商傳媒|何映辰/台北報導
面對日趨複雜的 AI Agent 開發框架,有專家提出回歸基礎的解決方案。獨立 AI 顧問兼諮詢機構 Claramap 負責人 Mathew Mathew 近日發表一套以「資料夾」為核心的 AI Agent 建置架構,主張以最純粹的檔案結構取代重量級開發框架,藉此提升代理人的運作效率與可維護性。
根據外媒《LavX News》報導,Mathew Mathew 借鏡畢卡索公牛系列版畫(Le Taureau)去蕪存菁的極簡手法,強調開發 AI Agent 應秉持「先解決基礎問題,再增加機制」的原則。他明確反對在初期開發階段就導入 LangChain 或 Pydantic 等現有框架,避免過早引入不必要的系統複雜度。
在該架構中,單一資料夾即為一個可進行版本控制與部署的獨立單元。系統運用 Markdown 檔案來存放情境脈絡、可重複使用的技能、工具連接器與執行腳本。開發流程通常始於開發者與 Claude 進行對話,釐清任務目標、成功標準、授權層級與所需工具,隨後在資料夾內生成一份定義核心規則的「AGENTS.md」檔案。
在實際執行端,這套工作流仰賴 Anthropic 旗下 Claude Code 在命令列(CLI)以無周邊模式(headless)運作,讓 AI 代理人直接存取指派的資料夾以處理檔案、執行腳本與調用外部工具。任務結束後,Claude 會自動讀取儲存為 .jsonl 格式的執行紀錄,分析出錯或未達預期的環節,並直接修改資料夾內的指引檔案以完成迭代升級。
這套資料夾工作流程已實際應用於 Claramap 網站的日常營運,並結合 Codex 模型與 MCP 連接器負責內容編輯與發布部署,驗證了輕量化架構在實際生產環境的可行性。







