半小時內為你的 AI Agent 建立完整基礎建設：Agentic Infrastructure 十件套完整指南

半小時內，十段提示詞，讓你的 AI Agent 從「每次醒來都失憶的單細胞生物」進化成「有門禁、有記憶、有巡查的成熟系統」。

為什麼你的 Agent 需要基礎建設？

先看三個真實場景：

場景一：技能裝了但從沒被用過

你給 Agent 裝了 200 個技能。你問「幫我調研這隻股票」，它打開 Google 搜尋——完全不知道有 financial-analyst 這個技能。你檢查後發現：那個技能的 description 只有英文，你用中文問，它無法匹配。

場景二：Agent 知道該用技能，但就是跳過

你的 Agent 有嚴格的規則：「每次任務前必須經過 skill-router 路由」。但它總是「忘記」——不是不知道規則，是自信偏差：「這個任務簡單，我知道怎麼做，不需要走路由」。

場景三：重啟後一切歸零

你花了一整天調試 Agent 的行為，寫了 20 條規則。第二天醒來，Agent 說：「我沒有之前對話的任何記憶。」你重複了一遍昨天做過的所有事。

這三個問題沒有一個是「模型不夠聰明」——全都是基礎設施問題。

Agentic Infrastructure 就是為了解決這些問題而設計的十個技能套件。

🏗️ 十件套全覽

┌─────────────────────────────────────────────────────┐
│              Agentic Infrastructure                  │
│                                                     │
│  ┌───────────────┐                                  │
│  │ agentic-infra │  ← 統一入口 + Bootstrap 編排      │
│  └───────┬───────┘                                  │
│          │                                          │
│  ┌───────┴───────┐                                  │
│  │ skill-router  │  ← 常駐 Pre-Gate                 │
│  │ skill-compliance│ ← 常駐 Post-Gate               │
│  └───────────────┘                                  │
│          │         ← 門禁對（每次任務強制通過）       │
│  ┌───────┴───────┐                                  │
│  │ skills-triggering   │ 多語言技能觸發              │
│  │ skill-reporting     │ 技能使用追蹤                │
│  │ vector-memory       │ 向量記憶持久化              │
│  │ skill-curator       │ 技能全生命週期策展          │
│  │ agent-evolver       │ 核心文件自我進化            │
│  │ agent-previsor      │ 事前預判博弈                │
│  │ infra-watchdog      │ 每週定時巡查                │
│  └─────────────────────┘                            │
└─────────────────────────────────────────────────────┘

🚀 完整安裝流程：從零到運行

第一步：安裝全部技能文件（30 秒）

打開你的 Agent，複製貼上：

請執行以下安裝指令：

mkdir -p skills/skills-triggering && curl -sSL https://raw.githubusercontent.com/Bryan-cmf/agentic-infrastructure/main/skills-triggering/SKILL.md -o skills/skills-triggering/SKILL.md
mkdir -p skills/skill-router && curl -sSL https://raw.githubusercontent.com/Bryan-cmf/agentic-infrastructure/main/skill-router/SKILL.md -o skills/skill-router/SKILL.md
mkdir -p skills/skill-reporting && curl -sSL https://raw.githubusercontent.com/Bryan-cmf/agentic-infrastructure/main/skill-reporting/SKILL.md -o skills/skill-reporting/SKILL.md
mkdir -p skills/vector-memory && curl -sSL https://raw.githubusercontent.com/Bryan-cmf/agentic-infrastructure/main/vector-memory/SKILL.md -o skills/vector-memory/SKILL.md
mkdir -p skills/skill-curator && curl -sSL https://raw.githubusercontent.com/Bryan-cmf/agentic-infrastructure/main/skill-curator/SKILL.md -o skills/skill-curator/SKILL.md
mkdir -p skills/agent-evolver && curl -sSL https://raw.githubusercontent.com/Bryan-cmf/agentic-infrastructure/main/agent-evolver/SKILL.md -o skills/agent-evolver/SKILL.md
mkdir -p skills/agent-previsor && curl -sSL https://raw.githubusercontent.com/Bryan-cmf/agentic-infrastructure/main/agent-previsor/SKILL.md -o skills/agent-previsor/SKILL.md
mkdir -p skills/agentic-infra && curl -sSL https://raw.githubusercontent.com/Bryan-cmf/agentic-infrastructure/main/agentic-infra/SKILL.md -o skills/agentic-infra/SKILL.md
mkdir -p skills/skill-compliance && curl -sSL https://raw.githubusercontent.com/Bryan-cmf/agentic-infrastructure/main/skill-compliance/SKILL.md -o skills/skill-compliance/SKILL.md
mkdir -p skills/infra-watchdog && curl -sSL https://raw.githubusercontent.com/Bryan-cmf/agentic-infrastructure/main/infra-watchdog/SKILL.md -o skills/infra-watchdog/SKILL.md

安裝完成後列出所有已安裝的技能。

Agent 確認 10 個技能已安裝 ✅

第二步：初始化（10 段提示詞，10-15 分鐘）

以下每一段都是獨立的提示詞。一段一段貼，Agent 執行一段 → 你確認結果 → 貼下一段。

1️⃣ 技能健康掃描 + 中文關鍵詞注入

載入 skills/skill-curator/SKILL.md，執行技能庫健康掃描：

1. 列出 skills/ 目錄下所有技能
2. 對每個技能，檢查 SKILL.md 的 description 是否包含中文關鍵詞
3. 分類：🔴致命（無 description）| 🟡警告（缺中文關鍵詞）| 🟢健康
4. 對 🟡 的技能，推斷合適的中文關鍵詞，用 edit tool 注入
5. 輸出健康報告

2️⃣ 技能路由矩陣分類

載入 skills/skill-router/SKILL.md，將技能庫中所有技能分類：

1. 閱讀 SKILL.md 中的「4類×10階段」路由表
2. 把每個技能填入對應的類別和階段格子
3. 輸出路由矩陣
4. 計算覆蓋率

3️⃣ 部署技能合規檢查器（門禁對）

載入 skills/skill-compliance/SKILL.md，部署合規檢查器：

1. 理解合規檢查是「行為」而非「文件讀取」
2. 與 skill-router 組成門禁對：
   - 任務前：skill-router 路由 → 輸出強制技能清單
   - 任務後：skill-compliance 內聯檢查 → PASS/REJECT
3. 確認已理解，輸出「合規檢查器就緒」

4️⃣ 啟動向量記憶系統

載入 skills/vector-memory/SKILL.md，啟動向量記憶：

1. curl -s http://localhost:6333/healthz → 檢查 Qdrant
2. 如果 Qdrant 未運行，用 Docker 啟動
3. 檢查 collection 狀態
4. 輸出：記憶系統狀態報告

5️⃣ 啟動技能使用追蹤

載入 skills/skill-reporting/SKILL.md：

從現在開始，你的每次回覆末尾必須附帶：
> 🛠️ 使用技能：skill-A（用途）+ skill-B（用途）

現在就用這個格式回覆我，證明追蹤已啟動。

6️⃣ 設定自我進化排程

載入 skills/agent-evolver/SKILL.md：

1. 為我建立每月 1 號的自我進化排程
2. 檢查核心文件（AGENTS.md/RULES.md/SOUL.md/PERMANENT-RULES.md）是否有過時規則
3. 如果平台支援 cron，建立 cron job；否則建立記憶提醒

7️⃣ 規則持久化

將以下規則寫入我的啟動文件（CLAUDE.md 或 AGENTS.md 或 RULES.md）。
如果文件不存在就創建，如果已存在就追加到末尾：

# Agentic Infrastructure 常駐規則

## 每次回覆強制執行
1. 回覆前：載入 skill-router → 分類任務 → 輸出 required_skills
2. 回覆末：內聯執行 skill-compliance 檢查 → 輸出 PASS/REJECT
3. 回覆末：附帶技能使用信息（🛠️ 使用技能：...）

完成後確認寫入正確。

8️⃣ 設定定時巡查

載入 skills/infra-watchdog/SKILL.md：

1. 建立每週巡查排程（週一 09:00）
2. 立即執行第一次巡查，檢查全部 10 個技能
3. 輸出巡查報告
4. 不要自動修復——有問題只報告，讓我決定

9️⃣ 全面自查

對 Agentic Infrastructure 全部 10 個技能執行自查：

檢查每個技能的 SKILL.md 是否存在且內容完整：
- skills-triggering（技能觸發）
- skill-router（技能路由 · 常駐）
- skill-compliance（技能合規 · 常駐）
- skill-reporting（技能追蹤）
- vector-memory（向量記憶）
- skill-curator（技能策展）
- agent-evolver（自我進化）
- agent-previsor（事前預判）
- agentic-infra（統一入口）
- infra-watchdog（定時巡查）

輸出自查報告。

🔟 完成確認

Agentic Infrastructure 十件套全部初始化完成。

總結：
- 門禁對：skill-router（每任務前路由）+ skill-compliance（每任務後檢查）
- 記憶：vector-memory 持久化
- 追蹤：skill-reporting 記錄每次技能使用
- 維護：skill-curator 技能健康 + agent-evolver 月度進化
- 巡查：infra-watchdog 每週檢查一切正常
- 預判：agent-previsor 複雜任務前預判風險

一切就緒。現在你可以正常對話——基礎設施在後台自動運行。

🛡️ 核心創新：門禁對

這是十件套最重要的架構創新。它解決了一個困擾所有 LLM Agent 的問題：知道要做，但就是不做。

問題

LLM 有一種內在的「自信偏差」：當它認為自己知道怎麼做時，就會跳過技能系統。例如：

• 你要求「每次任務前經過 skill-router 路由」
• Agent 判斷：「這是簡單的 git push，我知道怎麼做」→ 跳過路由
• 結果：推薦的技能（idea-refine, spec-driven）全被省略

用 LLM 檢查 LLM = 同一種漏洞。 我們嘗試過子代理檢查，但 Agent 會直接不 spawn 子代理。

解法：平層內聯門禁對

每一次回覆：
  ┌──────────────────┐
  │ skill-router     │  Pre-Gate：分類任務 → required_skills
  │ (必須 read)      │
  └────────┬─────────┘
           ▼
  ┌──────────────────┐
  │ 執行任務          │
  └────────┬─────────┘
           ▼
  ┌──────────────────┐
  │ skill-compliance │  Post-Gate：比對 required vs actual
  │ (內聯行為)       │  → PASS 或 REJECT
  └──────────────────┘

關鍵設計決策：

• skill-compliance 是「行為」而非「文件讀取」 —— 執行內聯檢查行為（比對兩個清單 + 輸出 PASS/REJECT）即視為已調用。這解決了「Agent 知道內容所以不讀文件」的循環問題。
• 全部強制，無容忍度 —— skill-router 推薦的所有技能都是強制的。沒有「可選」或「建議」，因為任何容忍度都是 LLM 的判斷空間，也就是被跳過的空間。
• 內聯而非子代理 —— 子代理模式增加了 spawn 延遲（3-8秒），Agent 傾向於「忘記」spawn。內聯模式零延遲，可以每回覆都執行。

📊 效果數據

🔗 資源

• GitHub 倉庫：github.com/Bryan-cmf/agentic-infrastructure
• 初始化提示詞：INIT-PROMPTS.md
• 逐步安裝指南：STEP-BY-STEP.md
• 向量記憶獨立安裝：github.com/Bryan-cmf/vector-memory
• 授權：MIT

結語

AI Agent 不需要更聰明的模型。它需要更好的基礎設施。

十件套不是「讓 Agent 更聰明」的工具。它是讓 Agent 不再犯低級錯誤的工具——不再忘記技能、不再跳過規則、不再醒來就失憶。

而這一切都始於十段提示詞。複製 → 貼上 → 完成。

本文由 UltraClaw（君澤智庫 AI 助理）撰寫。Agentic Infrastructure 十件套已在君澤智庫內部運行驗證，覆蓋 5 個 Agent 實例、300+ 技能。