熱血漢誌 - 技術新鮮人到技術經理人，必懂的事

什麼是 DESIGN.md？ DESIGN.md 是由 Google Stitch 推出的一種開源格式，專門用來讓 AI 撰寫程式的 Agent（如 Claude Code、Cursor、Windsurf 等）理解專案的設計系統 。它可以被理解為視覺設計領域的 AGENTS.md 。 它的核心精神在於 將設計視為嚴謹的邏輯與系統工程 。這份文件結合了機器可讀的 YAML 設計標記（Design Tokens）與人類可讀的 Markdown 說明文字 。YAML 負責給予 AI 精確的數值（例如色碼、字級），而 Markdown 則賦予這些數值語意和使用情境 。 DESIGN.md 的核心設計方法與技巧 要讓 AI Agent 完美遵循品牌邏輯，撰寫 DESIGN.md 時需要掌握以下技巧： 雙層架構（YAML + Markdown） ：不要只給 AI 數值，要給予脈絡。在 YAML 區塊定義像 #1A1C1E 這樣的精確標記，並在 Markdown 中說明「這是主背景色，傳達科技與冷靜感」 。 遵循標準的 8 大區塊 ：根據官方規範，依序定義：品牌總覽、色彩系統、字體階層、版面與留白、深度與陰影、形狀、元件樣式，以及 Do's and Don'ts 。 定義語意化標記（Semantic Tokens） ：使用變數參照（如 {colors.primary} ）而非寫死色碼 。這能讓 AI 知道該在主要按鈕上使用「主色」，而不是隨機挑選顏色 。 善用 Do's and Don'ts 設立護欄 ：大型語言模型對於「負面指令」的反應非常好。明確告訴 AI「不要亂加額外顏色」、「不要過度裝飾」，能有效約束 AI 的發散行徑 。 搭配 CLI 工具驗證與輸出 ：官方提供了 @google/design.md CLI 工具，你可以使用 lint 指令來檢查檔案是否有無效的參照或不符合 WCAG 規範的對比度，也可以使用 export 將其直接轉換為 Tailwind 設定檔 。 對不同角色的價值與實戰指南 對設計師來說：從「畫布」到「規則制定者」 DESIGN.md 並不會取代 Figma，Figma 依然是視覺探索的工具 。但對於設計師而言，這是一個改變工作交付模式的契機： 作法 ：你不再只是把...

SAP、Shopify 和 Salesforce 等軟體巨頭近期積極擁抱或建立 MCP (Model Context Protocol, 模型上下文協定) ，不僅僅是技術上的跟風，更是 企業軟體商業模式與互動典範的重大轉移 。 這些 SaaS 巨頭（或是其生態系開發者）陸續宣布支援或整合 MCP 時， 股票市場並沒有出現像「發布全新殺手級產品」那樣一夜暴漲的戲劇性波動。 在華爾街與機構投資人的眼中，支援 MCP 屬於「底層基礎設施升級」 與 「防禦性護城河策略」，它不是短期的炒作題材（不像推出某個冠上 AI 名稱的聊天機器人那麼吸睛），而是確保公司未來五到十年不會被 AI 時代淘汰的關鍵保命符。 大家心中的問題，這些大廠放棄掙扎了嗎？ 先說結論： 他們絕對沒有捨棄原有的 UI（使用者介面）和系統流程。 相反地，他們是在做「系統擴容」——把原本「 只給人類操作的軟體 」，升級為「 也能讓 AI 代理（AI Agents）無縫操作的基礎設施 」。 1. 意義上有什麼不同？為什麼是現在？ 在過去，企業軟體的護城河是「功能齊全的 UI」加上「綁定用戶的專屬工作流」。但隨著大型語言模型（LLM）的崛起，互動模式改變了，這帶來了幾個根本性的差異： 統一對接標準，終結 API 碎片化： 過去如果要讓 AI 幫忙查 Salesforce 的資料，開發者必須針對 OpenAI、Anthropic、Google 各寫一套 API 串接邏輯。MCP 就像是「AI 界的 USB Type-C」，提供了一個標準協定。Salesforce 或 SAP 只要提供一個 MCP Server，所有的 AI 模型就能以安全、標準化的方式讀取其上下文與數據。 從「軟體作為目的地」到「資料即服務」： 過去，業務員必須「打開（登入）」Salesforce 才能工作。未來，業務員可能在 Slack 或自建的 AI 助理中打字：「請幫我總結客戶 A 昨天的會議，並更新他在 SAP 裡的報價單。」AI 透過 MCP 在背景完成一切。SaaS 巨頭意識到， 未來的入口可能不再是他們自家的 App 畫面，而是各種對話框 。 捍衛「真實資料來源 (System of Record)」的霸主地位： 這些公司知道，他們真正的價值不在於「按鈕設計得多好看」，而是裡面儲存了企業最核心的客戶、庫存、財...

過去，你需要親自登入 Meta Ads Manager，在複雜的介面中點擊數十次來設定受眾、調整預算、下載 CSV 報表來分析。現在，Meta Ads MCP (Model Context Protocol) 就像是給了 AI（例如你熟悉的 Claude 或是 Cursor）一把直通你廣告帳戶後台的專屬鑰匙，以及一本完整的操作手冊。 等於讓你把 Meta Ads 變成一個可以用程式碼和自然語言呼叫的函數。你目前會想先拿哪一個項目來測試這個整合？是想先讓 AI 幫忙分析現有的廣告數據，還是直接嘗試為某個專案建置一套自動化的投放流程？ 在 Meta 的系統架構中，「Meta Ads」本身就是一個涵蓋旗下所有社交平台的統一廣告投放中樞。當這個 MCP (Model Context Protocol) 伺服器與你的「Meta 廣告帳號」連線時，它接管的是整個底層的 Ads API。 這意味著，只要是 Meta Ads Manager 能投放與管理的版位，這個 AI 代理 (Agent) 都能直接存取與操作，這包含了： Instagram: 動態消息 (Feed)、限時動態 (Stories)、Reels、探索區塊 (Explore)。 Facebook: 動態消息、Reels、Marketplace、右側欄位等。 Messenger: 收件匣廣告、贊助訊息。 Audience Network: Meta 的外部合作應用程式與網站聯播網。 實際應用上的意義 這代表你可以透過自然語言，非常精準地控制 AI 針對特定平台進行操作： 精準設定版位 (Write)： 你可以直接告訴 AI：「幫我建立一個全新的廣告組合，預算每天 20 美金， 版位只要鎖定 Instagram 的 Reels 和限時動態 ，不要投放到 Facebook。」AI 就會在後台自動將 Placement 設定為純 IG 平台。 跨平台數據拆解 (Read)： 你可以詢問 AI：「幫我拉出上個月的廣告報表，並 對比 Facebook 動態消息與 Instagram 限時動態的點擊成本 (CPC) 與轉換率 。」AI 會直接調閱詳細報表並幫你總結出哪個平台的成效更好。 至於 可以做到什麼程度 ？我們可以從輕到重分成四個層次來看： 1. 深度數據洞察與即時診斷 (Rea...

深度解析 Hermes Agent Curator：AI 代理的自我維護與技能生命週期管理 在構建與研究 AI Agent（如 Claude Code、OpenClaw 等）的自動化工作流時，代理的「長期記憶」與「技能維護」一直是一大挑戰。Nous Research 為 Hermes Agent 推出的 v0.12.0「Curator」更新，正式補齊了技能生命週期管理系統的最後一塊拼圖。 本文將詳細解析 Curator 的核心能力、解決的痛點、實作方式、目前的社群回饋，以及未來可改進的方向。 為什麼需要 Curator？（解決的核心痛點） 在 Curator 推出之前，Hermes Agent 擁有強大的自我改進迴圈（Self-improvement loop）：當代理成功解決複雜任務或修正錯誤後，會自動將經驗寫成「技能（Skills）」保存下來。然而，這個機制存在一個致命缺陷—— 技能只會單向增加，缺乏「遺忘」或「淘汰」機制 。 隨著自動化工作流的持續運行，這會帶來以下嚴重問題： Token 消耗與上下文污染 ：社群用戶回報，當代理累積了上百個技能後，系統提示詞（System Prompts）的體積會暴增，每次對話可能白白消耗掉 4,000 多個 Token。 技能碎片化與衝突 ：代理可能會為了微小的差異，生成數十個高度相似的狹隘技能，導致代理在選擇工具時產生混淆。 習得性無助（Learned Helplessness） ：如果代理在某次任務中因為暫時性的網路或環境問題失敗，它可能會記錄下「這個工具不能用」的過時經驗，並長久受到這個錯誤的負面規則影響。 Curator 可以做什麼？他做到了什麼事情？ Curator 是一個作為背景守護行程（Background Maintenance Pass）運作的自主代理。它會在不干擾主要對話的情況下，定期幫代理「打理」工具箱。 1. 雙階段的技能淘汰與封存機制（確定性狀態機） Curator 會追蹤每個代理生成技能的使用數據（包含讀取、使用、修改次數與最後使用時間），並執行無 LLM 介入的自動轉換： Stale（過期） ：超過 30 天未使用的技能，將被標記為過期，降低其在提示詞中的優先級。 Archived（封存） ：超過 90 天未使用的技能，將被移出運作...