/wayfinder: Nothing is too big to plan anymore（在新分頁開啟原站）
介紹了 Wayfinder 這個 AI 規劃技能，它能夠將模糊的想法轉化為具體的執行計畫，並內建研究、原型製作與任務管理功能。
55.2 萬次觀看
※ 摘要僅根據標題與說明
Matt Pocock
80 筆內容・被提到 1 筆 ・ 39.5 萬 訂閱
TypeScript 教學者，現做 AI Hero
他的來源
最受歡迎
依人氣
mattpocock/skills: A complete AI Coding workflow, end-to-end（在新分頁開啟原站）
介紹了從程式碼撰寫到部署的完整 AI 開發工作流，涵蓋了從概念到實際運作的步驟。
56.8 萬次觀看※ 摘要僅根據標題與說明
LIVE: Uncle Bob on Software Fundamentals in the Age of AI（在新分頁開啟原站）
Uncle Bob 與 Matt Pocock 討論 AI 時代軟體基礎的重要性，兩人雖有共識，但也對 AI 如何改變軟體開發提出不同看法。
26.6 萬次觀看※ 摘要僅根據標題與說明
- 49.5 萬次觀看
※ 摘要僅根據標題與說明
New Skills! v1.1 brings /wayfinder, /research, /implement, /to-spec, /to-tickets（在新分頁開啟原站）
Matt Pocock 介紹了 New Skills v1.1 的新功能，包括 Wayfinder、Research、Implement、To-Spec 和 To-Tickets，讓讀者了解這些工具如何協助專案管理。
25.8 萬次觀看※ 摘要僅根據標題與說明
New Skills! v1.2 brings /wait-what, /writing-for-agents, and fixes /grill-me（在新分頁開啟原站）
Matt Pocock 介紹了 AI Hero 的 Skills v1.2 版本，新增「Wait What」技能以解決 Opus 的冗長問題，並強化了 Grill Me 的多問題回合機制。
18.7 萬次觀看※ 摘要僅根據標題與說明
5 Claude Code skills I use every single day（在新分頁開啟原站）
Matt Pocock 分享他每日使用的五個 Claude Code 技能，幫助讀者快速上手並提升效率。
52.1 萬次觀看※ 摘要僅根據標題與說明
Don't waste time on specs: /prototype instead（在新分頁開啟原站）
Matt Pocock 指出傳統規格導向開發浪費時間，並介紹如何利用 AI 進行快速原型設計。他分享了使用 Wayfinder 工具建立高保真搜尋欄頁面的步驟，以及如何透過迭代最佳化原型，最終將設計成果轉化為實際生產內容。
※ 摘要僅根據標題與說明
※ 摘要僅根據標題與說明
※ 摘要僅根據標題與說明
最新內容
依發布時間
An Introduction To Plan Mode（在新分頁開啟原站）
介紹 Plan Mode，一種在撰寫程式碼前與 AI 協同迭代的需求定義方法。透過該模式，使用者可先驗證假設與構建上下文，確保程式碼品質與理解度。
Filesystem | AI Coding Dictionary（在新分頁開啟原站）
介紹了 AI 程式設計代理（coding agent）的核心工作環境：一個包含檔案與目錄的樹狀結構。當代理啟動時，它會讀取並執行此檔案系統，透過工具呼叫存取檔案內容。
Knowledge cutoff | AI Coding Dictionary（在新分頁開啟原站）
這篇文章解釋了 AI 模型的知識截止日（Knowledge Cutoff）概念，指出模型在截止日期後無法獲取新資訊，若未正確載入最新文件，可能會編造錯誤的程式碼或 API 用法，導致程式錯誤。
Model provider request | AI Coding Dictionary（在新分頁開啟原站）
本文解釋了 AI 程式碼字典中「模型提供者請求」的概念，說明單一使用者訊息可能引發多輪模型請求，每輪請求都包含完整上下文，且請求本身是計費單位。
Output tokens | AI Coding Dictionary（在新分頁開啟原站）
這篇文章解釋了 AI 模型生成後的輸出 Token 成本較高，通常比輸入 Token 高五倍。因為產生輸出需要更多計算資源，所以費用更貴。使用者需意識到輸出 Token 決定了對話速度，且包含模型思考過程，這些都被計入費用。
Input tokens | AI Coding Dictionary（在新分頁開啟原站）
這篇文章解釋了 AI 程式設計中輸入 Token 的定義與成本。輸入 Token 是模型在處理請求時讀取的資料，包括系統提示與對話歷史，其價格通常低於輸出 Token。
AI Coding Dictionary（在新分頁開啟原站）
這篇文章用平實英語解讀了 AI 程式碼領域的 71 個核心術語，幫助工程師理解「代理式編碼」的運作機制。內容涵蓋模型引數、上下文視窗、工具呼叫及手遞交等關鍵概念，讓讀者能直觀掌握 AI 如何輔助開發工作流。
Turn | AI Coding Dictionary（在新分頁開啟原站）
這篇文章解釋了 AI 程式碼生成中「Turn」的概念，即使用者訊息與 AI 回應之間的互動單位。Turn 是 AI 自主決策的長度，包含多輪工具呼叫，使用者需透過間隔來引導方向。
Model provider | AI Coding Dictionary（在新分頁開啟原站）
本文解釋了 AI 開發中「模型提供者」的概念，即負責模型推理的遠端服務或本地工具。使用者需透過這些提供者獲取預判結果，並需了解其限額、價格與可用性。
AI | AI Coding Dictionary（在新分頁開啟原站）
本文解釋了「AI」這個標籤如何從早期的邏輯推理演變至現在的語言模型。作者指出，AI 並非固定技術，而是指代電腦能做的事，目前主要指向大語言模型。文章提醒讀者避免使用「AI」作為技術術語，應明確說明是指模型、工具或特定情境下的應用。
Tool | AI Coding Dictionary（在新分頁開啟原站）
本文解釋了 AI 程式碼工具（Tool）的概念，說明它們如何讓代理感知與操作環境。透過 Read、Write、Bash 等工具，代理能讀取檔案、編輯檔案或執行命令。
Session | AI Coding Dictionary（在新分頁開啟原站）
本文解釋了 AI 程式碼字典中「Session」的概念，即與代理的一次有界互動。它會從空開始，累積訊息、工具結果及讀取的檔案，直到被清空、關閉或合併成新視窗為止。Session 佔據上下文視窗，若內容過大需分視窗處理。
Stateful | AI Coding Dictionary（在新分頁開啟原站）
這篇文章解釋了 AI 程式碼中「狀態」的概念，指出模型本身永遠是無狀態的，但透過 Harness 將訊息、工具結果與檔案載入環境，讓 Session 與 Agent 在跨輪次與跨檔案時保持連續性。
Context window | AI Coding Dictionary（在新分頁開啟原站）
本文解釋了 AI 程式碼字典中的「上下文視窗」概念。它定義了模型在每次請求中看到的有限且特定的資訊序列，包括系統提示、對話歷史及工具結果。內容強調上下文是模型感知的唯一介面，且會隨著對話不斷增長，若超過限制則需壓縮或清除。
Parametric knowledge | AI Coding Dictionary（在新分頁開啟原站）
本文解釋了 AI 的引數知識，即訓練時被固定、無法更新的知識。這種知識源於訓練資料，用於處理常見問題但對稀有情況可能產生虛構。它與上下文知識相對，且會隨著時間老化，無法補充新資訊。
Permission request | AI Coding Dictionary（在新分頁開啟原站）
介紹了 AI 編碼字典中的「許可請求機制」。當模型提出未預先批准的程式碼工具呼叫時，系統會暫停並詢問使用者是否同意。使用者可隨時拒絕或同意，拒絕會引導模型採取不同行動。此機制用於在風險或敏感操作中加入人工審查，確保安全。
Training | AI Coding Dictionary（在新分頁開啟原站）
本文解釋了 AI 模型引數訓練的概念，即透過大量文字暴露並調整引數來改善預測能力。這是一次昂貴的專業操作，涵蓋預訓練與後訓練。
Prefix cache | AI Coding Dictionary（在新分頁開啟原站）
Prefix cache 是一種伺服器側機制，讓連續請求能跳過重複處理共享的字首，以更低速率計費。當請求起始點與最近一次相同時，系統會重用先前工作並計費為低價的「快取 token」。
Stateless | AI Coding Dictionary（在新分頁開啟原站）
這篇文章解釋了 AI 模型在請求之間是無狀態的，每次都會重新讀取完整上下文，因此無法記住之前的對話。要實現記憶功能，必須透過手寫檔案（如 AGENTS.md）將重要資訊載入上下文，讓模型在每次請求時都能讀取這些內容。
Agent mode | AI Coding Dictionary（在新分頁開啟原站）
介紹了「Agent mode」，一種將特定許可權模式與行為指令注入系統提示的預設集。它允許使用者根據任務階段調整 Agent 的行為，例如在規劃階段強制規劃、在編輯時自動審批，或僅在沙盒環境下啟用無限制模式。
Tool result | AI Coding Dictionary（在新分頁開啟原站）
本文解釋了 AI 程式碼字典中「工具結果」的概念，即執行工具後返回的檔案內容、輸出或錯誤訊息。它是代理與環境的唯一互動介面，會在下一個模型請求中傳遞給模型。
Hallucination | AI Coding Dictionary（在新分頁開啟原站）
這篇文章解釋了 AI 編碼中兩種「自信錯誤」：事實性錯誤（捏造事實）與忠誠度錯誤（從上下文漂移）。作者強調需區分兩者，並指出解決方法分別為補充上下文或移除冗餘資訊，避免誤判導致問題加劇。
Permission mode | AI Coding Dictionary（在新分頁開啟原站）
本文解釋了 AI 程式設計字典中「許可權閘」的概念，即 Agent 模式下的工具呼叫如何觸發授權請求。作者指出，過緊的許可權模式會導致 Agent 頻繁停頓等待人工批准，造成效率低下；過松的模式則可能讓 Agent 執行未經授權的指令。
Parameters | AI Coding Dictionary（在新分頁開啟原站）
這篇文章解釋了 AI 模型中的「引數」是什麼，它們如何決定模型輸出，以及為什麼訓練後的引數會被凍結。內容指出引數是模型記憶體儲知識的唯一方式，且一旦訓練完成，這些數值不會因使用而改變，因此模型是狀態less 的。
Token | AI Coding Dictionary（在新分頁開啟原站）
Token 是 AI 模型讀寫的基本單位，約為一個英文單字的 3/4。它決定了模型的上下文視窗大小、計算成本與延遲。文章解釋了 tokenizer 如何將文字轉為 token，並指出程式碼與自然語言在 token 數量上的差異，強調避免使…
Effort | AI Coding Dictionary（在新分頁開啟原站）
Effort 是一個控制模型在回答前進行推理程度的調值。設定越高，模型會思考越久，但會消耗更多時間、延遲更多並增加費用。它分為低、中、高、最大四個等級，適合不同難度的任務。
Model | AI Coding Dictionary（在新分頁開啟原站）
這篇文章解釋了 AI 模型與程式設計助手（harness）的區別：模型僅負責預測下一個字，無法自主執行任務；真正的智慧來自於呼叫模型的過程。作者強調，若問題出在模型上，應先檢查上下文與工具設定，而非直接歸咎於模型本身。
Context | AI Coding Dictionary（在新分頁開啟原站）
這篇文章解釋了 AI 程式碼字典中「上下文（Context）」的概念，強調它是指 Agent 當下可用的相關資訊，而非模型視窗或歷史記錄。內容指出，上下文品質取決於內容而非數量，若資訊陳舊或無關，即使視窗滿載也會導致失敗。
Tool call | AI Coding Dictionary（在新分頁開啟原站）
介紹了 AI 程式設計字典中「工具呼叫（Tool Call）」的概念。它解釋了模型如何輸出工具名稱與引數的結構化文字，以及呼叫方如何讀取並執行這些指令。
Environment | AI Coding Dictionary（在新分頁開啟原站）
本文解釋了 AI 代理所作用的「環境」概念，即工具結果與工具呼叫之外的一切。環境是代理工作的舞台，檔案、資料庫或 API 皆為環境範例。環境透過工具結果呈現，且會隨著時間更新，若內容改變而代理未重新讀取，則會基於舊資料推理。
出現在別人的節目
其他來源裡提到或訪談這位人物的內容
AI Skills with Matt Pocock（在新分頁開啟原站）
探討 Matt Pocock 如何從聲教師轉型為全職工程師，並透過「戰略程式碼」與 AI 工具，提升教學品質。他分享了如何將經典軟體工程原則應用於 AI 代理，並強調建立可持續的程式碼基礎對新進開發者的重要性。
