Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

Claude 的 Project、Skill、Connector 到底怎麼分?一次搞懂三者的關係

很多人問我,在 Claude 裡面,Project、Skill、Connector 這三個東西到底差在哪裡?

什麼時候該用哪一個?

老實說,我一開始也搞得很混亂。

但實際用了一段時間之後,我發現其實邏輯很簡單。

Claude 三大元件解析

先從最基本的開始:Connector 是對外的資料來源

如果你需要從外部拿資料,比如說接 Google Calendar、接 Notion、接你自己的資料庫,你就需要 Connector。

它就是一個 MCP 的連結,讓 Claude 可以去外面抓資料回來。

沒有 Connector,Claude 就只能用它自己知道的東西,沒辦法碰到你的資料。

Skill 則是內部的運算邏輯

Skill 沒有辦法對外連接。

它只能在內部用 Python 或程式碼執行。

你可以把它想成是一個 Controller,專門負責處理運算的部分。

比如說,你想讓 Claude 用特定的格式改寫文章、用特定的邏輯分析資料,這些都是 Skill 在做的事。

那 Project 呢?

如果你要做的是一個會持續使用的 Agent 助理,請用 Project。

為什麼?因為 Project 有三個很重要的特性。

第一,它有整體的專案記憶功能。

你每次跟它對話,它都會記得之前聊過什麼,你可以不斷地優化跟調整。

第二,它有獨立的記憶體空間。

你不會希望每次聊天,各個 Agent 的記憶體都混在一起吧?

用 Project 可以把記憶體分開,每個專案有自己獨立的空間。

第三,專款專用。

你可以把每個 Project 當成一個專門的 Agent。

這個專門負責分析,那個專門負責發文。

這樣可以大幅降低出錯的機率,也更好控管。

所以整個邏輯是這樣

你只要想清楚三件事:

  1. 你需要哪些助手?
  2. 這些助手個別需要什麼樣的技能(Skill)?
  3. 這些技能需要什麼樣的資料來源(Connector)?

用這個順序去理解,整個 Agent 的分配就會很清楚。

關鍵在於:資料必須藉由 Connector 來拿到

當一切都設定好之後,你只要每天去使用,然後持續改善 Skill 的設定。

比如說調整 Prompt、優化輸出格式。

你也可以進一步優化 Connector 所需要的資料源。

要在 MCP 伺服器端改,還是在 Skill 端調整,看你的需求。

在不斷使用的過程中,Memory 也會慢慢優化。


這是我最近在快速設定這些東西時的一些心得。

如果你有什麼問題,歡迎在留言處提出來。

如果你想要嘗試社群的 PO 文自動化,也歡迎試試我們的 Boring MCP

它可以幫你快速發布到各種社群平台,也可以查詢社群平台的績效。

Read more

AI 代理人變現的真相:為什麼我越來越看好 ToC 市場

AI 代理人變現的真相:為什麼我越來越看好 ToC 市場

上個月我花了很多時間在思考一件事:AI 代理人的商業化,到底要怎麼做才行得通? 這不是一個簡單的問題。 你必須先搞清楚,你的目標客戶是誰。 ToB 還是 ToC?先把問題說清楚 如果你選擇 ToB,也就是做企業端的生意,你要面對的挑戰是非常現實的。 企業要的是能在地端執行的系統,他們有嚴格的法規要求,他們的業務流程複雜,而且你必須打進高端市場、建立產業典範,才有辦法收到真正的錢。 這條路很長,很硬。 如果你選擇 ToC,也就是直接服務一般消費者,你的核心挑戰完全不一樣——你需要了解演算法怎麼推薦,你需要做到大範圍的觸及。 這兩件事,聽起來容易,但真正做到的人不多。 我為什麼越來越看好 ToC 最近我一直在想一個具體的場景:用 AI 代理人主動產生虛擬網紅,讓它自己去做發布。 這件事在技術上已經可以實現了。 你可以讓一個 AI 代理人每天自動生成內容、自動發布到社群平台,不需要人工干預。 這代表什麼? 這代表觸及成本趨近於零,內容產出速度可以爆炸性成長,而且整個系統可以在你睡覺的時候繼續運轉。

By Andy Lin