NUWAY × KINYO

CONSULTING SESSION 01 / 06

AI 顧問服務｜第一次會議

為什麼是 Claude Code 以及接下來六個月，我們一起做什麼

2026 · 04 · 23（四）

16:00 — 17:00 · 線上會議

KINYO 耐嘉股份有限公司

Nuway 歆界科技 · Sheng

AGENDA

2 / 17

今日議程

一小時內，我們要一起對齊三件事。

PART 01

基本觀念 × 為何選 Claude Code

AI 三世代、Agent Orchestrator 架構、Progressive Disclosure、Skill 生態、競爭力對比。

15 min

PART 02

六個月藍圖 × Phase 1 技術導讀

攤開三階段框架，深入 Phase 1 的 RAG、CLAUDE.md、MCP、Skill 三件套，並對齊 KINYO 知識庫場景。

35 min

PART 03

會後作業 × 下一步

KINYO 端要盤點什麼、哪些影片值得看；Sheng 三天內交付什麼；5/28 前要完成什麼。

10 min

PART 01

3 / 17

PART ONE · 15 MIN

從 AI 三世代
到 Claude Code 五個理由。

今天市面上有很多 AI 工具。
為什麼我推薦 Claude Code？我不講誰便宜、誰的中文好，我只講一件事—— 架構。

PART 01 · 基本觀念

4 / 17

AI 演進與 Claude 的三種形態

三種形態，對應不同工作情境；
底下同一套能力，無縫銜接。

FORM 01 · 聊天介面

Chat

// ChatGPT / Claude / Gemini

問答起點

最早大家熟悉的形態 — 問答、思考、做知識庫 prototype。

痛點：做了原型還要把程式碼貼到編輯器才能跑，中間有斷層。

FORM 02 · 任務代理

Cowork

// Claude Cowork

外包整理師

不適合軟體或 codebase 開發，適合「外包型事務」。

典型場景：整理 PPT、PDF、會議紀要、資料歸檔這類一次性任務。

FORM 03 · 開發 Agent

Code

// Claude Code

全能管家（Orchestrator）

過去只有 Terminal；現在已內建到 Claude App，不用再面對黑底白字。

彈性：聊完直接改 codebase、執行、開發、review，一條龍。

底層共用 一套能力貫穿三種形態

CONNECTOR · SKILL · MCP

接外部系統、重用工作流模組、標準化工具介面

ROUTINE

排程執行日常任務，不用手動觸發

DISPATCH

遠端派工進入，讓 Agent 代你開工

REMOTE CONTROL

手機或外部端遙控電腦端的 Agent

PART 01 · 世代差異

5 / 17

三世代能力邊界

關鍵不是 AI 變聰明，
是 AI 從「回答」進化到「動手」。

維度	Chat 聊天	Cowork 協作	Code 執行
範例	ChatGPT / Gemini 2024	Claude Cowork / Copilot	Claude Code（現在）
輸入形式	單輪問答	多步驟執行	描述目標即可
權限範圍	無	部分檔案 / Email / 日曆	整個電腦 file system + Bash 指令 — 用程式碼操作比點擊截圖快
Memory 主控權	低（每次重來）	低（有限的記憶）	高 — 存成 .md 檔案，隨時讀、隨時改
工作流調度	人類主導	人類主導 × AI 協助	AI 作為 Orchestrator

PART 01 · 為何選 Claude Code

6 / 17

為何選 Claude Code · 理由 1

01

它本身就是
Agent Orchestrator。

Claude Code 不是單一對話窗，是可擴充的 Agent 作業系統。它調度 Sub-agents、Skills、Tools、Memory —— 一個可以幫你指揮整組 AI 的中控腦袋。

Sub-agents：不同專長的 AI 小幫手並行工作
Skills：可重用的 SOP 工作流模組
Tools：透過 MCP 介接外部系統（ERP、Gmail、Notion、資料庫）
Memory：CLAUDE.md 長期記住你的偏好與規則

「當多個 agent 會打架時，你需要一個中控腦袋（orchestrator）去規劃這些 task。」Claude Code 就是那個中控腦袋。 — HC AI 說人話 · 73K 觀看

PART 01 · 為何選 Claude Code

7 / 17

為何選 Claude Code · 理由 2

02

Progressive
Disclosure

不把所有資訊塞進 context，而是 metadata-first、按需展開。 Agent 先找方向，判斷相關後才展開描述，真正用到時才載入完整內容。

對比：CLAUDE.md 每次都載入，專案變大會吃光 context
解法：Skill / MCP / Sub-agent 都是按需載入
只載入真正需要的部分，讓 Agent 專注在當下任務

PART 01 · 為何選 Claude Code

8 / 17

為何選 Claude Code · 理由 3

03

Skill 設計
最成熟的行為模式。

Skill 不是 Claude 獨有，但 行為設計與擴充性目前最完整。把 workflow SOP 寫成 Skill，Agent 自動選用，不用每次都重寫 prompt。

Skill = 幫新進同仁寫的 SOP（雷蒙金句）
按需載入（Progressive Disclosure 一環）
生態完整：官方 Skills Creator（互動引導）+ GitHub 社群 + 官方範例
搭配 CLAUDE.md 記憶 + Sub-agent 客製化 + Agent-to-Agent Hand-off

「只保留少量優質且架構清晰的 Skill —— 這才能真正提升 Claude 的工作效率。」安裝太多反而讓它選擇困難。 — PAPAYA 電腦教室 · 348K 觀看

PART 01 · 為何選 Claude Code

9 / 17

為何選 Claude Code · 理由 4

不是 7 個功能，
是一組有機的企業級架構。

PLANNING

Plan Mode

先規劃再執行，看 AI 的計畫到 95% 滿意再動手。

MEMORY

CLAUDE.md

長期偏好、規則、脈絡。每次自動讀取，不用重新交代。

WORKFLOW

Skill

SOP 模組化，按需載入，AI 自動選用。

DIVISION

Sub-agent

專屬 Agent 可重用，Agent-to-Agent Hand-off。

AUTOMATION

Hook

條件觸發 100% 執行，不依賴 AI 心證。

ECOSYSTEM

Skill 生態

Skills Creator + 官方範例 + 社群 Skill 庫，可直接套用到既有工作流。

PACKAGE

Plugin

Skills + Subagents + Hooks + MCP 的懶人包。

DEV SDK

Agent SDK

基於 Claude Code 與 Agent SDK 的封裝，把 CLI 級的 Agent 能力變成可嵌入的 API / 函式庫，顯著加速內部應用軟體的開發。

Shipment 速度 + 生態完整：近幾個月每週級更新、新產品 Claude Design 可直接整合、MCP 已成業界標準。這代表 — 你投資的不會很快被淘汰。

PART 02

10 / 17

PART TWO · 35 MIN

你們的六個月藍圖，
以及 Phase 1 的技術導讀。

KINYO 已有 LineBot prototype、已有技術代表、已有 ontology 想像——
我們今天要對齊的，不是「要不要做」，而是 「這六個月要怎麼做」。

PART 02 · 六個月藍圖

11 / 17

攤開全局

從知識庫到 Application 化，
三階段、六個月、一條路。

PHASE 1

月 1 - 2 · 2026.04 - 05

產品知識庫

整合分散的產品資訊（說明書、保證書、風格）
RAG 向量化 + Ontology Schema 設計
試點場景 MVP

RAG · Embedding · CLAUDE.md

PHASE 2

月 3 - 4 · 2026.06 - 07

Workflow 定義

延伸報價、索樣業務動作
Internal App 建置 + Claude Code 串接
Sub-agent 分工 + MCP 接 ERP / Gmail

Tool Use · Skill · Sub-agent

PHASE 3

月 5 - 6 · 2026.08 - 09

Application 化

上線給 B2B 廠商 / B2C 應用
Guardrail + 資安 + Prompt Injection 防禦
Cost / Latency 優化 + 監控

Guardrail · Observability · Deploy

KINYO 現況：已有技術代表在用 Claude Code、已有 LineBot prototype、已有 ontology 想像 —— 你們不是從 Phase 0 起步，是已經站在 Phase 1 的起跑線上。

PART 02 · Phase 1

12 / 17

Phase 1 · RAG 核心概念

為什麼 LLM 需要 RAG？
因為它沒有你們的產品資料。

STEP 01

向量化

Embedding

把產品說明書、保證書切成小塊 → 用 embedding 模型轉成向量。每一塊都變成 AI 懂的座標。

STEP 02

檢索

Retrieval

使用者問「紅色款的保固多久？」→ 向量資料庫找最相關的幾塊。

STEP 03

生成

Generation

把相關資料 + 問題一起丟給 Claude → 生成有依據的答案，不會亂編造。

呼應 KINYO Ontology 想像

Entity 層（產品主檔，從 ERP）→ Relationship 層（說明書、保證書、顏色、風格，向量化存放）→ 查詢時先鎖定 entity，再 Progressive Disclosure 展開 relationship。

Phase 1 瓶頸提醒：RAG 本身不難，真正卡的是資料準備——紙本 OCR、ERP 與非結構化資料的 join、Ontology schema 誰來拍板。這三件事要在 5/28 前搞定。

PART 02 · Phase 1

13 / 17

產品知識庫搭建架構

從資料源到答案 —— RAG 的一張圖看懂。

Use Case A · 業務說「找紅色款保固幾年」→ Retrieval 找保證書 chunk → Claude 答案有依據

Use Case B · 採購詢價 → 查庫存 + 說明書 + 過往報價 → 自動產 PDF

Use Case C · 新人問「BK-200 跟 BK-300 差在哪」→ 跨文件彙整風格差異

PART 02 · Phase 1 實作準備

14 / 17

Phase 1 · RAG 實作四大元件

做 RAG 要挑四件事 — 先有雛形，再逐步升級。

01 · EMBEDDING

Embedding 模型選擇

OpenAI text-embedding-3
便宜、泛用、起手推薦

Voyage / Cohere
檢索品質領先、中英皆強

BGE / E5（開源）
可自架、成本可控、調校彈性

Multilingual e5
中文語料 baseline 尚可

02 · CHUNKING

切 Chunk 策略

▸固定大小切（300-800 tokens）— 最簡單，但可能斷在句中
▸語義切（sentence / paragraph）— 保留語意邊界
▸結構切（標題 / 條列）— 適合說明書、SOP
▸Late Chunking / 小大 chunk— 召回 + 精準雙贏

03 · VECTOR DB

向量資料庫選擇

Chroma
本地起手、零設定

pgvector（Postgres）
已有 Postgres 就直接裝

Qdrant / Weaviate
效能好、自架彈性

Pinecone
託管服務、省維運

04 · DATASET

資料集準備與匯入

1.盤點來源：ERP 表、產品說明書 PDF、保證書、業務筆記
2.清洗標準化：OCR 紙本、抽關鍵欄位、文件去重
3.加 Metadata：產品 ID、版本、類別、通路 tag
4.匯入流程：切 chunk → embedding → 寫入 Vector DB
5.驗證：10-20 個典型問答當測試集驗證召回

PART 02 · 下次預告

15 / 17

下一場 · 2026-05-28

Phase 1 深入：
動手做一次產品知識資料庫。

RAG 實作

跟 Claude Code 直接對話把 RAG 做起來：Embedding 模型選型、Vector DB 選型與存放位置、串接方式 — 一次拍板

資料盤點

挑選並整理餵進 RAG 的資料來源（產品主檔、說明書、保證書、ERP Table schema），下次上線前備好

前端 Prototype

如有需要，請 Claude Code 開一個最小前端 Prototype，讓 KINYO 團隊可以直接問問題、看 RAG 成效

會後 REFERENCE

16 / 17

會後補課資源

5 部影片 · 1 週看完，
Claude Code 就上手。

01 · 入門必看

雷蒙 Claude Code 入門（上）

Chat / Cowork / Code 三層演進、三大優勢、Cmux、CLAUDE.md、權限模式

246K 觀看

youtu.be/xo7dE80ktu4

02 · 實戰延伸

雷蒙 Claude Code 入門（下）

MCP 串 Gmail / Notion、Skill 工作流、報價單 Prototype（對應 KINYO B2B）

youtu.be/80kCvbsuniw

03 · 架構理解

PAPAYA · Claude Code 保姆級教學

Plan Mode、Skill、Sub-agent、Hook、MCP、Plugin 核心架構講最清楚

348K 觀看

youtu.be/2pM-7fBXc_M

04 · 技術代表必看

HC AI · 九大必學技巧

40 年企業升級實戰，跟 KINYO 場景最像；踩坑經驗 + orchestrator 概念

73K 觀看

youtu.be/8Q1bRZaHH24

05 · 心態準備

海拉魯 · 用了 30 天回不去了

典範轉移心得：「編程從膠卷時代邁入數碼時代」— 理解為何要投入

310K 觀看

youtu.be/sOvi9Iu1Dq8

06 · 官方文件

Claude Code 官方 Docs + Skills

所有 Skill / MCP / Agent SDK 的第一手資料；入門後可以直接讀官方

docs.claude.com github.com/anthropics/skills

CLOSING

17 / 17

North Star

六個月後，
這個能力要留在你們身上。

3 個月後：技術代表能獨立產出知識卡片與第一版 Skill
6 個月後：知識庫上線，第一個 workflow 自動化跑通
顧問的 KPI 不是教得多好 —— 是能力能否真正留下

Q & A · 剩下的時間都交給你們

今天聊下來 — 有什麼卡住的、有什麼想先試的？

Nuway 歆界科技

KINYO 顧問服務 · 2026-04 — 2026-09

為什麼是 Claude Code 以及接下來六個月，我們一起做什麼

一小時內，我們要一起對齊三件事。

從 AI 三世代到 Claude Code 五個理由。

三種形態，對應不同工作情境；底下同一套能力，無縫銜接。

關鍵不是 AI 變聰明，是 AI 從「回答」進化到「動手」。

不是 7 個功能，是一組有機的企業級架構。

你們的六個月藍圖，以及 Phase 1 的技術導讀。

從知識庫到 Application 化，三階段、六個月、一條路。

為什麼 LLM 需要 RAG？因為它沒有你們的產品資料。

從資料源到答案 —— RAG 的一張圖看懂。

做 RAG 要挑四件事 — 先有雛形，再逐步升級。

Phase 1 深入：動手做一次產品知識資料庫。

5 部影片 · 1 週看完，Claude Code 就上手。

六個月後，這個能力要留在你們身上。

從 AI 三世代
到 Claude Code 五個理由。

三種形態，對應不同工作情境；
底下同一套能力，無縫銜接。

關鍵不是 AI 變聰明，
是 AI 從「回答」進化到「動手」。

不是 7 個功能，
是一組有機的企業級架構。

你們的六個月藍圖，
以及 Phase 1 的技術導讀。

從知識庫到 Application 化，
三階段、六個月、一條路。

為什麼 LLM 需要 RAG？
因為它沒有你們的產品資料。

Phase 1 深入：
動手做一次產品知識資料庫。

5 部影片 · 1 週看完，
Claude Code 就上手。

六個月後，
這個能力要留在你們身上。