Thinkin Markdown

Claude Opus 5.5 協作指南：從逐步指揮，走向完整任務交付

整理 Opus 5.5 的協作重點，從任務交付、介入邊界到成果驗證，協助你更有效率地使用 Claude 與 Claude Code

四個月後，Prompt 已經不只是 Prompt：GPT-6 Astra 與 Claude Fable 5.1 的提示引導差異

從兩家旗艦模型提示引導，觀察提示設計如何延伸到自主性、任務邊界與工作流治理，並整理跨模型提示策略

當 AI 寫完所有程式碼，工程師還要看什麼？Uncle Bob 與 Matt Pocock 的回答

當 Uncle Bob 用工程指標重構對 AI 的信任，Matt 則反問：當戰術實作交給 AI，工程師真正的戰略價值為何？

團隊不缺文件，缺的是一套人與 AI 都讀得懂的知識格式

從 Open Knowledge Format 看見團隊知識庫的下一步

你不必刻意發明 Skill：把一次成功的 AI 協作，變成可重複的工作經驗

說明如何把一次成功的 AI 對話與日常工作判斷，整理成可驗證、可重複，也能持續濃縮的 Skill

AI 不是不會做簡報，而是你沒有先替它設計工作流

先寫「簡報流程檔」，再交給 AI 代理生成，讓簡報產出更穩定，也大幅減少修改與重工

AI 生成單元測試很簡單，難的是讓測試真的有用

AI 很會寫測試，但真正困難的是讓測試值得信任。從微軟的單元測試代理，看見 AI 測試的新方向

當繁重的 Prompt 開始礙手礙腳

從 Claude 5 看 Prompt Engineering 如何走向 Context Engineering

我們習慣幫 API 加上監控，卻忘了量測自己與 AI 的協作效率

大家都說 AI 讓他們變快了。但「感覺變快」跟「真的變快」之間，差的是你從來沒有設過的那個 Metric

別再搞混了：Windows PowerShell 與 PowerShell 到底差在哪？

很多人會把 Windows PowerShell 和 PowerShell 當成同一個東西，但它們其實代表不同世代的 PowerShell