圖/示意圖
科技生活

·a few seconds ago·何映辰
#AI Agent#Claude#Codex#軟體開發#自動化
圖/示意圖
圖/示意圖
商傳媒|何映辰/台北報導
摘要

AI 顧問 Mathew Mathew 提出以資料夾為核心的 AI Agent 建置流程,捨棄 LangChain 等複雜框架,透過純文字檔與 Claude Code 命令列運作,實現極簡且高效率的自動化工作流。

面對日趨複雜的 AI Agent 開發框架,有專家提出回歸基礎的解決方案。獨立 AI 顧問兼諮詢機構 Claramap 負責人 Mathew Mathew 近日發表一套以「資料夾」為核心的 AI Agent 建置架構,主張以最純粹的檔案結構取代重量級開發框架,藉此提升代理人的運作效率與可維護性。

根據外媒《LavX News》報導,Mathew Mathew 借鏡畢卡索公牛系列版畫(Le Taureau)去蕪存菁的極簡手法,強調開發 AI Agent 應秉持「先解決基礎問題,再增加機制」的原則。他明確反對在初期開發階段就導入 LangChain 或 Pydantic 等現有框架,避免過早引入不必要的系統複雜度。

在該架構中,單一資料夾即為一個可進行版本控制與部署的獨立單元。系統運用 Markdown 檔案來存放情境脈絡、可重複使用的技能、工具連接器與執行腳本。開發流程通常始於開發者與 Claude 進行對話,釐清任務目標、成功標準、授權層級與所需工具,隨後在資料夾內生成一份定義核心規則的「AGENTS.md」檔案。

在實際執行端,這套工作流仰賴 Anthropic 旗下 Claude Code 在命令列(CLI)以無周邊模式(headless)運作,讓 AI 代理人直接存取指派的資料夾以處理檔案、執行腳本與調用外部工具。任務結束後,Claude 會自動讀取儲存為 .jsonl 格式的執行紀錄,分析出錯或未達預期的環節,並直接修改資料夾內的指引檔案以完成迭代升級。

這套資料夾工作流程已實際應用於 Claramap 網站的日常營運,並結合 Codex 模型與 MCP 連接器負責內容編輯與發布部署,驗證了輕量化架構在實際生產環境的可行性。


在 Google 搜尋的熱門報導中優先看到商傳媒
加入為 Google 偏好來源