketing、Operations)
  • 第三方plugins由外部公司開發(如Brand voice by Tribe AI)
  • 透過Connectors增加權限(如Gmail、Canva)
  • 客製化plugins:Plugins加號 → Create with Claude → 指定工作資料夾 → Always Allow權限
  • Claude Code建立AI Agent
  • 準備:下載VS Code → 安裝Anthropic官方Claude Code Extension
  • 工作區設定:
  • System Folder:存放公司內容、政策、SOP(前綴底線_)
  • Output Folder:存放AI Agent執行結果
  • CLAUDE.md:AI小隊長檔案,定義系統結構、品牌語調、Skills、Sub Agent職責
  • 建立Sub Agent:`/agent` → 指定Skills(如Sales Specialist需配備客戶研究技能 + 報告生成技能)
  • 選擇模型:建議用Opus(無Token擔憂時)
  • 企業組織架構轉變
  • 傳統:執行層 → 主管層 → 中層 → 高層
  • AI時代:執行層(改為AI Agent)→ 主管層 → 中層 → 高層
  • 進化:AI Agent執行主體 + 人擔任AI管理者與思維領導者
  • 具體案例
  • 銀行客戶背景調查Skill:調查對象包括台灣大型金控、美國中小銀行、台灣純網銀;輸出格式為HTML報告;內含成立年份、全球員工數、競爭環境分析、AI合作機會與開場建議
  • 測試報告格式:Formal Grades顯示失敗次數與經歷過程;可按Feedback修正

結論

結論

AI時代企業的競爭力不再來自執行工具的多寡,而來自人是否能將自己重新定位為AI管理者與策略思維者,透過建立企業級AI基礎建設與Agent團隊架構來實現組織升級。

完整解析

詳細

Claude代表了AI應用的三大根本轉變。首先,它翻轉了人與軟體的關係——過去人必須學會使用工具,現在人只需說明目標,AI自主使用工具完成任務。其次,生成式AI降低了知識獲取成本,無論是學習英文、市場分析還是技能培養,成本從補習費與通勤時間降至接近零。第三,Cowork與Claude Code突破了生物體必須休息的物理限制,企業生產力不再受限於辦公室人數或工作時間。

講者分享了在企業AI導入中的核心觀察:傳統工作模式中,每項任務都須經過「理解需求→自己思考→自己執行→遇到問題查詢→反覆修改」的循環,每個環節都在消耗人的時間與精力。而AI時代應該是「在Claude Chat與AI討論規劃」→「在Cowork執行多任務」→「由Claude Code製造產品」,人只在關鍵節點介入決策。

具體做法方面,講者以銀行客戶背景調查為例,示範如何製作Skills。首先在Skill-creator中描述需求(客戶背景調查、銀行業、市場研究方向、HTML格式),AI會自動提問目標客戶、產品服務、想看什麼資訊等細節。AI根據回答生成草稿,自動調整測試樣本(例如改成美國中小銀行),運行測試產出完整的市場分析報告。完成後按「Copy to your Skills」即可在全公司使用。Plugins則是Skills的集合體,如Marketing插件整合了品牌對齊、活動規劃、競爭分析、內容創作等多項技能,再配合Gmail、Canva等Connectors,形成完整的行銷AI Agent。

關於建立AI Agent團隊,講者強調了無程式基礎也能做到。在VS Code安裝Claude Code後,建立工作區時須設定System Folder(放公司SOP與政策)與Output Folder(放執行結果),再建立CLAUDE.md作為AI小隊長的指揮檔案。小隊長定義整個系統的架構、品牌語調規則與所有Sub Agent的職責。每個Sub Agent(如Sales Specialist)配備特定Skills(客戶研究 + 報告生成),透過對話式問答快速建立。最重要的是每次新增Agent後,都要回頭更新CLAUDE.md,讓小隊長掌握全隊動向。

講者最後強調,AI轉型成功的關鍵不在購買多少工具或開多少會議,而在於三件事:明確的AI策略、人事結構的重新定義、以及員工價值的重新認定。企業需建立AI基礎建設思維,讓AI成為執行主力,人轉變為AI管理者與思維領導者,才能真正實現降本增效與規模化。

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。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。