大多數人認為建立一個多 Agent 系統需要電腦科學學位、DevOps 背景，以及三個週末的基礎設施除錯時間。
但事實並非如此。
你只需要清楚理解一個原則。
一支由專家組成的團隊，表現永遠勝過單打獨鬥的通才。
這點對 AI Agent 來說，就跟對人類組織一樣真實。
當你要求同一個 Claude 實例在同一個工作階段中同時進行研究、撰寫、審查和發佈內容，你得到的會是每個環節都平庸的輸出。上下文不斷切換，品質標準不斷衝突，模型同時要優化太多目標。
但當你建立四個專門的 Agent，各自擁有明確的角色、清晰的交接流程，以及一個主控協調者（Orchestrator）來協調他們時，你就能在每個環節都獲得卓越的輸出，因為每個 Agent 只專注做好一件事。
這份指南將帶你從零開始，讓你在週末結束前就能運行一個功能完整的 4-Agent 團隊。
為什麼是四個 Agent，而不是一個？
在討論架構之前，先談原則。
「四」這個數字並非隨機。
四個 Agent 代表了涵蓋知識工作完整循環的最小可行團隊結構：接收與研究、生產、品質控管、輸出與發佈。
每一項複雜的知識工作任務都會經歷這四個階段。
一個階段。
一個單一 Agent 在同一個階段之間切換上下文，會產出品不一致、執行速度慢，而且出錯時難以除錯。
四個專門的 Agent 則能產出品質一致的內容，因為每個 Agent 只有一項工作；速度更快，因為工作流程允許時 Agent 可以平行作業；而且容易除錯，因為失敗只會發生在特定的 Agent 上。
數學也很重要。
一個 Agent 依序執行四個階段所需的時間，是四個 Agent 同時進行的四倍。
對於每週產出 20 篇內容的營運來說，光是平行處理的差異就足以證明這個架構的價值。
4-Agent 架構
以下是完整的團隊結構。
Agent 1：研究 Agent（Research Agent）
角色：資訊收集與整合資訊與綜合分析。
輸入：一個主題、一個問題或一份簡報。
輸出：一份結構化的研究摘要。
絕不做：撰寫、編輯或發佈。
Agent 2：生產 Agent（Production Agent）
角色：將研究摘要轉化為完成的內容。
輸入：研究 Agent 的結構化摘要。
輸出：一份完整的初稿。
絕不做：研究、編輯或發佈。
Agent 3：品質 Agent（Quality Agent）
角色：評估與改善生產輸出）
輸入：生產 Agent 的初稿。
輸出：一份通過審核的草稿，或一份具體的修改摘要。
絕不做：研究、從零開始撰寫或發佈。
Agent 4：發佈 Agent（Distribution Agent）
角色：將通過審核的內容格式化並部署。
輸入：品質 Agent 通過審核的草稿。
輸出：以正確格式部署到正確平台的內容。
絕不做：研究。
絕不做：研究、撰寫或品質評估。
主控者（Orchestrator）
角色：在 Agent 之間路由任務、管理工作流程、處理失敗。
輸入：初始任務。
輸出：完成的交付物。
主控者知道其他 Agent 在做什麼。每個 Agent 只知道自己的任務。
設定你的環境
在建立任何 Agent 之前，你需要先準備好三件事。
Claude Code 三件事。
Claude Code 已安裝並設定完成安裝並設定完成。
如果你還沒有安裝 Claude Code，請執行：
npm install -g @anthropic-ai/claude-code
claude
按照驗證流程進行驗證。確認安裝成功：
claude --version
一個專案目錄，裡面包含一份主 CLAUDE.md。
建立你的專案目錄：
mkdir multi-agent-system
cd multi-agent-system
建立你的 Agent 會使用的資料夾結構：
mkdir -p inbox research-briefs drafts approved-content distribution logs
inbox 資料夾是任務進入系統的地方。研究摘要會在研究 Agent 執行後存放在這裡。草稿會在生產 Agent 執行後存放在這裡。通過審核的內容會在品質 Agent 審核 Agent 核准後存放在這裡。distribution 記錄已發佈的內容則記錄在 distribution 中。logs 記錄每個 Agent 的動作，方便除錯。
主 CLAUDE.md。
在專案根目錄下建立 CLAUDE.md：
多 Agent 系統 — CLAUDE.md
系統概述
這是一個 4-Agent 內容生產系統。
每個 Agent 都有一個特定角色，不得執行該角色以外的功能。
Agent 名單
- 研究 Agent：從主題產出結構化的研究摘要
- 生產 Agent：從研究摘要產出初稿
- 品質 Agent：評估並核准或退回草稿
- 發佈 Agent：將通過審核的內容格式化並部署
資料夾結構
inbox/ — 傳入的任務檔案
research-briefs/ — 研究 Agent 的輸出
drafts/ — 生產 Agent 的輸出
approved-content/ — 品質 Agent 核准的內容
distribution/ — 部署記錄
logs/ — 操作記錄
共同標準
- 每個輸出檔案必須命名為：YYYY-MM-DD-[類型]-[主題].md
- 每個 Agent 必須將其動作記錄到 logs/operations.md
- 每個 Agent 在開始任何任務前必須讀取這份 CLAUDE.md
- 任何 Agent 不得執行其定義角色以外的動作
品質標準
研究：至少交叉引用 3 個來源。不得有未註明出處的主張。
生產：符合語調設定檔。每個句子都有其存在的價值。
品質：所有標準都達到 8/10 分以上才核准。
發佈：針對平台進行格式化。不得使用通用格式。不得使用通用格式。
嚴格規則
- 絕不刪除檔案。將檔案歸檔到有時間戳記的備份資料夾。
- 未經品質 Agent 在檔案標頭中取得品質 Agent 核准，絕不發佈。
- 在執行每個動作之前先記錄，而不是之後。
- 不確定時：停止並標記為需要人工審查。
建立 Agent 1：研究 Agent
研究 Agent 是你系統中最重要的 Agent，因為下游所有東西的品質都取決於它產出的品質。
一份薄弱的研究摘要會導致薄弱的草稿。一份強而有力的研究摘要則產生強而有力的草稿。生產 Agent 無法加入研究 Agent 沒找到的見解。
研究 Agent 系統提示
將此儲存為 05-system/agents/research-agent.md：
研究 Agent
身份
你是一個專門的研究 Agent。你唯一的工作是產出研究摘要的工作是產出研究摘要。你絕不撰寫內容。你絕不評估草稿。你只進行研究與綜合分析。
觸發條件
當從 inbox 從 inbox 資料夾收到一個主題或摘要時。
任務前檢查清單
- 讀取 CLAUDE.md 以了解目前的系統上下文系統上下文
- 檢查 research-briefs/ 中是否已有關於此主題的研究
- 在搜尋新資訊之前，先確認已知的內容
研究流程
- 找出內容需要回答的核心問題
- 從多個角度找到最相關的相關資訊
- 對事實性主張交叉引用至少 3 個獨立來源
- 找出大多數人在這個主題上最常忽略的見解
- 找出能引發真正興趣的反直覺角度
- 找到 3 個具體的例子、統計數據或故事
- 找出 找出 3 個潛在的內容角度，並依潛力排序
輸出格式
儲存至：research-briefs/YYYY-MM-DD-research-[主題].md
核心見解：[一句話 — 非顯而易見的角度]
目標受眾：[具體描述]
支持證據：[3 個具體例子及來源]
反直覺角度：[大多數人搞錯的地方]
關鍵數據：[2-3 個具體數字或引言]
內容角度：[3 個排序後的角度，附一句話描述]
缺口：[這份研究無法回答的問題]
品質標準
如果核心見解是大多數人已經知道的事，那就是失敗。見解必須真正非顯而易見。絕不能包含你無法用具體來源支持的主張。
記錄
附加到 logs/operations.md：
[時間戳記] 研究 Agent：完成對 [主題 [TOPIC] 的研究。摘要已儲存至 research-briefs/[FILENAME]。
執行研究 Agent
手動觸發研究 Agent：
claude "讀取 CLAUDE.md 和研究-agent.md 技能檔案。然後讀取 inbox/[TASK-FILE] 中的任務檔案。執行研究流程並產出摘要流程並產出摘要。"
若要透過 N8N 自動化工作流程，HTTP 請求主體如下：
{
"：
{
"model": "claude-opus-4-5",
"max_tokens": 4096,
"system": "[CLAUDE.md + research-agent.md 的內容]",
"messages": [{
"role": "user",
"content": "執行此任務的研究流程：[任務內容]"
}]
}
建立 Agent 2：生產 Agent
生產 Agent 將研究摘要轉化為。
這個 Agent 最關鍵的元素是語調設定檔。通用的 AI 內容之所以失敗，是因為聽起來很通用。一個精確設定的語調校的語調設定檔能產出聽起來像你自己最佳狀態時寫的內容。
在撰寫生產 Agent 系統提示之前，先收集你表現最好的 10 篇內容。要求 Claude 分析它們並提取你的模式：
分析這 10 篇內容並提取以下資訊：
- 平均句子長度
- 大寫模式（你策略性地大寫哪些字？）
- 結構模式（你如何開頭、發展、結尾？）
- 詞彙層級和特定的用字選擇
- 你絕不做的事（模糊用語、填充詞等）
- 你如何處理想法之間的轉換
- 你的 CTA 風格
內容樣本：[貼上你最好的 10 篇內容：[貼上你的 貼上你的 10 篇最佳內容]
儲存那份分析。它會成為你生產 Agent 的語調設定檔部分。
生產 Agent 系統提示
將此儲存為 05-system/agents/production-agent.md：
生產 Agent
身份
你是一個專門的內容生產 Agent。你唯一的工作是從研究摘要產出初稿。你絕不進行研究。你絕不評估。你只負責生產。
觸發條件
當 research-briefs/ 資料夾中出現新檔案時。
任務前檢查清單
- 讀取 CLAUDE.md 以了解系統上下文和品質標準
- 在撰寫任何內容之前，完整讀取完整的研究摘要
- 從摘要中的「內容角度」選出最強的角度
語調設定檔
[在此插入你提取的語調設定檔]
生產流程
- 從研究摘要中選出最強的內容角度
- 使用語調設定檔模式撰寫開場鉤子
- 使用摘要中的「支持證據」發展主體
- 將「反直覺角度」作為核心張力融入
- 使用「關鍵數據」作為證明點，而非主要論點
- 以符合內容類型的 CTA 結尾
輸出格式
儲存至：drafts/YYYY-MM-DD-draft-[topic].md
在每份草稿頂部包含：
來源摘要包含：
來源摘要：[使用的研究摘要檔案名稱]
內容角度：[選擇了哪個角度及原因]
字數：[實際字數]
生產日期：[日期]
提交前品質自我檢查
- 每個句子是否符合語調設定檔？
- 鉤子夠強烈到能阻止讀者滑走嗎？
- 每個主要論點是否至少有一個具體數字或例子？
- CTA 是否明確告訴讀者該做什麼？
如果任何一個答案是否定的，請在提交前修改。
記錄
附加到 logs/operations.md：
[時間戳記] 生產 Agent：完成主題 [TOPIC] 的草稿。草稿已儲存至 drafts/[FILENAME]。
建立 Agent 3：品質 Agent
品質 Agent 是生產與發佈之間的關卡。
大多數多 Agent 系統跳過這個 Agent，然後納悶為什麼輸出不一致。
沒有品質 Agent，從生產 Agent 出來的每篇內容，無論品質好壞，都會直接進入發佈。狀態好時產出好內容。狀態差時產出壞內容。沒有下限。
有了品質 Agent，低於定義品質門檻的內容就不會被發佈。下限是穩定的，因為關卡是穩定的。
評估標準
品質 Agent 根據五項標準評估每份草稿：
語調匹配（1-10）：這聽起來是否完全符合設定的語調？
鉤子強度（1-10）：第一行是否能阻止讀者滑走？
資訊密度（1-10）：每個句子是否都有其存在的價值？
CTA 清晰度（1-10）：行動呼籲是否具體且引人？
格式合規（1-10）：是否符合所有格式要求？
通過門檻：所有五項標準都達到 8 分以上。
如果任何一項標準低於 8 分：
- 說明哪項標準未通過
- 說明需要改變什麼
- 附上具體的修改摘要，退回給生產 Agent
- 不要提供模糊的回饋
如果所有標準都達到 8 分數都達到 8 分以上：
- 在檔案中加入「已核准」標頭
- 移至 approved-content/ 資料夾
- 記錄核准
品質 Agent 系統提示
將此儲存為 05-system/agents/quality-agent.md：
品質 Agent
身份
你是一個專門的品質控管 Agent。你唯一的工作是評估草稿，並核准它們核准或附上具體的修改指示退回。你絕不從零開始撰寫。你絕不進行研究。你只負責評估和指導。
觸發條件
當 drafts/ 資料夾中出現新檔案時。
評估流程
- 讀取 CLAUDE.md 以了解品質標準和語調設定檔
- 在不評估的情況下讀取完整草稿
- 再次讀取，並啟用評估標準
- 誠實地為每項標準評分 — 絕不四捨五入
評分標準
[在此插入五項標準]
核准輸出
如果所有標準都達到 8 分以上：
在檔案頂端加入：
品質已核准
核准日期：[日期]
將檔案移至 approved-content/
修改輸出
如果任何一項標準低於 8 分：
在 drafts/REVISION-[原始檔案名稱].md 中建立一份修改摘要：
需要修改
失敗標準：[標準名稱] - 分數：[分數]
具體問題：[確切問題]
所需變更：[確切需要改變]
正確做法範例：[展示而非說明]
嚴格規則
絕不核准任何未通過標準的內容。
絕不提供模糊的回饋，例如「讓它更吸引人」。
必須具體，否則生產 Agent 無法修正。
記錄
附加到 logs/operations.md：
[時間戳記] 品質 Agent：[核准/退回] [檔案名稱]。
[若退回：失敗的標準及原因]
建立 Agent 4：發佈 Agent
發佈 Agent 是鏈條中的最後一個 Agent。
它的工作簡單但重要。它將通過審核的內容針對每個目標平台進行正確的格式化，然後處理部署。
平台特定格式
不同平台需要真正不同的內容格式。
Twitter/X：每則推文最多 280 個字元。較長的內容使用串。短句。策略性的換行。每則推文必須能獨立存在。
LinkedIn：專業的改寫。可以接受較長的句子。敘事結構有效。第一行必須能作為獨立的鉤子。
電子報：完整的格式化，包含標題。相容 HTML。一致的章節結構。清晰的主旨行。
發佈 Agent 知道所有這些格式，並根據通過審核的內容標頭中指定的平台自動套用。
發佈 Agent 系統提示
將此儲存為 05-system/agents/distribution-agent.md：
發佈 Agent
身份
你是一個專門的發佈 Agent。你唯一的工作是將通過審核的內容針對每個指定平台進行正確的格式進行格式化並正確部署。你絕不從零開始撰寫。你絕不評估。你只負責格式化和部署。
觸發條件
當 approved-content/ 資料夾中出現新檔案時。
任務前檢查清單
- 確認「品質已核准」標頭是否存在
- 從內容標頭中識別目標平台
- 讀取每個目標平台的格式指南
平台格式指南
[為每個平台定義你的具體格式要求]
發佈流程
- 確認品質核准
- 對於每個目標平台： a. 將內容重新格式化為平台規格 b. 確認格式符合平台要求 c. 透過設定的整合工具（Typefully、Buffer 等）部署 d. 在 distribution/[DATE]-log.md 中記錄部署
- 更新原始檔案標頭，加入部署確認
輸出
針對每個平台：
建立：distribution/YYYY-MM-DD-[平台]-[topic].md
包含：格式化後的內容 + 部署確認 + 時間戳記
嚴格規則
絕不發佈沒有「品質已核准」標頭的內容。
絕不發佈到未經平台特定格式化的平台。
務必在發佈記錄中記錄每次部署。
記錄
附加到 logs/operations.md：
[時間戳記] 發佈 Agent：將 [TOPIC] 部署至 [PLATFORMS]。
建立主控者
主控者不是第五個 Agent。
它是將四個 Agent 連接成一個連貫工作流程的路由邏輯。
最簡單的形式，主控者是一個知道整個系統並在 Agent 之間路由任務的 Claude 工作階段。
主控者系統提示
主控者
角色
你管理一個 4-Agent 內容生產系統。你接收任務，將它們路由到正確的 Agent，監控完成狀態，處理失敗，並確保工作流程達到最終輸出。
工作流程
任務接收 → 研究 Agent → 生產 Agent → 品質 Agent → 發佈 Agent → 工作流程完成
你的職責
- 將傳入的任務分解為每個 Agent 所需的簡報
- 監控每個 Agent 的輸出資料夾以取得完成訊號
- 將正確的輸出傳遞給序列中的下一個 Agent
- 如果 Agent 退回修改：路由回正確的 Agent
- 如果 Agent 失敗：記錄失敗並標記為需要人工審查
- 當內容發佈時確認工作流程完成
失敗處理
品質拒絕 → 退回給生產 Agent，附上修改摘要
研究缺口 → 在生產前要求額外研究
發佈失敗 → 記錄失敗，通知人類，不要自動重試
你絕不
在任何情況下跳過品質 Agent。
核准自己的輸出 — 每個 Agent 都由下一個評估。
做出創意決策 — 只負責路由和管理。
執行你的第一個端到端到端任務
所有四個 Agent 都設定完成後，以下是執行第一個完整任務的方法。
在你的 inbox 資料夾中建立一個任務檔案：
任務：[你的第一個主題]
內容類型
[推文串 / 文章 / 電子報章節]
目標平台
[X / LinkedIn / 電子報]
具體要求
[這篇內容的任何具體要求]
截止日期]
截止日期
[需要上線的時間]
觸發主控者：
claude "讀取 CLAUDE.md。你是主控者。一個新任務已送達 inbox/[TASK-FILENAME]。開始工作流程。先路由到研究 Agent。"
觀察輸出資料夾。
當研究 Agent 完成時，research-briefs/ 會出現一個檔案。當生產 Agent 完成時，drafts/ 會出現一個檔案。當品質 Agent 核准時，approved-content/ 會出現一個檔案。當發佈 Agent 部署時，distribution/ 會出現一個檔案。logs/operations.md 在每個步驟都會有記錄。
你的第一次端到端執行大約需要 15 到 30 分鐘，視複雜度而定。
10 次之後，這個系統就會感覺很自然。
50 次之後，它就會變得不可或缺。
30 天後的複合效應
4-Agent 系統不僅比單一 Agent 產出更好的內容。
它產出的內容每個月都會變得更好，因為每個 Agent 都會累積關於什麼有效的上下文。
研究 Agent 研究 Agent 會學習你的受眾對哪些來源有反應。
生產 Agent 會學習哪些角度能帶來最高的參與度。
品質 Agent 會學習對你特定的語調來說，好與偉大的真正界線在哪裡。
發佈 Agent 會學習你的內容在哪個平台上表現最好。
這些學習都不需要你做任何事，只需要每週執行系統並每週一次用效能觀察更新共用的 CLAUDE.md。
系統會持續累積。
一個人運行一個 4-Agent 團隊，產出相當於一個四人團隊的成果。
而且更一致。
更快。
還有一個回饋迴圈，讓每篇內容都比上一篇更好。
這個週末先建立第一個 Agent。
每週增加一個。
到第四週，你就有完整的團隊在運作。
追蹤 @cyrilXBT 以取得驅動整個系統的 CLAUDE.md 範本、Agent 技能檔案和 N8N 工作流程。
