AI To Agent Enterprise Architecture — AI skill for Claude Code

AI to Agent Enterprise Architecture

**以任務完成為中心：先做得成，再做得省。**


AI Coach 益力康陳董 x CGM Coach 血糖教練 | 2026 AI to Agent

版本 **1.0.0** · 2026-09-27 · 方法論基線，尚未完成企業實測 · 保留所有權利


為什麼需要

企業需要管理從提出需求、取得依據、執行操作到驗收交付的完整過程。單次模型價格無法代表整體成本；反覆補問、重試與人工修正都需要被記錄。

這是什麼

本專案是方法論、知識圖卡與實作規格集合。六大系統為任務、智能、知識、編排、執行、治理；它們是責任分工，不是固定依序執行的六層流水線。治理貫穿全部系統。

LLM/Agent 是主要理解與規劃核心。Rule、Jev 類結構化模型、檢索與工具依任務選用。本文不承諾特定模型的成本、效能或準確率。

本套件沒有自動化執行程式、可安裝 Skill 或 MCP server；使用範本不等於已完成系統整合。

快速開始

1. 閱讀 方法論 與 圖卡導覽。
2. 複製 VAC 範本，填入目標、資料、限制、輸出與驗收。
3. 依 路徑決策表 選擇最小足夠的知識與工具組合。
4. 交由具備所需權限的 Agent 或人員執行，保留來源與過程紀錄。
5. 填寫 成本紀錄表 及 驗收表。
6. 只將經審核且可重用的資訊寫入長期知識。

閱讀無需安裝。JSON 與 CSV 可用一般文字編輯器及試算表開啟；執行自動化須另建整合與權限控制。

輸入、輸出與驗收

輸入是明確任務規格、已授權資料及預算；輸出是交付成果、來源清單、驗收紀錄及成本紀錄。通過條件由每份 VAC 預先約定，模型自己聲稱完成不算驗收證據。

案例

• 個人知識整理：筆記轉可追溯的行動清單。
• 企業知識問答：依有效 SOP 回答，缺證據時標示不足。
• 跨系統企業任務：會議轉待辦，檢查權限與重複寫入。

三例均為模擬規格與預期輸出，不是已實測成效。

適用範圍與限制

適用於知識整理、研究、會議行動化與企業 Agent 任務設計。不適合直接當作無人監督的高風險決策或交易系統。部署選型、資料合規與業務責任仍需個別評估。

文件與素材

路徑	用途
docs/methodology.md	定義、六系統與閉環
docs/routing.md	選路、停止與升級
docs/cost-model.md	Token、TTC 與成功率口徑
docs/cards.md	8 張圖片及逐頁替代文字
docs/visual-style.md	電曜智核視覺規範
docs/social-post.md	社群介紹文章
docs/publishing.md	GitHub 上傳與發布說明
examples/README.md	三個模擬案例索引
templates/vac-task.json	可填寫任務規格
templates/task-cost.csv	執行成本紀錄
templates/evaluation.md	驗收與寫入審核
[VALIDAT