建議延伸探討資源

以下資源建議在完成 Anthropic courses 後進一步探討，作為讀書會的進階學習方向。

Prompting Guide — Techniques

為什麼推薦這個資源？

Anthropic courses 中的 AI Fluency 課程介紹了 4D 框架與基礎 prompting 技巧，但涵蓋的技術深度有限。Prompting Guide 是目前社群中最完整的 prompt engineering 技術彙整，涵蓋了從基礎到進階的系統化技巧：

• Zero-shot / Few-shot Prompting — 無範例與少量範例的 prompting 基礎
• Chain-of-Thought (CoT) — 引導模型逐步推理，提升複雜問題的回答品質
• Tree of Thoughts — 系統性探索多條推理路徑，適合開放式問題
• ReAct — 結合推理（Reasoning）與行動（Action）的循環模式，是 AI Agent 的核心設計模式
• Retrieval Augmented Generation (RAG) — 結合外部文件檢索，突破模型知識邊界
• Prompt Chaining — 串接多個 prompt 處理複雜多步驟任務
• Reflexion — 讓模型自我反思並迭代改進輸出

這些技巧能直接強化成員在使用 Claude Code 與 Claude 時的 prompt 品質，也是理解 AI Agent 行為模式的基礎知識。

Agent Skills for Context Engineering

為什麼推薦這個資源？

在 Claude Code in Action 課程中我們會學到 context 管理與 Agent Skills，而這個 repository 則將 Context Engineering 提升到系統設計的層次。它解決的核心問題是：模型的能力不只受限於 token 數量，更受限於 context 的品質 — 包含「lost-in-the-middle」注意力衰減、認知資源稀缺等實際挑戰。

主要涵蓋三大面向：

• Foundational Skills — Context 基礎概念、退化模式（degradation patterns）、壓縮策略
• Architectural Skills — Multi-agent 協作架構、Memory 系統設計、Tool 設計最佳化、Filesystem-based context 管理
• Operational Skills — Context 最佳化技巧、評估框架、LLM-as-Judge 方法論

這個資源特別適合想深入理解「為什麼同樣的 prompt 有時候效果好、有時候不好」的成員，也為未來建構自己的 multi-agent 系統提供了實用的設計模式參考。