把 AI Agent 裝進你的電腦、工作環境設定

AI Agent 要正式進入工作，光有一個放資料的資料夾還不夠：它改壞檔案時，你怎麼知道改了什麼、怎麼回復？換電腦或換人時，又要怎麼接手？

這題會帶你依序操作 Vault、Git、Repo。請觀察它們分別處理工作範圍、修改紀錄與專案交接中的哪一個問題，不要把三個名詞當成同一件事。

當你打開 AI Agent 工具，第一步該做什麼？很多人直接開始打字，結果 Agent 根本找不到這次工作需要的公司規則與資料。

這題會讓你從兩個不同資料夾送出完全相同的「分析報價單」任務。請比較 Agent 各自找到哪些規則與公司資料，再判斷正式交辦前應先確認哪一個工作入口。

模型和 Effort 都選最高，AI 就一定最厲害、每一個任務都會做得最好嗎？

這題會讓同一組模型設定分別處理 20 筆客服工作與一項重大稽核。請比較完成品質、等待時間與額度用量，判斷一套最高設定是否適合所有任務。

明明都在同一個對話裡，一直跟 AI 聊下去，為什麼它有時會開始忘記前面講過的事？

這題會讓同一段對話越聊越長。請觀察最早確認的預算何時不再出現在回答裡，以及整理對話後有什麼變化。

一般 AI 工具通常只照顧自己的工作環境。你在一個工具裡累積的規則、記憶與 Skills，換到另一個工具後不一定接得上，原本的任務也常要重新交代。

Pro-Kit 的價值不只是幫你建好更完整的 Agent 架構，而是把這些能力放進一套由你掌握、能讓不同工具共同讀取的工作系統。這題會讓你比較安裝前後，再從 Codex 換到 Claude Code，觀察同一個任務能不能沿用原本的規則與資料接著做。