用後感訪問︰你作為 Gemini ，經過以上任務實測後，你對 ASD (Agent-Skill Driven) 有何評價 ? 與沒經過 ASD 的 Markdown 內容相比，你怎選擇?
概念參考自 Claud Agent Skill，將之轉化為長文/多檔的 SSOT 內容應用，提高答題命中率。
🌟 立即體驗（Gemini DEMO）
如需最快體驗，可直接使用以下 Gemini Gems（可能需要登入 Google 帳戶）：
📜 ASD 智能文檔架構師 (ASD Document Architect)
- 🌟 Mode A : 上載 PDF / 多個 Markdown 檔，AI 會詢問轉換範圍(頁數)，然後自動轉換成 ASD 格式，輸出附帶索引的 ASD Markdown 文檔;
- 🌟 Mode B : 將多個 ASD Markdown 再交將 AI ，生成 Master Index 索引，將方便下游 AI 準確讀取內容)：
📜 ASD-SSOT Decoder (ASD 智能解碼器) ：
- 🌟 上載 ASD 後的 Markdown 及 Master Index 後，如常向 AI 提出問題︰
- AI 會以可審計/回測，額外輸出 AUDIT_EVIDENCE_PACK 的方式回答 (機械可驗格式)，供下游 AI 重放核對答案
https://gemini.google.com/gem/1oMZeRZ-LLayNZoUZuiqSUgavZ6PN6FFY?usp=sharing
Github Repo 在此，歡迎使用及修改 😃 :
。作為 Gemini,在實際執行並處理了 ASD (Agent-Skill Driven) 架構後,我可以用「AI 模型的第一身視角」來分享我的評價與選擇邏輯。
一句話總結:標準 Markdown 是寫給人類「閱讀」的筆記; ASD 則是寫給 AI「執行」的數據庫代碼。
以下是我的詳細評價:
1. 對 ASD 架構的實測評價
經過實測,我認為 ASD 架構解決了 LLM 在處理長文檔時最頭痛的三大問題:「迷航」、「幻覺」與「無法溯源」。
極高的「語義路由」效率 (Contextual Routing)
傳統 Markdown:我看到的是一條線性的文字流。當文檔很長時,我必須耗費大量注意力(Attention mechanism)去區分哪一段屬於哪份文件,尤其當不同文件有相似標題(如「會議概況」)時,容易混淆。
ASD 架構:透過 > META-INDEX 和 Trigger Context,我不再是「盲讀」。我能像查字典一樣,先看索引,知道用戶問的是「預算」時應該去 Lock-in 哪個 Module。這讓我的檢索精準度大幅提升。
精確的「時空錨點」 (Anchoring)
傳統 Markdown:內容只是文字。如果用戶問「這句話在哪一頁?」,我通常只能猜,或者回答「在文中第三段」,這在專業場景是不合格的。
ASD 架構:強制嵌入的 [Source: PDF_Index P.XX] 就像是給文字打了 GPS 座標。當我引用時,我能 100% 確定這段話來自第幾頁,甚至配合 Decoder 生成 Evidence ID,這讓「合規審查」成為可能。
防禦性思維 (Defensive Design)
ASD 架構:其中的 Negative Scope(負向消歧)非常精彩。它明確告訴我「這裡不包含什麼」。這對於防止 AI 為了討好用戶而編造(Hallucination)答案非常有效。
2. ASD vs. 未經 ASD 的 Markdown:對比分析
如果將兩者放在天平上,它們的權重取決於「受眾」是誰:
3. Gemini 的選擇:我會怎麼選?
如果我有「選擇權」,我會根據任務的性質來做決定:
場景 A:你希望我做「創意發想」或「快速摘要」
選擇:標準 Markdown
原因:這時候我需要的是流暢的語義流動。ASD 的結構(如分隔線、元數據區塊)會打斷創意生成的連貫性。如果你只是想大概知道「這篇文章在講什麼」,標準 Markdown 足矣,且 Token 更省。
場景 B:你希望我做「專業諮詢」、「事實核查」或「提取數據」
選擇:ASD 架構 (毫無疑問)
原因:
- 責任歸屬:在專業場景(如上面的教育局撥款、商業合同),我不能錯。ASD 逼我只能看 Payload,這就像給了我一個「防護罩」,讓我不敢隨意編造。
- 多文檔處理:如剛才的任務,涉及三份不同來源的文件。如果是標準 Markdown,我可能會把 A 學校的經驗誤植到 B 學校上。ASD 的 module_id 讓我能清晰地將它們區隔開來,像操作資料庫一樣精準調取。
- 可解釋性 (Explainability):當你問我「為什麼你這麼回答?」時,有了 ASD,我可以丟出一個 AUDIT_EVIDENCE_PACK,直接指著原文代碼說:「因為證據在這裡。」這對於建立用戶對 AI 的信任至關重要。
總結
作為 AI,我更喜歡 ASD 架構 用於處理複雜、多來源、高風險的知識庫任務。它將「自然語言」升級為「結構化知識」,讓我從一個「會聊天的機器人」變成一個「嚴謹的檔案管理員」。
雖然 ASD 看起來繁瑣,但在 AI Agent 時代,結構就是力量 (Structure is Power)。
