能寫成腳本的不用模型;模型只做判斷,流程寫成 skill 重複用。
腳本與模型分兩層:大量、可預期的工作交給確定性腳本,收集、合併、去重、歸檔與資料檢查都不花 token;AI 子代理只做語意判斷,並以結構化輸出回傳。每次需要人插手,先判斷是否優先以腳本完成任務。
模型分層:主對話負責設計與決策,大模型負責調度與評審,批量工作交給較小的模型,每個子代理都明確指定模型。工作先切成小批次檔,子代理只讀自己那一份;做完的部分可以續跑、不重算。每個工作單位的輸出 token 從約 7.4 萬降到約 6 千(−92%),一次全量更新 132 個子代理、18 分鐘跑完、零錯誤,全部在訂閱額度內完成。
使用者在網站一鍵回報,就自動開成 GitHub issue 並通知我;回報處理的 skill 先查是不是已收錄、只是換了名字,查證後補進資料並記下別名,超過 3 天沒處理的 issue 會被標出來。活動更新、SEO、測試、數據分析與回報處理各有一個 Claude Code skill,每個 skill 都有自己的經驗紀錄,每次執行後把新教訓寫回去,下一輪直接沿用。
介面有自己的設計系統:暖色編輯風、襯線標題、不用 emoji;常用互動 150 毫秒內、轉場 200–350 毫秒,並尊重「減少動態效果」設定。卡片縮圖在建置時預先壓成 WebP(151 KB → 27 KB),22 縣市 × 7 類別共 154 頁靜態產生;桌面版 Lighthouse 90–99、LCP 0.9–1.5 秒。
← 左右滑動查看完整系統圖 →
資料與調度發佈回報迴圈
腳本收集與合併子代理語意判斷評審,拿不準交給人資料檢查+測試閘門上線、提交搜尋引擎回報與數據回到 skill