🧠 用 Claude Code Skills 打造個人知識 Pipeline: 從 AI 協作到自動發佈

問題: 你的 AI 協作知識去哪了?

每次跟 Claude Code 協作, 你都在產生高密度的隱性知識: 為什麼選這個架構不選那個, 踩了什麼坑, 怎麼繞過去的, 學到什麼新東西。

但 session 一關, 這些全部消失在 context window 裡。

「我上禮拜做了一個很聰明的決策, 但我忘了為什麼。」

這不是記憶力的問題, 是流程的問題。如果沒有一個系統性的方式把這些知識擷取下來, 它們就是用完即丟的消耗品。

---

🟢 解法: 一條從 session 到 social post 的自動化 pipeline

我用 Claude Code 的 custom skills 建了一條 pipeline, 把每次人機協作的知識自動化處理:

人機協作 session
    ↓
/content-capture [主軸方向]     → sessions/*.md (結構化知識庫)
    ↓
/content-generate-blog [方向]    → 個人網站 draft
/content-generate-twitter [方向] → X draft
/content-generate-project [方向] → 個人網站 draft

或者用 combo 指令一步完成:

/content-pipeline 知識圖譜自動化

一個指令, 三份內容, 自動推送到各平台。

---

🔵 怎麼運作的: 三個核心環節

1. 結構化擷取 (/content-capture)

每次 session 結束時執行。它會分析整個對話, 提取:

• 做了什麼: 具體的技術成果
• 關鍵決策: 為什麼選 A 不選 B, 有什麼 trade-off
• 洞察與收穫: 值得分享的發現
• 故事角度: 2-3 個可以發展成內容的方向

輸出是結構化的 markdown, 存在本地 sessions/ 目錄。這就是你的個人知識庫。

2. 語氣適配生成 (/content-generate-*)

同一份 session 素材, 用不同語氣轉化成不同平台的內容:

平台	語氣	目的
Twitter	口語, 直擊痛點	引起注意, 建立存在感
Blog	專業輕鬆	展現深度, 值得收藏
Project	技術研討會調性	呈現專業能力

每個 skill 自帶完整的 style rules, 不需要讀外部檔案。帶上方向參數就跳過互動步驟, 直接生成。

3. 直連平台推送

生成的同時直接寫入目標平台:

• Blog/Project → 透過 Supabase REST API 直接 insert (published: false)
• Twitter → 透過 Typefully API 建立 draft, 可在 Typefully 上排程發送

沒有中間的 publish 步驟。從實作經驗來看, generate 的時候已經有所有需要的資訊, 再多一個 publish 只是多餘的中間人。

最後再透過人工的方式到各個平台來修改 (以此行亂碼證明人工修改 XD *&)(@79 )

---

🟡 為什麼這樣設計: 三個核心原則

最短路徑原則

pipeline 裡每一層都需要存在的理由。你可以將外部的template 合併進 skill, 因為少讀幾個檔案就能省 token。帶 args 跳過互動是因為少一個來回就快一步。

「中間層的存在需要理由, 沒有理由就砍掉。」

Self-contained skills

每個 skill 自帶完整的語氣規則, DB schema 資訊, API endpoint。不依賴外部 template 檔案, 不需要額外的 context。這樣做的好處是:

• 每次執行少讀 2-3 個檔案, 省 token
• Skill 本身就是完整的文件, 不怕 template 被改壞
• 在任何專案目錄下都能正常運作

一魚三吃策略

同一個洞察, 三種表達方式。這不是偷懶, 是內容策略。人類負責產生洞察, AI 負責語氣轉換和平台適配。

---

⚪ 實際應用場景

1⃣ 日常開發結束時: 跑一次 /content-pipeline, 把今天的協作成果自動轉化成可分享的內容

2⃣ 完成一個 side project 時: 用 /content-generate-project 分析 repo, 自動生成專案介紹並入庫 Supabase

3⃣ 發現一個有趣的技術洞察時: 用 /content-generate-twitter 你的觀點 快速產出一篇帶觀點的 tweet, 直接進 Typefully 排程

---

結論: 知識不該是消耗品

每次人機協作都是一次知識生產的過程。問題從來不是「有沒有東西可以寫」, 而是「有沒有一個系統幫你把它攔截下來」。

這條 pipeline 的本質不是 content automation, 而是知識保存。自動化只是手段, 目的是讓每次跟 AI 的對話都能沉澱成你個人知識圖譜的一部分。

從我的實作經驗來看, 最難的部分不是技術, 是養成習慣。但當 /content-pipeline 只需要一個指令加一個方向, 門檻已經低到沒有理由不做了。