AI 工具一直在變，真正值得建立的是自己的 Workflow
目錄
最近滑 X、Reddit、GitHub，幾乎每天都會看到新的 AI 工具、新的 AI Skill。 今天有人分享 Claude Code 的 Best Practices，明天有人分享 Cursor Rules，後天又有人公開自己的 AGENTS.md，接著又出現各種 Prompt Library、Memory、Workflow Template…… 每一個看起來都很厲害，也很值得收藏。
但我開始思考一個問題：
這些 Skill，真的適合你的工作流程嗎？
AI 並沒有推翻以前的方法論 #
如果回頭看軟體開發的演進，其實會發現一件很有趣的事情。 十幾年前，開發流程可能很單純：
需求 → 設計 → 開發 → 測試 → 交付
隨著系統越來越大型，開始出現 Scrum、Sprint、Story Point、Stand-up Meeting、Retrospective…… 接著測試文化也逐漸成熟：
- Unit Test
- Integration Test
- End-to-End Test
- TDD
- BDD
- CI/CD
每一種方法論，都是為了解決軟體工程不同階段遇到的問題。 而現在，AI 又加入了整個流程，我們開始學習新的名詞：
- Prompt Engineering
- AI Skill
- Memory
- Agent
- MCP
- AGENTS.md
- CLAUDE.md
- Cursor Rules
- Workflow Template
看起來，好像所有東西都必須重新學一次。 但真的是這樣嗎？
我反而越來越認為：
AI 並沒有淘汰 Scrum，也沒有淘汰 Kanban，更沒有淘汰 Software Engineering。
它只是改變了工作的媒介。 以前是自己寫程式，現在變成：
想清楚 → 告訴 AI → Review → 修正
Developer 的角色，也從單純的程式開發者，逐漸變成 Developer + Reviewer。
但真正重要的事情沒有改變。例如：
- 需求是否理解正確？
- 系統設計是否合理？
- 功能是否拆解清楚？
- 是否容易維護？
- 是否容易測試？
AI 並不會自動替你回答這些問題。
Scrum 與 Kanban 的價值，其實還在 #
很多人會問：
有 AI 了，Scrum 還重要嗎？
我認為答案是：
重要，而且比以前更重要。
Scrum 的核心價值一直都是：
- 把大型需求拆小
- 持續交付
- 快速取得 Feedback
- 降低開發風險
AI 很擅長完成小而明確的任務，卻不擅長一次完成大型系統。 所以真正重要的不是 AI 有多強，而是：
你能不能把問題拆成 AI 能完成的大小。
這其實就是 Scrum 一直在做的事情。 Kanban 也是同樣的概念。
Todo → Analysis → Design → Coding → Review → Testing → Deploy → Done
AI 加入之後，流程沒有消失。 只是每一個節點，多了一位能力很強的協作者。例如：
| 階段 | AI 的角色 | 人的角色 |
|---|---|---|
| Analysis | 整理需求 | Review |
| Design | 協助設計 | 修正 |
| Coding | 撰寫程式 | Code Review |
| Testing | 產生測試 | 驗證 |
流程依然存在，只是 Human 與 AI 一起完成。
真正應該建立的是自己的 Workflow #
我現在反而很少收藏別人的 Prompt。 因為我發現：
Prompt 很容易過時。 Skill 很容易更新。 Tool 幾乎每個月都在改變。
但是 Workflow 通常不會因此大幅改變。 例如我的工作流程可能是：
需求進來
↓
AI 協助整理需求
↓
自己確認需求
↓
AI 協助切 Ticket
↓
自己確認拆解
↓
AI 產生 Design
↓
Review
↓
AI Coding
↓
Review
↓
AI 補 Unit Test
↓
人工測試
↓
Merge
這才是真正每天都會使用的流程，而不是某一句神奇 Prompt。
網路上的 Skill，可以當作素材，不要當作標準答案 #
現在 GitHub 上有很多優秀的 Repository：
- AGENTS.md
- Cursor Rules
- Claude Code Skills
- Prompt Collection
- MCP Server
- Memory Framework
我現在的做法是：
不要直接拿來用。
而是先問自己三個問題：
- 它解決的是什麼問題？
- 我的 Workflow 有沒有同樣的痛點？
- 如果有，我該怎麼修改，才能符合自己的工作方式？
我自己還有一個實際的做法：
看到網路上不錯的 Skill，我不會直接照抄，而是把它丟給 AI，請 AI 幫我分析它的優點，以及該怎麼把這些優點融入我自己的 Skill 與流程。
分析、比較、整合，本來就是 AI 擅長的事。 經過這樣消化之後留下來的東西，才是真正屬於自己的。
當 Skill 能真正融入 Workflow，它才會變成自己的能力。 否則，就只是一直收藏新的 Template。
AI 時代，真正重要的是 Workflow #
很多人認為 AI 時代最重要的是 Prompt。 我反而認為：
第一層：Prompt
第二層：Skill
第三層：Workflow
真正能持續累積價值的，是 Workflow。
因為 AI 可以寫程式，但它不知道：
- 系統應該怎麼拆。
- 團隊如何協作。
- 哪些需求應該優先。
- 哪些技術債值得先處理。
這些依然需要工程師判斷。
結語 #
AI 正在快速改變開發方式。 但它沒有推翻過去二十多年累積下來的軟體工程經驗。
需求分析、系統設計、問題拆解、持續交付、Code Review…… 這些能力依然存在。 不同的是，我們現在多了一位能力很強的協作者。
所以，比起每天追逐新的 AI Skill，我更建議花時間建立一套真正屬於自己的 Workflow。
因為工具會一直變，模型會一直更新，Skill 也會一直演進。
真正值得建立的，是一套能隨著工具演進、不斷優化的 Workflow。
