附錄 C：詞彙表

​

Part I 基礎與進階認識

token：模型處理文字的最小單位（子詞），非字也非詞；影響成本與上下文佔用。中文常一字 1 至 2 個 token，密度高於英文。 tokenization：把輸入文字切成 token 序列的過程；不同模型用不同 tokenizer，粗估需以官方工具為準。 上下文視窗（context window）：模型一次能處理的 token 上限（含輸入與輸出），視窗滿了最舊內容被擠出。 上下文腐化（context rot）：上下文接近滿載或中段時模型品質下降的現象；Chroma（2025）測 18 個模型均觀察到 [1]。 lost in the middle：長上下文中，模型對中段資訊的注意力顯著低於開頭與結尾的現象（Liu, et al., 2023）[2]。 上下文工程（context engineering）：管理進入上下文視窗的一切（指令、知識、歷史、工具結果），以提升產出品質。Anthropic 定義為「在有限注意力預算內找最大化目標達成率的最小高訊號 token 組」[3]。詳見 01-4。 幻覺（hallucination）：模型產生看似合理但不正確內容；源於生成式模型優化「像不像」而非「對不對」。 temperature：縮放機率分布銳利度的取樣參數。趨近 0 趨同、趨近 1 趨發散；想可重現就壓低，想發想方案就調高。 top-p（nucleus sampling）：只從累積機率達到 p 的候選 token 群裡取樣，動態裁掉長尾。 系統提示（system prompt）：平台或開發者設定的指令層，優先序高於使用者輸入，是規則檔的技術基礎。 工具呼叫（tool use / function calling）：模型決定呼叫外部工具並把結果以 tool 角色回填上下文的機制；模型只「請求」，harness 才「執行」。 agentic loop：觀察 → 決策 → 行動 → 再觀察的自主迴圈；是 agent 與單純對話的本質差異。 harness：agent 的執行外殼，負責工具執行、權限邊界、狀態持久化、迴圈終止、觀測、kill switch；模型決定能力天花板，harness 決定你拿到幾成。詳見 01-6。 augmented LLM：Anthropic 用語，指被檢索、工具、記憶等能力增強過的 LLM；harness 圍繞它運轉。 kill switch：被外部觸發終止 agent 行程的機制；不依賴被入侵的 process 自殺。 heartbeat dead-man switch：長時間任務定期寫心跳，外部 supervisor 偵測心跳停滯就 kill 整個 process group 的死人開關。 prompt engineering：把任務寫成模型可執行規格的設計法；結構化骨架、XML 標籤、Few-Shot、Automated Prompt Optimization（APO）。詳見 01-3。 Few-Shot：在 prompt 中放 2 至 3 個範例，把抽象的風格或格式要求校準成模型可對齊的樣板。 APO（Automated Prompt Optimization）：以評估函式驅動的自動 prompt 迭代；代表實作為 OPRO（Yang, et al., 2023）[4] 與 DSPy（Khattab, et al., 2023）[5]。 workflow：LLM 與工具被預先以程式路徑編排的系統；步驟與跳轉由你定義，模型只在每個節點內做事。詳見 01-5。 agent：LLM 自主決定流程與工具用法的系統；彈性高、可控性低。 DAG（directed acyclic graph）：步驟的有向圖；畫出後可平行機會自己浮現（無路徑相連的節點可同時跑）。 Vibe Coding：憑感覺、低結構地讓 AI 寫程式；本 Playbook 主張以設定與驗證取代盲目接受。

---

​

Part II 設定與機制

CLAUDE.md：Claude 的記憶與規則檔，分 managed、user、project、local 四層；managed 不可被個人關閉。詳見 04-1。 @path 匯入語法：在 CLAUDE.md 用 @path/to/file 匯入其他檔；最多 4 層遞迴；常用 @AGENTS.md 讓 Claude 與其他工具共讀同一份基線。 AGENTS.md：跨工具的開放規則檔標準，由 Linux Foundation 旗下 Agentic AI Foundation 治理；原生支援工具逾二十個，採用專案逾六萬（截至 2026-06）。 Rules（.claude/rules/*.md）：模組化規則檔，frontmatter 寫 paths 可綁到 glob；觸及對應檔案時載入，否則不佔 context。詳見 04-2。 Skill（SKILL.md）：以目錄形式存在的可重用流程，隨需載入；description 寫得好壞決定模型會不會自動叫用。詳見 04-4。 漸進式揭露（progressive disclosure）：Skill 把昂貴內容拆到 references/ 與 scripts/，主檔只放必要入口；降低每次叫用的 context 成本。 Hook：事件驅動的確定性自動化機制（PreToolUse、PostToolUse、Stop、SessionStart 等，截至 2026-06 共 30 個事件），把「模型記得」升級成「系統保證」。詳見 04-6。 exit 2 攔截語義：hook 在 PreToolUse 階段 exit 2 等同拒絕該工具呼叫；模型會看到拒絕回饋並調整計畫。 Subagent（子代理）：擁有獨立 context window 的子任務執行容器；v2.1 起採內建（Explore、Plan、general-purpose）加自訂兩層結構。詳見 04-10。 isolation: worktree：Subagent 用 git worktree 物理隔離檔案系統，支援平行不衝突的子任務。 Plugin：打包 skills、agents、hooks、MCP 與 LSP 設定、背景監控的單元；透過市集或 git URL 分發，namespace 隔離避免同名衝突。詳見 04-8。 Marketplace（plugin 市集）：官方 claude-plugins-official 與社群 claude-community 兩個公開市集，附 /plugin install 安裝路徑。 Harness 外殼的層次：OpenClaw 等案例研究歸納：Identity（SOUL.md）、Memory（MEMORY.md）、Heartbeat、Tool conventions、Bootstrap、User 等 Markdown 檔在工作區共同組裝 agent 人格與行為。詳見 05-1。 MCP（Model Context Protocol）：把外部工具與資料源接給模型的開放標準；一個 server 對外暴露 tools、resources、prompts 三類介面。詳見 04-9。 MCP transport：client 與 server 間的傳輸協定；Claude Code 支援 stdio（本機行程）、http（含 streamable-http 別名）、sse（deprecated）、ws。 MCP scope：MCP server 的設定範圍；local（個人、不共享）、project（進版控、需 user approval）、user（個人所有專案）。 CLI-first：能用 CLI 完成的操作優先 CLI，MCP 作為 fallback；CLI 沒有 schema 預載成本、stdout 可裁、可 shell pipe 串接。詳見 04-10。

---

​

Part III 風險與評估

提示注入（prompt injection）：把外部不可信內容誤當指令執行的攻擊；應用層的設計限制，不是模型 bug。詳見 03-3。 三重威脅（Willison triple threat）：私密資料、不可信內容、對外通道三條件同存時，提示注入從「讓模型說怪話」升級為資料外洩工具。 記憶污染（memory poisoning）：跨 session 在記憶中植入載荷，未來 session 組裝時觸發；記憶狹窄、定期輪換是緩解。 供應鏈風險：第三方 Skill、plugin、規則、hook 帶入的安全風險；Snyk ToxicSkills（2026-02）報告 3,984 個公開 skill 約 36% 含 prompt injection [6]。 provenance（來源可溯）：元件來源是否具名、可追溯，作為信任訊號。 hidden unicode / bidi 攻擊：藏在零寬字元（U+200B 等）與雙向控制碼（U+202A 至 U+202E）裡的不可見載荷；人類看不到，模型看得到。 飽和檢查（saturation check）：benchmark 全數通過代表測試太簡單、缺乏鑑別力；需加 edge case 直到至少一個 model tier 失敗。詳見 03-4。 盲信（blind trust）：看起來合理就接受的可驗證性盲點；對可驗證主張一律驗證是解毒劑。

---

​

Part IV 客製化與自動化（補充概念）

path-scoped rule：以 frontmatter paths: ["src/**/*.ts"] 限定規則只在符合 glob 的檔案觸及時載入的規則檔。詳見 04-2。 @-mention 顯式叫用：主對話用 @subagent-name 直接叫用某個 Subagent，不依賴模型依 description 自動觸發。 context: fork：Skill 把自己整段程序丟到一個 Subagent context 內執行；Subagent 用 skills: 預載程序到自己的 context。 heartbeat 排程：OpenClaw 等 harness 採用的定時觸發機制；agent 在排程點被喚醒跑一輪 turn，模擬「在背景值守」。 soul-md / memory-md：OpenClaw 工作區的人格與記憶 Markdown 檔；agent 每次啟動讀自己的「靈魂」才開始工作。詳見 05-1。

---

​

Part V 評估與案例研究（補充概念）

NemoClaw / always-on agent：NVIDIA 為常駐代理設計的安全外殼；對應企業級 SLA、團隊共用基礎設施、統一審計的硬化模式。詳見 05-3。 Harness 可視化：OpenClaw 把人格、記憶、心跳、工具慣例等拆成可讀的 Markdown 檔，讓使用者能直接審查與修改 agent 設計。

---

​

跨單元共通詞

設定層級（config layer）：使用者全域層、專案層、本地層的設定分層；層級高的優先序不一定高，由各工具規則決定。詳見 02-1。 最小權限原則（least privilege）：代理與工具只給任務實際需要的權限；超出即收回。 憑證邊界（credential boundary）：代理專用 PAT、個人 PAT、機器帳號之間的隔離邊界。 pre-flight 檢查：執行前的快速核對（權限、訓練退出、機密路徑掃描），避免事後收拾。 mixed 查證（hybrid verification）：通用概念直接寫，快變動事實（設定檔名、版本、機制）一律查官方文件。 provenance 標註：在引用、範例、連結旁邊標明來源、作者、日期、可信度。

---

​

對應單元

• 基礎觀念全貌 → 01-1 為什麼要「正確地」使用 AI 工具
• LLM 與 agent 機制 → 01-2 LLM 與 Agent 的運作基礎
• 上下文工程細節 → 01-4 上下文工程
• 設定層級模型 → 02-1 設定的層級模型
• 隱私安全詞彙 → 附錄 B 隱私與安全設定 checklist、03-3 安全、隱私與供應鏈風險
• 跨工具設定詞彙 → 02-6 其他工具設定對照
• 客製化詞彙 → 04-1 CLAUDE.md 至 04-11 Agent Teams 與 Sub Agent
• 案例研究詞彙 → 05-1 OpenClaw 至 05-4 三條路線比較

---