Context Engineering：建立不失憶的 AI 團隊記憶系統

這集你會學到 ・Context Engineering vs Prompt Engineering：差在哪、為什麼後者已過時 ・一人 SaaS 的三層 context：記憶層、SOP 層、agent 層 ・CLAUDE.md / skills / subagents 怎麼編排 ・怎麼讓 AI 從「需要你逐句指揮」變成「看到任務自己跑完」 ・AKIRAXCLAW 真實在用的 context 架構與範例 Prompt Engineering 已死 2024 年以前，大家拼命學「更好的提示詞」： 「你是一個資深工程師，請用 step-by-step 的方式...」 這個方向在 2026 年已經過時了。 不是因為提示詞不重要，而是因為問題的瓶頸不在提示詞，在 context。 方式　·　核心問題　·　天花板 Prompt Engineering　·　怎麼問 AI　·　每次都要重新解釋 Context Engineering　·　讓 AI 知道整個脈絡　·　AI 自己判斷要做什麼 最明顯的例子：你叫同一個 AI 幫你改一個函式。 ・Prompt 版：「請幫我把這個函式改成 async，要 handle error，回傳格式用 JSON...」（每次都得說） ・Context 版：AI 已經讀過你整個 codebase，知道你用 TypeScript strict mode、用 Result type 而不是 throw、API 回傳格式一律是 。你只需要說「這個函式改 async」。 Context Engineering 是讓 AI 在任何時刻都知道自己在做什麼、為什麼這樣做、邊界在哪裡。 三層 Context 架構 Layer 1：Memory Layer（記憶層） 目的：讓 AI 在任何 session 開始時就知道「這是什麼專案、規則是什麼、不能做什麼」。 最重要的檔案是 CLAUDE.md，放在 repo root，Claude Code 每次 session 自動讀。 CLAUDE.md 的最小結構： `markdown 專案名稱 這...