AI AGENT WORKSHOP
江弘竣 Chun | 一介資男 | mxp.tw
2026.07.25
| 平台 | 適合度 | 備註 |
|---|---|---|
| macOS | 優 | 原生 Unix 環境 |
| Windows | 普 | 需額外設定 WSL |
| Linux VPS | 佳 | 雲端隨開隨用 |
需要:
| 供應商 | 代表模型 |
|---|---|
| OpenAI | GPT-5.5 / o3 / Codex |
| Anthropic | Claude 4 / Sonnet |
| Gemini 2.5 Pro | |
| xAI | Grok 4 |
| 智譜 AI | GLM-5 |
| Meta | Llama 4 |
ChatGPT Work (Codex)
點擊操作、視覺化回饋
Oh My Pi (omp.sh)
鍵盤操作、極致效率
參考:Andrej Karpathy's LLM Wiki
Skills 驅動的第二大腦
一個 Prompt 完成安裝、啟用 Skills、初始化 Vault
「幫我研究 obsidian-second-brain 開源專案並安裝啟用 Skills 與初始化」
建議啟用外掛:
情境 1
$obsidian-save
「跟張經理開會,他決定用 PostgreSQL 取代 MySQL,預算上限 50 萬,下周三前要出 POC。」
Agent 自動:
情境 2
$research
$research "Cloudflare Durable Objects vs Redis for real-time state"
Agent 自動:
情境 3
$obsidian-daily
情境 4
$obsidian-challenge
「我想把 backend 從 Node.js 改寫成 Go」
Agent 從 vault 歷史找出:
→ 用你自己的筆記反問你
情境 5
$youtube
流程:
情境 6
$obsidian-recap week
讀取:
→ 結構化週回顧摘要
情境 7
$obsidian-health
掃描找出:
nashsu/llm_wiki
本地直接應用
anythingllm.com
全端 RAG 知識庫方案
Docker / 桌面 / 雲端
高鐵票查詢案例
Skill = 一份 Markdown 說明書
name — 技能名稱description — 觸發條件描述參考:gist.github.com/nczz/a17ef9f
花樹設計(alchaincyf/huashu-design)
效果:Agent 遵守品牌一致性,產出可直接使用
| 語言 | 專案 |
|---|---|
| 英文 | blader/humanizer |
| 中文簡體 | op7418/Humanizer-zh |
| 台灣繁體 | Raymondhou0917/speak-human-tw |
「總而言之」→「所以說」
「值得注意的是」→ 直接講重點
Knowledge 外掛驅動
| 工具 | 介面 | 知識庫系統 |
|---|---|---|
| Kiro CLI | TUI | Knowledge 外掛 |
| Pi / Oh My Pi | TUI | pi-knowledge 擴充 |
| ChatGPT Codex | GUI | Workspace 知識庫 |
| 平台 | 指令 |
|---|---|
| macOS | brew install node |
| Windows | winget install OpenJS.NodeJS.LTS |
| Linux | fnm |
AI Agent 安裝:「幫我安裝 Node.js 並驗證」
OMP 原生擴充 — 本地 RAG 知識庫
安裝:
omp install npm:pi-knowledge
原生支援,直接安裝使用
winget 安裝,體驗一致
知識庫存放~/.omp/knowledge/
跨 session 持久化
下一步:權限隔離、多人協作、知識同步
你的筆記不是垃圾,是知識的原料。
AI 幫你煉成金。
江弘竣 Chun | mxp.tw